Python 中何时使用装饰器
在 Python 中,当你需要修改函数的行为而又不想修改函数本身时,你可以使用装饰器。一些常见的例子包括添加日志、测试性能、执行缓存、验证权限等。
你还可以在需要对多个函数运行相同代码时使用装饰器,这样可以避免重复编写代码。
创建 Python 装饰器的基本组成部分
要更好地理解装饰器的工作原理,首先要了解一些概念。
- 函数是一个对象。因此,可以将函数赋给一个变量,并可以通过该变量访问该函数。
def my_function():
print('我是一个函数。')
# 将函数分配给一个变量,不要使用括号。我们不想执行该函数。
description = my_function
# 从分配给它的变量中访问函数。
print(description())
# 输出
'我是一个函数。'
- 函数可以嵌套在另一个函数内部。
def outer_function():
def inner_function():
print('我来自内部函数。')
# 在外部函数内执行内部函数。
inner_function()
outer_function()
# 输出
我来自内部函数。
请注意,inner_function
在 outer_function
外部不可用。如果我尝试在 outer_function
外部执行 inner_function
,将收到 NameError 异常。
inner_function()
Traceback (most recent call last):
File "/tmp/my_script.py", line 9, in <module>
inner_function()
NameError: name 'inner_function' is not defined
- 由于函数可以嵌套在另一个函数内部,它也可以被返回。
def outer_function():
'''分配任务给学生'''
task = '阅读 Python 书籍第 3 章。'
def inner_function():
print(task)
return inner_function
homework = outer_function()
homework()
# 输出
'阅读 Python 书籍第 5 章。'
- 函数可以作为参数传递给另一个函数。
def friendly_reminder(func):
'''对丈夫的提醒'''
func()
print('别忘了带上你的钱包!')
def action():
print('我要去商店买些好东西。')
# 使用 action 函数作为参数调用 friendly_reminder 函数。
friendly_reminder(action)
# 输出
我要去商店买些好东西。
别忘了带上你的钱包!
如何创建 Python 装饰器
要在 Python 中创建一个装饰器函数,我创建一个接受函数作为参数的外部函数。还有一个内部函数,它包装在装饰的函数周围。
以下是基本 Python 装饰器的语法:
def my_decorator_func(func):
def wrapper_func():
# 在函数之前做一些事情。
func()
# 在函数之后做一些事情。
return wrapper_func
要使用装饰器,在函数上方直接放置装饰器名称,如下所示。你可以通过在装饰器函数前加上 @
符号来使用装饰器。
@my_decorator_func
def my_func():
pass
这是一个简单的示例。这个装饰器记录函数执行的日期和时间:
from datetime import datetime
def log_datetime(func):
'''记录函数的日期和时间'''
def wrapper():
print(f'函数: {func.__name__}\n执行时间: {datetime.today().strftime("%Y-%m-%d %H:%M:%S")}')
print(f'{"-"*30}')
func()
return wrapper
@log_datetime
def daily_backup():
print('每日备份任务已完成。')
daily_backup()
# 输出
每日备份任务已完成。
函数: daily_backup
执行时间: 2021-06-06 06:54:14
------------------------------
如何向 Python 装饰器添加参数
装饰器可以接受参数。要向装饰器添加参数,我在内部函数中加入 *args
和 **kwargs
。
*args
将接受任意类型的无限数量参数,如10
、True
或'Brandon'
。**kwargs
将接受无限数量的关键字参数,如count=99
、is_authenticated=True
或name='Brandon'
。
以下是带有参数的装饰器示例:
def my_decorator_func(func):
def wrapper_func(*args, **kwargs):
# 在函数之前做一些事情。
func(*args, **kwargs)
# 在函数之后做一些事情。
return wrapper_func
@my_decorator_func
def my_func(my_arg):
'''函数的示例文档字符串'''
pass
装饰器隐藏了它装饰的函数。如果我检查 __name__
或 __doc__
方法,会得到意外的结果。
print(my_func.__name__)
print(my_func.__doc__)
# 输出
wrapper_func
None
为了解决这个问题,我将使用 functools
。functools.wraps
将更新装饰器以包含装饰的函数属性。
from functools import wraps
def my_decorator_func(func):
@wraps(func)
def wrapper_func(*args, **kwargs):
func(*args, **kwargs)
return wrapper_func
@my_decorator_func
def my_func(my_args):
'''函数的示例文档字符串'''
pass
现在我得到了预期的输出。
