python中的递归、闭包和装饰器
python中的递归、闭包和装饰器
1. 递归
1.1 递归函数
在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。
递归函数特性：
- 必须有一个明确的结束条件；
- 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
- 相邻两次重复之间有紧密的联系，前一次要为后一次做准备（通常前一次的输出就作为后一次的输入）。
- 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
先举个简单的例子：计算1到100之间相加之和；通过循环和递归两种方式实现：
# 循环方式
def sum_cycle(n):
sum = 0
for i in range(1,n+1) :
sum += i print(sum)
# 递归方式
def sum_recu(n):
if n>0:
return n +sum_recu(n-1)
else:
return 0
sum_cycle(100)
sum = sum_recu(100) print(sum)
递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。
使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。
把上面的递归求和函数的参数改成10000就导致栈溢出！
RecursionError: maximum recursion depth exceeded in comparison
解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。
2. 一般递归
def normal_recursion(n):
if n == 1:
return 1
else:
return n + normal_recursion(n-1)
执行：
normal_recursion(5)
5 + normal_recursion(4)
5 + 4 + normal_recursion(3)
5 + 4 + 3 + normal_recursion(2)
5 + 4 + 3 + 2 + normal_recursion(1)
5 + 4 + 3 + 3
5 + 4 + 6
5 + 10
15
可以看到, 一般递归, 每一级递归都需要调用函数, 会创建新的栈,随着递归深度的增加, 创建的栈越来越多, 造成爆栈💥
3. 尾递归
尾递归基于函数的尾调用, 每一级调用直接返回函数的返回值更新调用栈,而不用创建新的调用栈, 类似迭代的实现, 时间和空间上均优化了一般递归!
def tail_recursion(n, total=0):
if n == 0:
return total
else:
return tail_recursion(n-1, total+n)
执行：
tail_recursion(5)
tail_recursion(4, 5)
tail_recursion(3, 9)
tail_recursion(2, 12)
tail_recursion(1, 14)
tail_recursion(0, 15)
15
可以看到, 每一级递归的函数调用变成"线性"的形式.
深入理解尾递归
呃, 所以呢? 是不是感觉还不够过瘾... 谁说尾递归调用就不用创建新的栈呢?
还是让我们去底层一探究竟吧
int tail_recursion(int n, int total) {
if (n == 0) {
return total;
}
else {
return tail_recursion(n-1, total+n);
}
}
int main(void) {
int total = 0, n = 4;
tail_recursion(n, total);
return 0;
}
反汇编
$ gcc -S tail_recursion.c -o normal_recursion.S
$ gcc -S -O2 tail_recursion.c -o tail_recursion.S gcc #开启尾递归优化
对比反汇编代码如下(AT&T语法)
可以看到, 开启尾递归优化前, 使用call调用函数, 创建了新的调用栈(LBB0_3);
而开启尾递归优化后, 就没有新的调用栈生成了, 而是直接pop
bp指向的 _tail_recursion 函数的地址(pushq %rbp)然后返回,
仍旧用的是同一个调用栈!
存在的问题
虽然尾递归优化很好, 但python 不支持尾递归，递归深度超过1000时会报错
一个牛人想出的解决办法
实现一个 tail_call_optimized 装饰器
#!/usr/bin/env python2.4
# This program shows off a python decorator(
# which implements tail call optimization. It
# does this by throwing an exception if it is
# it's own grandparent, and catching such
# exceptions to recall the stack.
import sys
class TailRecurseException:
def __init__(self, args, kwargs):
self.args = args
self.kwargs = kwargs
def tail_call_optimized(g):
"""
This function decorates a function with tail call
optimization. It does this by throwing an exception
if it is it's own grandparent, and catching such
exceptions to fake the tail call optimization.
This function fails if the decorated
function recurses in a non-tail context.
