Python3基础笔记--装饰器
装饰器是十二分重要的高级函数。
参考博客：装饰器
所需前提知识：
1、作用域： LEGB
2、高阶函数
高阶函数是至少满足下列一个条件的函数:
1）接受一个或多个函数作为输入
2）输出一个函数
注意理解：
- 函数名可以进行赋值
- 函数名是一个变量，可以作为函数参数以及返回值
函数和我们之前的[1,2,3],'abc',8等一样都是对象，而且函数是最高级的对象（对象是类的实例化，可以调用相应的方法，函数是包含变量对象的对象，牛逼！）。
3、函数的嵌套以及闭包
Python允许创建嵌套函数。通过在函数内部def的关键字再声明一个函数即为嵌套：
def outer(): x = 1 def inner(): print(x) # 1 return inner in_func = outer() in_func()
in_func()执行的时候outer()函数已经执行完了，为什么inner还可以调用outer里的变量x呢？
这就涉及到我们叫讲的闭包啦！
因为：outer里return的inner是一个闭包函数，有x这个环境变量。
OK，那么什么是闭包呢？
闭包(closure)是函数式编程的重要的语法结构。
定义：如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包(closure).
如上实例，inner就是内部函数，inner里引用了外部作用域的变量x（x在外部作用域outer里面，不是全局作用域），则这个内部函数inner就是一个闭包。
再稍微讲究一点的解释是，闭包=函数块+定义函数时的环境，inner就是函数块，x就是环境，当然这个环境可以有很多，不止一个简单的x。
装饰器
装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。
概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
假设一个场景：
业务生产中大量调用的函数：
import time def foo(): print('foo()函数') time.sleep(2) def bar(): print('bar()函数') time.sleep(2)
现在有一个新的需求，希望可以记录下函数的执行时间，于是在代码中添加日志代码：
import time def foo(): start_time=time.time() print('foo()函数') time.sleep(2) end_time=time.time() print('spend %s'%(end_time-start_time)) foo()
bar()、hello()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间:
import time def show_time(func): start_time=time.time() func() end_time=time.time() print('spend %s'%(end_time-start_time))
逻辑上不难理解，而且运行正常。 但是这样的话,你基础平台的函数修改了名字，容易被业务线的人投诉的，因为我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行foo()，但是现在不得不改成show_time(foo)。那么有没有更好的方式的呢？当然有，答案就是装饰器。
我们需要show_time(foo)返回一个函数对象，而这个函数对象内则是核心业务函数:执行func()与装饰函数时间计算，修改如下：
import time def show_time(func): def wrapper(): start_time=time.time() func() end_time=time.time() print('spend %s'%(end_time-start_time)) return wrapper foo=show_time(foo) foo()
函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像foo被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作
import time def show_time(func): def wrapper(): start_time=time.time() func() end_time=time.time() print('spend %s'%(end_time-start_time)) return wrapper @show_time #foo=show_time(foo) def foo(): print('foo()函数') time.sleep(2) @show_time #bar=show_time(bar) def bar(): print('bar()函数') time.sleep(2) foo() print('***********') bar()
如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
这里需要注意的问题： foo=show_time(foo)其实是把wrapper引用的对象引用给了foo，而wrapper里的变量func之所以可以用，就是因为wrapper是一个闭包函数。
1、带参数的被装饰函数
1） 定长参数
只需要保持被装饰函数与装饰器中的内部函数参数一致即可
import time def show_time(func): def wrapper(a,b): start_time=time.time() func(a,b) end_time=time.time() print('spend %s'%(end_time-start_time)) return wrapper @show_time #add=show_time(add) def add(a,b): time.sleep(1) print(a+b) add(2,4)
2）不定长参数
import time def show_time(func): def wrapper(*args,**kwargs): start_time=time.time() func(*args,**kwargs) end_time=time.time() print('spend %s'%(end_time-start_time)) return wrapper @show_time #add=show_time(add) def add(*args,**kwargs): time.sleep(1) sum=0 for i in args: sum+=i print(sum) add(2,4,8,9)
2、带参数的装饰器
import time def time_logger(flag=0): def show_time(func): def wrapper(*args,**kwargs): start_time=time.time() func(*args,**kwargs) end_time=time.time() print('spend %s'%(end_time-start_time)) if flag: print('将这个操作的时间记录到日志中') return wrapper return show_time @time_logger(3) # @show_time def add(*args,**kwargs): time.sleep(1) sum=0 for i in args: sum+=i print(sum) add(2,7,5)
这里我们又加了一层函数嵌套
@time_logger(3) 做了两件事：
（1）time_logger(3)：得到闭包函数show_time，里面保存环境变量flag 这里用到了闭包的知识
（2）@show_time ：add＝show_time(add)
上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我 们使用@time_logger(3)调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。
