一个已经存在10年，却被严重低估的 Python 库_pydesign 实战中没有价值

def myfunc():
print(“Running the task”)

myfunc()

装饰器使用起来，似乎有些高端和魔幻，对于一些重复性的功能，往往我们会封装成一个装饰器函数。


在定义一个装饰器的时候，我们都需要像上面一样机械性的写一个嵌套的函数，对装饰器原理理解不深的初学者，往往过段时间就会忘记如何定义装饰器。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/7cccf1f436fb402bb643a218dbda694d.png)  
 有一些比较聪明的同学，会利用 PyCharm 来自动生成装饰器模板  
 然后要使用的时候，直接敲入 deco 就会生成一个简单的生成器代码，提高编码的准备效率  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/b1784d0a36114f82933b27f5e3648545.png)


### 使用神库


使用 PyCharm 的 Live Template ，虽然能降低编写装饰器的难度，但却要依赖 PyCharm 这一专业的代码编辑器。


这里，我要教你一个更加简单的方法，使用这个方法呢，你需要先安装一个库 ： decorator，使用 pip 可以很轻易地去安装它

$ python3 -m pip install decorator

从库的名称不难看出，这是一个专门用来解决装饰器问题的第三方库。


有了它之后，你会惊奇的发现，以后自己定义的装饰器，就再也不需要写嵌套的函数了

from decorator import decorator

@decorator
def deco(func, *args, **kw):
print(“Ready to run task”)
func(*args, **kw)
print(“Successful to run task”)

@deco
def myfunc():
print(“Running the task”)

myfunc()

deco 作为装饰函数，第一个参数是固定的，都是指被装饰函数，而后面的参数都固定使用 可变参数 \*args 和 \*\*kw 的写法，代码被装饰函数的原参数。


这种写法，不得不说，更加符合直觉，代码的逻辑也更容易理解。


### 带参数的装饰器


装饰器根据有没有携带参数，可以分为两种


第一种：不带参数，最简单的示例，上面已经举例

def decorator(func):
def wrapper(*args, **kw):
func(*args, **kw)
return wrapper

第二种：带参数，这就相对复杂了，理解起来了也不是那么容易。

def decorator(arg1, arg2):
def wrapper(func):
def deco(*args, **kwargs)
func(*args, **kwargs)
return deco
return wrapper

那么对于需要带参数的装饰器，decorator 是否也一样能很好的支持呢？


下面是一个官方的示例

from decorator import decorator

@decorator
def warn_slow(func, timelimit=60, *args, **kw):
t0 = time.time()
result = func(*args, **kw)
dt = time.time() - t0
if dt > timelimit:
logging.warn(‘%s took %d seconds’, func.name, dt)
else:
logging.info(‘%s took %d seconds’, func.name, dt)
return result

@warn_slow(timelimit=600) # warn if it takes more than 10 minutes
def run_calculation(tempdir, outdir):
pass

可以看到


* 装饰函数的第一个参数，还是被装饰器 func ，这个跟之前一样
* 而第二个参数 timelimit 写成了位置参数的写法，并且有默认值
* 再往后，就还是跟原来一样使用了可变参数的写法


不难推断，只要你在装饰函数中第二个参数开始，使用了非可变参数的写法，这些参数就可以做为装饰器调用时的参数。


### 签名问题有解决？


我们在自己写装饰器的时候，通常都会顺手加上一个叫 functools.wraps 的装饰器，我想你应该也经常见过，那他有啥用呢？


先来看一个例子

def wrapper(func):
def inner_function():
pass
return inner_function

@wrapper
def wrapped():
pass

print(wrapped.name)
#inner_function

为什么会这样子？不是应该返回 func 吗？


这也不难理解，因为上边执行func 和下边 decorator(func) 是等价的，所以上面 func.**name** 是等价于下面decorator(func).**name** 的，那当然名字是 inner\_function

def wrapper(func):
def inner_function():
pass
return inner_function

def wrapped():
pass

print(wrapper(wrapped).name)
#inner_function

目前，我们可以看到当一个函数被装饰器装饰过后，它的签名信息会发生变化（譬如上面看到的函数名）


那如何避免这种情况的产生？


解决方案就是使用我们前面所说的 functools .wraps 装饰器。


它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉。

from functools import wraps

def wrapper(func):
@wraps(func)
def inner_function():
pass
return inner_function

@wrapper
def wrapped():
pass

print(wrapped.name)

wrapped

那么问题就来了，我们使用了 decorator 之后，是否还会存在这种签名的问题呢？


写个例子来验证一下就知道啦

from decorator import decorator

@decorator
def deco(func, *args, **kw):
print(“Ready to run task”)
func(*args, **kw)
print(“Successful to run task”)

@deco
def myfunc():
print(“Running the task”)

print(myfunc.name)

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！