"""
def func(*args, **kwargs):
f = sys._getframe()
# 为什么是grandparent, 函数默认的第一层递归是父调用,
# 对于尾递归, 不希望产生新的函数调用(即:祖父调用),
# 所以这里抛出异常, 拿到参数, 退出被修饰函数的递归调用栈!(后面有动图分析)
if f.f_back and f.f_back.f_back \
and f.f_back.f_back.f_code == f.f_code:
# 抛出异常
raise TailRecurseException(args, kwargs)
else:
while 1:
try:
return g(*args, **kwargs)
except TailRecurseException, e:
# 捕获异常, 拿到参数, 退出被修饰函数的递归调用栈
args = e.args
kwargs = e.kwargs
func.__doc__ = g.__doc__
return func
@tail_call_optimized
def factorial(n, acc=1):
"calculate a factorial"
if n == 0:
return acc
return factorial(n-1, n*acc)
print factorial(10000)
为了更清晰的展示开启尾递归优化前、后调用栈的变化和tail_call_optimized装饰器抛异常退出递归调用栈的作用, 我这里利用 pudb调试工具 做了动图
开启尾递归优化前的调用栈
开启尾递归优化后(tail_call_optimized装饰器)的调用栈
通过pudb右边栏的stack, 可以很清晰的看到调用栈的变化.
因为尾递归没有调用栈的嵌套，所以Python也不会报 RuntimeError: maximum recursion depth exceeded 错误了!
这里解释一下 sys._getframe() 函数:
sys._getframe([depth]):
Return a frame object from the call stack.
If optional integer depth is given, return the frame object that many calls below the top of the stack.
If that is deeper than the call stack, ValueEfror is raised. The default for depth is zero,
returning the frame at the top of the call stack.
# 即返回depth深度调用的栈帧对象.
import sys
def get_cur_info():
print sys._getframe().f_code.co_filename # 当前文件名
print sys._getframe().f_code.co_name # 当前函数名
print sys._getframe().f_lineno # 当前行号
print sys._getframe().f_back # 调用者的帧
补充
二分法查找大家应该听说过；就是一种快速查找的方法，时间复杂度低，逻辑简单易懂，总的来说就是不断的找出中间值，用中间值对比你需要找的实际值；若中间值大，则继续找左边；若中间值小，则继续找右边；可以看出二分法就是不断重复此上过程，所以就可以通过递归方式来实现二分法查找了！
#The binary search function
def Binary_Search(data_source,find_n):
#判断列表长度是否大于1，小于1就是一个值
if len(data_source) >= 1:
#获取列表中间索引；奇数长度列表长度除以2会得到小数，通过int将转换整型
mid = int(len(data_source)/2)
#判断查找值是否超出最大值
if find_n > data_source[-1]:
print('{}查找值不存在！'.format(find_n))
exit()
#判断查找值是否超出最小值
elif find_n < data_source[0]:
print('{}查找值不存在！'.format(find_n))
exit()
#判断列表中间值是否大于查找值
if data_source[mid] > find_n:
print('查找值在 {} 左边'.format(data_source[mid]))
#调用自己，并将中间值左边所有元素做参数
Binary_Search(data_source[:mid],find_n)
#判断列表中间值是否小于查找值
elif data_source[mid] < find_n:
#print('查找值在 {} 右边'.format(data_source[mid]))
#调用自己，并将中间值右边所有元素做参数
Binary_Search(data_source[mid:],find_n)
else:
#找到查找值
print('找到查找值',data_source[mid])
else:
#特殊情况，返回查找不到
print('{}查找值不存在！'.format(find_n))
Data = [22,12,41,99,101,323,1009,232,887,97]
#列表从小到大排序
Data.sort()
#查找323
Binary_Search(Data,323)
执行结果：
找到查找值 323
2. 闭包
