自动化测试python装饰器的使用

自动化测试python装饰器的使用

 

1. 装饰者模式

装饰者模式是常用的软件设计模式之一。通过此设计模式，我们能够在不修改任何底层代码情况下，给已有对象赋予新的职责。python中可以用装饰器简单地实现装饰者模式。

1.1 将函数作为参数传递

在C/C++中，函数指针可以将函数作为参数传递给另一函数。而在python中，函数也是对象的一种，函数可以被引用，也可直接作为参数传入函数，以及作为容器对象的元素。python中可以采用如下方法实现装饰者模式：

#!/usr/bin/env python3.6
# -*- coding: utf-8 -*-

def add(x, y):
    result = x+y
    return result

def log(func):
    def wrapper(*args, **kwargs):
        result = func(*args)
        print(func.__name__,'has been called\n')
        return result
    return wrapper

if __name__ == '__main__':
    print(log(add)(1,2))

上述代码中，log函数以需要被装饰的函数作为参数，并返回函数对象。被返回的函数的参数为可变参数*args与**kwargs（*args参数会被封装成tuple，**kwargs参数则会被封装成字典对象），以适应不同函数的不同参数，保证通用性。

1.2 装饰器

上面的实现方法有些繁杂，所有调用被装饰的函数之处的代码，都要进行相应修改，自然不符合python简洁易读的特性。因此python中给出相应语法糖来增加可读性和易用性，那便是“装饰器”。

#!/usr/bin/env python3.6
# -*- coding: utf-8 -*-

from functools import wraps

def log(func):
    #@wraps(func)
    def wrapper(*args, **kwargs):
        result = func(*args)
        print(func.__name__,'has been called')
        return result
    return wrapper

#等价于add = log(add)
@log
def add(x, y):
    result = x+y
    return result

if __name__ == '__main__':
    print(add(1,2))
    print(add.__name__)

运行情况如下：

>>print(add(1,2))
add has been called
3
>>print(add.__name__)
wrapper

但上述方法亦有缺陷，原函数add的元数据（比如名字、文档字符串、注解和参数签名）会丢失。为避免缺陷，任何时候你定义装饰器的时候，都应该使用functools库中的@wraps装饰器来注解底层包装函数（代码中注释部分）。@wraps有一个重要特征是它能让你通过属性 __wrapped__ 直接访问被包装函数。
改进后运行情况：

>>print(add(1,2))
add has been called
3
>>print(add.__name__)
add

1.3 解除装饰器

当装饰器已经作用于某函数，而你想撤销它，那么可以访问 __wrapped__属性来访问原始函数

orig_add = add.__wrapped__
orig_add(1,2)

但若使用了多个装饰器， __wrapped__属性会变得不可控，应尽量避免使用。
若有如下代码：

#!/usr/bin/env python3.6
# -*- coding: utf-8 -*-

import functools
import time

def metric(func):
    @functools.wraps(func)
    def wrapper(*args,**kv):
        print('Decorator1')
        f = func(*args,**kv)
        return f
    return wrapper

def logging(func):
    @functools.wraps(func)
    def wrapper(*args,**kv):
        print('Decorator2')
        f = func(*args,**kv)
        return f
    return wrapper

@metric
@logging
def normalize(name):
    sName = name[0:1].upper() + name[1:].lower()
    print(sName)

if __name__ == '__main__':
    normalize('heLlO')
    normalize.__wrapper__('')

运行情况如下：

>>normalize('helLo')
Decorator1
Decorator2
Hello
>>normalize.__wrapped__('world')
Decorator2
World

1.4 定义带参数的装饰器

from functools import wraps

def log(text):
    def decorator(func):
        @wraps(func) 
        def wrappering(*args,**kv):
            print('%s %s():'%(text,func.__name__))
            return func(*args,**kv)
        return wrappering
    return decorator

@log('run')
def normalize(name):
    sName = name[0:1].upper() + name[1:].lower()
    print(sName)

装饰器函数可以带参数，最外层的函数会将参数传给内层的装饰器函数，即wrappering函数是可以使用log的传入参数的。
装饰器处理过程与下面是等价的：

normalize = log('run')(normalize)

参考文献

[1]. David Beazley, Brian K. Jones. Python Cookbook 3rd Edition
[2]. Wesley Chun. Core Python Applications Programming 2nd Edition

如果大家对于学习Python有任何问题，学习方法，学习路线，如何学习有效率的问题，可以随时来咨询我，或者缺少系统学习资料的，我做这行年头比较久，自认为还是比较有经验的，可以帮助大家提出建设性建议，这是我的Python交流qun：785128166，有任何问题可以随时来咨询我。