二十六、装饰器

装饰器

---

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def now():... print('2015-3-25')...>>> f = now>>> f()2015-3-25

函数对象有一个 __name__属性，可以拿到函数的名字：

>>> now.__name__'now'>>> f.__name__'now'

现在，假设我们要增强 now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改 now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper

观察上面的 log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：

@logdef now(): print('2015-3-25')

调用 now()函数，不仅会运行 now()函数本身，还会在运行 now()函数前打印一行日志：

>>> now()call now():2015-3-25

把 @log放到 now()函数的定义处，相当于执行了语句：

now = log(now)

由于 log()是一个decorator，返回一个函数，所以，原来的 now()函数仍然存在，只是现在同名的 now变量指向了新的函数，于是调用 now()将执行新函数，即在 log()函数中返回的 wrapper()函数。

wrapper()函数的参数定义是 (*args, **kw)，因此， wrapper()函数可以接受任意参数的调用。在 wrapper()函数内，首先打印日志，再紧接着调用原始函数。

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator

这个3层嵌套的decorator用法如下：

@log('execute')def now(): print('2015-3-25')

执行结果如下：

>>> now()execute now():2015-3-25

和两层嵌套的decorator相比，3层嵌套的效果是这样的：

>>> now = log('execute')(now)

我们来剖析上面的语句，首先执行 log('execute')，返回的是 decorator函数，再调用返回的函数，参数是 now函数，返回值最终是 wrapper函数。

以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有 __name__等属性，但你去看经过decorator装饰之后的函数，它们的 __name__已经从原来的 'now'变成了 'wrapper'：

>>> now.__name__'wrapper'

因为返回的那个 wrapper()函数名字就是 'wrapper'，所以，需要把原始函数的 __name__等属性复制到 wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。

不需要编写 wrapper.__name__ = func.__name__这样的代码，Python内置的 functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：

import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper

或者针对带参数的decorator：

import functoolsdef log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator

import functools是导入 functools模块。模块的概念稍候讲解。现在，只需记住在定义 wrapper()的前面加上 @functools.wraps(func)即可。

练习

请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：

# -*- coding: utf-8 -*-import time, functools

# 测试@metricdef fast(x, y): time.sleep(0.0012) return x + y;@metricdef slow(x, y, z): time.sleep(0.1234) return x * y * z;f = fast(11, 22)s = slow(11, 22, 33)if f != 33: print('测试失败!')elif s != 7986: print('测试失败!')

小结

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

请编写一个decorator，能在函数调用的前后打印出 'begin call'和 'end call'的日志。

再思考一下能否写出一个 @log的decorator，使它既支持：

@logdef f(): pass

又支持：

@log('execute')def f(): pass