英文称之为Closure，中文译为闭包，闭包的概念也并不是Python独有的，Javascript等高级语言中也存在闭包的概念。那什么是闭包？有一个经典的公式可以回答这个问题：
闭包 = 内部函数 + 引用环境
这个公式非常清楚地说明，闭包本质上是具备"封闭"上下文环境的函数。所谓"封闭"，是说该函数的上下文环境不会随着函数调用结束而销毁，实际上会持久驻留内存。众所周知，函数通常定义在全局上下文，而闭包函数定义在函数内部，全局上下文也是持久驻留的，把函数定义在全局上下文中也可以有相同效果，那闭包有什么不一样的地方？答案是可以避免全局变量的污染。
接下来，我们从简单闭包开始，逐步探讨下闭包的使用。
闭包的含义
在嵌套函数的前提下，内部函数使用了外部函数的变量，而且外部函数返回了内部函数，我们就把使用了外部函数变量的内部函数称为闭包。
闭包的条件
- 函数嵌套（在函数里面再定义函数）
- 内层函数使用外层函数的局部变量
- 外层函数的返回值是内层函数的函数名
2.1 简单闭包
首先最简单的闭包是外部函数只传递一个函数引用和内部函数不带参数的闭包。我们在Pycharm中演示下简单闭包：
在上图的代码中，有以下几个关键点：
- 定义一个
outer_func，outer_func的参数为一个函数引用func； - 在
outer_func中定义inner_func，并返回inner_func的引用； inner_func调用outer_func中传递的func引用的函数；- 全局定义一个没有参数的print_info函数；
- 通过
outer_func(print_info)得到f，此时的f指向outer_func中的inner_func已用 - 调用函数
f
运行结果为：
通过简单闭包的演示可以看出，闭包中的引用环境主要是外部函数的变量，包括外部函数参数和外部函数中定义的变量，这个闭包在整个运行环境中，外部函数的参数和变量是一直被"锁"在内存中的，这也是调用f时还能访问func的原因。
当然，实际应用中func不可能没有参数，接下来让我们分析下带参数的闭包。
2.2 带参闭包
所谓带参闭包，是指闭包函数可以带参数，也就是上节中的inner_func可以带参数。我们在Pycharm演示下：
运行结果：
通过增加info，可以让闭包传递参数，稍有经验的开发者一眼就能看出这种带不可变参数的闭包不够通用，因为不可能参数增加一个就再定义一个闭包。在Python中，一旦涉及可变参数，需要使用args和**kwargs，好了，我们用_args和**kwargs改造下上面的闭包：
运行结果：
2.3 闭包隔离
前面两节中，我们定义完闭包后，在使用过程中只创建了一个闭包函数，现在我们在Pycharm中做如下实验：
运行结果：
要提一下的是，在outer_func中定义了count，如果在inner_func只是读取count的话直接使用count即可，如果在inner_func中要写count，则需要在inner_func中声明nonlocal，与普通函数中修改全局变量时使用global类似，只不过nonlocal修饰的变量是外部函数中的变量。在本实验中，使用outer_func(print_info)定义两个"相同"的闭包f1和f2，f1调用3次，f2调用1次，从运行结果来看f1中的count虽然增加了，但是并不影响f2中的count，这说明了闭包一个很重要的特点：内存隔离。也就是说两个闭包函数的引用环境是独立的，彼此不影响，就像类的实例对象一样。
2.4 总结
经过前面三节的分析之后，我们再回顾下闭包概念的经典公式：
闭包 = 内部函数 + 引用环境
可以简单总结下：
- 闭包是定义在一个函数内部的函数；
- 外部函数传递一个函数引用给内部函数，并返回内部函数引用；
- 内部函数可以访问外部函数的变量，并调用外部函数传递的函数引用；
- 闭包之间内存隔离。
使用闭包的过程中，一旦外函数被调用一次，返回了内函数的引用，虽然每次调用内函数会开启一个函数，执行后消亡，但是闭包变量实际上只有一份，每次开启内函数都在使用同一份闭包变量。
3. 装饰器
前言
最近有人问我装饰器是什么，我就跟他说，其实就是装饰器就是类似于女孩子的发卡。你喜欢的一个女孩子，她可以有很多个发卡，而当她戴上不同的发卡，她的头顶上就是装饰了不同的发卡。但是你喜欢的女孩子还是你喜欢的女孩子。如果还觉得不理解的话，装饰器就是咱们的手机壳，你尽管套上了手机壳，但并不影响你的手机功能，可你的手机还是该可以给你玩，该打电话打电话，该玩游戏玩游戏，该收藏攻城狮白玉的博客就收藏攻城狮白玉的博客。而你的手机就变成了带手机壳的手机。
装饰器就是python的一个拦路虎，你干或者不干它，它都在那里。如果你想学会高级的python用法，装饰器就是你这个武松必须打倒的一只虎。
本文的环境如下：
win10，python3.7
3.1 什么是装饰器
装饰器是给现有的模块增添新的小功能，可以对原函数进行功能扩展，而且还不需要修改原函数的内容，也不需要修改原函数的调用。
装饰器的使用符合了面向对象编程的开放封闭原则。装饰器本质上是一个python函数，它可以让其它函数在不需要做任何代码变动的情况下增加额外功能，装饰器的返回值也是一个函数对象。
装饰器需要满足以下两点：
- 不修改原程序或函数的代码
- 不改变函数或程序的调用方法
开放封闭原则主要体现在两个方面：
- 对扩展开放，意味着有新的需求或变化时，可以对现有代码进行扩展，以适应新的情况。
- 对修改封闭，意味着类一旦设计完成，就可以独立其工作，而不要对类尽任何修改。
3.2 为什么要用装饰器
使用装饰器之前，我们要知道，其实python里是万物皆对象，也就是万物都可传参。
函数也可以作为函数的参数进行传递的。