print(my_func.__name__)
print(my_func.__doc__)
# 输出
my_func
函数的示例文档字符串
Python 装饰器实例
我创建了一个装饰器,用于测量函数的内存和速度性能
。
我们将使用该装饰器测试使用四种方法生成列表的性能:range、列表解析、append 和连接。
from functools import wraps
import tracemalloc
from time import perf_counter
def measure_performance(func):
'''测量函数的性能'''
@wraps(func)
def wrapper(*args, **kwargs):
tracemalloc.start()
start_time = perf_counter()
func(*args, **kwargs)
current, peak = tracemalloc.get_traced_memory()
finish_time = perf_counter()
print(f'函数: {func.__name__}')
print(f'方法: {func.__doc__}')
print(f'内存使用量:\t\t {current / 10**6:.6f} MB \n'
f'峰值内存使用量:\t {peak / 10**6:.6f} MB ')
print(f'经过的时间(秒): {finish_time - start_time:.6f}')
print(f'{"-"*40}')
tracemalloc.stop()
return wrapper
@measure_performance
def make_list1():
'''Range'''
my_list = list(range(100000))
@measure_performance
def make_list2():
'''列表解析'''
my_list = [l for l in range(100000)]
@measure_performance
def make_list3():
'''Append'''
my_list = []
for item in range(100000):
my_list.append(item)
@measure_performance
def make_list4():
'''连接'''
my_list = []
for item in range(100000):
my_list = my_list + [item]
print(make_list1())
print(make_list2())
print(make_list3())
print(make_list4())
# 输出
函数: make_list1
方法: Range
内存使用量: 0.000072 MB
峰值内存使用量: 3.693040 MB
经过的时间(秒): 0.049359
----------------------------------------
函数: make_list2
方法: 列表解析
内存使用量: 0.000856 MB
峰值内存使用量: 3.618244 MB
经过的时间(秒): 0.052338
----------------------------------------
函数: make_list3
方法: Append
内存使用量: 0.000448 MB
峰值内存使用量: 3.617692 MB
经过的时间(秒): 0.060719
----------------------------------------
函数: make_list4
方法: 连接
内存使用量: 0.000440 MB
峰值内存使用量: 4.393292 MB
经过的时间(秒): 61.649138
----------------------------------------
你也可以在类中使用装饰器。让我们看看如何在 Python 类中使用装饰器。
在此示例中,请注意没有涉及 @
字符。使用 __call__
方法时,装饰器在创建类的实例时执行。
这个类会跟踪查询 API 的函数被运行的次数。一旦达到限制,装饰器将阻止函数的执行。
import requests
class LimitQuery:
def __init__(self, func):
self.func = func
self.count = 0
def __call__(self, *args, **kwargs):
self.limit = args[0]
if self.count < self.limit:
self.count += 1
return self.func(*args, **kwargs)
else:
print(f'没有剩余查询。已使用所有 {self.count} 次查询。')
return
@LimitQuery
def get_coin_price(limit):
'''查看比特币价格指数(BPI)'''
url = requests.get('https://api.coindesk.com/v1/bpi/currentprice.json')
if url.status_code == 200:
text = url.json()
return f"${float(text['bpi']['USD']['rate_float']):.2f}"
print(get_coin_price(5))
print(get_coin_price(5))
print(get_coin_price(5))
print(get_coin_price(5))
print(get_coin_price(5))
print(get_coin_price(5))
# 输出
$35968.25
$35896.55
$34368.14
$35962.27
$34058.26
没有剩余查询。已使用所有 5 次查询。
这个类将跟踪类的状态。
结论
在本文中,我讲解了如何将函数分配给变量、嵌套函数、返回函数和将函数作为参数传递给另一个函数。
我还向你展示了如何创建和使用 Python 装饰器,以及一些真实世界的例子。现在我希望你能够在你的项目中添加装饰器。