通过下面这个简单的例子可以更直观知道函数名是如何直接作为参数进行传递
def baiyu():
print("我是攻城狮白玉")
def blog(name):
print('进入blog函数')
name()
print('我的博客是 https://blog.csdn.net/zhh763984017')
if __name__ == '__main__':
func = baiyu # 这里是把baiyu这个函数名赋值给变量func
func() # 执行func函数
print('------------')
blog(baiyu) # 把baiyu这个函数作为参数传递给blog函数
执行结果如下所示：
接下来，我想知道这baiyu和blog两个函数分别的执行时间是多少，我就把代码修改如下：
import time
def baiyu():
t1 = time.time()
print("我是攻城狮白玉")
time.sleep(2)
print("执行时间为：", time.time() - t1)
def blog(name):
t1 = time.time()
print('进入blog函数')
name()
print('我的博客是 https://blog.csdn.net/zhh763984017')
print("执行时间为：", time.time() - t1)
if __name__ == '__main__':
func = baiyu # 这里是把baiyu这个函数名赋值给变量func
func() # 执行func函数
print('------------')
blog(baiyu) # 把baiyu这个函数作为参数传递给blog函数
运行结果如下：
上述的改写已经实现了我需要的功能，但是，当我有另外一个新的函数【python_blog_list】，具体如下：
def python_blog_list():
print('''【Python】爬虫实战，零基础初试爬虫下载图片（附源码和分析过程）
https://blog.csdn.net/zhh763984017/article/details/119063252 ''')
print('''【Python】除了多线程和多进程，你还要会协程
https://blog.csdn.net/zhh763984017/article/details/118958668 ''')
print('''【Python】爬虫提速小技巧，多线程与多进程（附源码示例）
https://blog.csdn.net/zhh763984017/article/details/118773313 ''')
print('''【Python】爬虫解析利器Xpath，由浅入深快速掌握（附源码例子）
https://blog.csdn.net/zhh763984017/article/details/118634945 ''')
也需要计算函数执行时间的，那按之前的逻辑，就是改写如下：
def python_blog_list():
t1 = time.time()
print('''【Python】爬虫实战，零基础初试爬虫下载图片（附源码和分析过程）
https://blog.csdn.net/zhh763984017/article/details/119063252 ''')
print('''【Python】除了多线程和多进程，你还要会协程
https://blog.csdn.net/zhh763984017/article/details/118958668 ''')
print('''【Python】爬虫提速小技巧，多线程与多进程（附源码示例）
https://blog.csdn.net/zhh763984017/article/details/118773313 ''')
print('''【Python】爬虫解析利器Xpath，由浅入深快速掌握（附源码例子）
https://blog.csdn.net/zhh763984017/article/details/118634945 ''')
print("执行时间为：", time.time() - t1)
装饰器，就是可以让我们拓展一些原有函数没有的功能。
3.3 简单的装饰器
基于上面的函数执行时间的需求，我们就手写一个简单的装饰器进行实现。
import time
def baiyu():
print("我是攻城狮白玉")
time.sleep(2)
def count_time(func):
def wrapper():
t1 = time.time()
func()
print("执行时间为：", time.time() - t1)
return wrapper
if __name__ == '__main__':
baiyu = count_time(baiyu) # 因为装饰器 count_time(baiyu) 返回的时函数对象 wrapper，这条语句相当于 baiyu = wrapper
baiyu() # 执行baiyu()就相当于执行wrapper()
这里的count_time是一个装饰器，装饰器函数里面定义一个wrapper函数，把func这个函数当作参数传入，函数实现的功能是把func包裹起来，并且返回wrapper函数。wrapper函数体就是要实现装饰器的内容。
当然，这里的wrapper函数名是可以自定义的，只要你定义的函数名，跟你return的函数名是相同的就好了
3.4 装饰器的语法糖@
你如果看过其他python项目里面的代码里，难免会看到@符号，这个@符号就是装饰器的语法糖。因此上面简单的装饰器还是可以通过语法糖来实现的，这样就可以省去
baiyu = count_time(baiyu)
这一句代码，而直接调用baiyu()这个函数
换句话说，其实使用装饰器的是，默认传入的参数就是被装饰的函数。
import time
def count_time(func):
def wrapper():
t1 = time.time()
func()
print("执行时间为：", time.time() - t1)
return wrapper
@count_time
def baiyu():
print("我是攻城狮白玉")
time.sleep(2)
if __name__ == '__main__':
# baiyu = count_time(baiyu) # 因为装饰器 count_time(baiyu) 返回的时函数对象 wrapper，这条语句相当于 baiyu = wrapper
# baiyu() # 执行baiyu()就相当于执行wrapper()
baiyu() # 用语法糖之后，就可以直接调用该函数了
3.5 装饰器传参
当我们的被装饰的函数是带参数的，此时要怎么写装饰器呢？
上面我们有定义了一个blog函数是带参数的
def blog(name):
print('进入blog函数')
name()
print('我的博客是 https://blog.csdn.net/zhh763984017')
此时我们的装饰器函数要优化一下下，修改成为可以接受任意参数的装饰器
def count_time(func):
def wrapper(*args,**kwargs):
t1 = time.time()
func(*args,**kwargs)
print("执行时间为：", time.time() - t1)
return wrapper
此处，我们的wrapper函数的参数为*args和**kwargs，表示可以接受任意参数
这时我们就可以调用我们的装饰器了。
import time
def count_time(func):
def wrapper(*args, **kwargs):
t1 = time.time()
func(*args, **kwargs)
print("执行时间为：", time.time() - t1)
return wrapper
@count_time
def blog(name):
print('进入blog函数')
name()
print('我的博客是 https://blog.csdn.net/zhh763984017')
if __name__ == '__main__':
# baiyu = count_time(baiyu) # 因为装饰器 count_time(baiyu) 返回的时函数对象 wrapper，这条语句相当于 baiyu = wrapper
# baiyu() # 执行baiyu()就相当于执行wrapper()
# baiyu() # 用语法糖之后，就可以直接调用该函数了
blog(baiyu)
3.6 带参数的装饰器
前面咱们知道，装饰器函数也是函数，既然是函数，那么就可以进行参数传递，咱们怎么写一个带参数的装饰器呢？
前面咱们的装饰器只是实现了一个计数，那么我想在使用该装饰器的时候，传入一些备注的msg信息，怎么办呢？咱们一起看一下下面的代码
import time
def count_time_args(msg=None):
def count_time(func):
def wrapper(*args, **kwargs):
t1 = time.time()
func(*args, **kwargs)
print(f"[{msg}]执行时间为：", time.time() - t1)
return wrapper
return count_time
@count_time_args(msg="baiyu")
def fun_one():
time.sleep(1)
@count_time_args(msg="zhh")
def fun_two():
time.sleep(1)
@count_time_args(msg="mylove")
def fun_three():
time.sleep(1)
if __name__ == '__main__':
fun_one()
fun_two()
fun_three()
咱们基于原来的count_time函数外部再包一层用于接收参数的count_time_args，接收回来的参数就可以直接在内部的函数里面调用了。上述代码执行效果如下：
3.7 类装饰器
上面咱们一起学习了怎么写装饰器函数，在python中，其实也可以同类来实现装饰器的功能，称之为类装饰器。类装饰器的实现是调用了类里面的__call__函数。类装饰器的写法比我们装饰器函数的写法更加简单。
当我们将类作为一个装饰器，工作流程：
通过__init__（）方法初始化类
通过__call__（）方法调用真正的装饰方法
import time
class BaiyuDecorator:
def __init__(self, func):
self.func = func
print("执行类的__init__方法")
def __call__(self, *args, **kwargs):
print('进入__call__函数')
t1 = time.time()
self.func(*args, **kwargs)
print("执行时间为：", time.time() - t1)
@BaiyuDecorator
def baiyu():
print("我是攻城狮白玉")
time.sleep(2)
def python_blog_list():
time.sleep(5)
print('''【Python】爬虫实战，零基础初试爬虫下载图片（附源码和分析过程）
https://blog.csdn.net/zhh763984017/article/details/119063252 ''')
print('''【Python】除了多线程和多进程，你还要会协程
https://blog.csdn.net/zhh763984017/article/details/118958668 ''')
print('''【Python】爬虫提速小技巧，多线程与多进程（附源码示例）
https://blog.csdn.net/zhh763984017/article/details/118773313 ''')
print('''【Python】爬虫解析利器Xpath，由浅入深快速掌握（附源码例子）
https://blog.csdn.net/zhh763984017/article/details/118634945 ''')
@BaiyuDecorator
def blog(name):
print('进入blog函数')
name()
print('我的博客是 https://blog.csdn.net/zhh763984017')
if __name__ == '__main__':
baiyu()
print('--------------')
blog(python_blog_list)
3.8 带参数的类装饰器
当装饰器有参数的时候，__init__() 函数就不能传入func（func代表要装饰的函数）了，而func是在__call__函数调用的时候传入的。
class BaiyuDecorator:
def __init__(self, arg1, arg2): # init()方法里面的参数都是装饰器的参数
print('执行类Decorator的__init__()方法')
self.arg1 = arg1
self.arg2 = arg2
def __call__(self, func): # 因为装饰器带了参数，所以接收传入函数变量的位置是这里
print('执行类Decorator的__call__()方法')
def baiyu_warp(*args): # 这里装饰器的函数名字可以随便命名，只要跟return的函数名相同即可
print('执行wrap()')
print('装饰器参数：', self.arg1, self.arg2)
print('执行' + func.__name__ + '()')
func(*args)
print(func.__name__ + '()执行完毕')
return baiyu_warp
@BaiyuDecorator('Hello', 'Baiyu')
def example(a1, a2, a3):
print('传入example()的参数：', a1, a2, a3)
if __name__ == '__main__':
print('准备调用example()')
example('Baiyu', 'Happy', 'Coder')
print('测试代码执行完毕')
建议各位同学好好比对一下这里的代码和不带参数的装饰器代码的区别，加深理解。
3.9 装饰器的顺序
一个函数可以被多个装饰器进行装饰，那么装饰器的执行顺序是怎么样的呢？咱们执行一下下面的代码就清楚了
def BaiyuDecorator_1(func):
def wrapper(*args, **kwargs):
func(*args, **kwargs)
print('我是装饰器1')
return wrapper
def BaiyuDecorator_2(func):
def wrapper(*args, **kwargs):
func(*args, **kwargs)
print('我是装饰器2')
return wrapper
def BaiyuDecorator_3(func):
def wrapper(*args, **kwargs):
func(*args, **kwargs)
print('我是装饰器3')
return wrapper
@BaiyuDecorator_1
@BaiyuDecorator_2
@BaiyuDecorator_3
def baiyu():
print("我是攻城狮白玉")
if __name__ == '__main__':
baiyu()
由输出结果可知，在装饰器修饰完的函数，在执行的时候先执行原函数的功能，然后再由里到外依次执行装饰器的内容。
我们带三个装饰器的函数的代码如下：
@BaiyuDecorator_1
@BaiyuDecorator_2
@BaiyuDecorator_3
def baiyu():
print("我是攻城狮白玉")
上述的代码可以看作如下代码，就能理解为何是由里到外执行了
baiyu = BaiyuDecorator_1 (BaiyuDecorator_2 (BaiyuDecorator_3(baiyu)))
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· TypeScript + Deepseek 打造卜卦网站：技术与玄学的结合
· Manus的开源复刻OpenManus初探
· 三行代码完成国际化适配，妙~啊~
· .NET Core 中如何实现缓存的预热？
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统