对于每一个学习 Python 的同学,想必对 @
符号一定不陌生了,正如你所知, @ 符号是装饰器的语法糖,@符号后面的函数就是我们本文的主角: 装饰器 。
装饰器放在一个函数开始定义的地方,它就像一顶帽子一样戴在这个函数的头上。和这个函数绑定在一起。在我们调用这个函数的时候,第一件事并不是执行这个函数,而是将这个函数做为参数传入它头顶上这顶帽子,这顶帽子我们称之为 装饰器
。
曾经我在刚转行做程序员时的一次的面试中,被面试官问过这样的两个问题:
1、你都用过装饰器实现过什么样的功能? 2、如何写一个可以传参的装饰器?
对于当时实战经验非常有限的我,第一个问题只能回答一些非常简单的用法,而第二个问题却没能回答上来。
当时带着这两个问题,我就开始系统的学习装饰器的所有内容。这些一直整理在自己的博客中,今天对其进行了大量的补充和勘误,发表在这里分享给大家。希望对刚入门以及进阶的朋友可以提供一些参考。
01. Hello,装饰器
装饰器的使用方法很固定
-
先定义一个装饰器(帽子)
-
再定义你的业务函数或者类(人)
-
最后把这装饰器(帽子)扣在这个函数(人)头上
就像下面这样子
def decorator(func):
def wrapper(*args, **kw):
return func()
return wrapper
@decorator
def function():
print("hello, decorator")
加Python学习qq裙:10667510 送全套零基础学习资料教程,程序员学习交流大本营
实际上,装饰器并不是编码必须性,意思就是说,你不使用装饰器完全可以,它的出现,应该是使我们的代码
-
更加优雅,代码结构更加清晰
-
将实现特定的功能代码封装成装饰器,提高代码复用率,增强代码可读性
接下来,我将以实例讲解,如何编写出各种简单及复杂的装饰器。
02. 入门:日志打印器
首先是 日志打印器 。
实现的功能:
-
在函数执行前,先打印一行日志告知一下主人,我要执行函数了。
-
在函数执行完,也不能拍拍屁股就走人了,咱可是有礼貌的代码,再打印一行日志告知下主人,我执行完啦。
# 这是装饰器函数,参数 func 是被装饰的函数 def logger(func): def wrapper(*args, **kw): print('主人,我准备开始执行:{} 函数了:'.format(func.__name__)) # 真正执行的是这行。 func(*args, **kw) print('主人,我执行完啦。') return wrapper
假如,我的业务函数是,计算两个数之和。写好后,直接给它带上帽子。
@logger def add(x, y): print('{} + {} = {}'.format(x, y, x+y))
然后执行一下 add 函数。
add(200, 50)
来看看输出了什么?
主人,我准备开始执行:add 函数了: 200 + 50 = 250 主人,我执行完啦。
03. 入门:时间计时器
再来看看 时间计时器
实现功能:顾名思义,就是计算一个函数的执行时长。
# 这是装饰函数 def timer(func): def wrapper(*args, **kw): t1=time.time() # 这是函数真正执行的地方 func(*args, **kw) t2=time.time() # 计算下时长 cost_time = t2-t1 print("花费时间:{}秒".format(cost_time)) return wrapper
假如,我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。
import time @timer def want_sleep(sleep_time): time.sleep(sleep_time) want_sleep(10)
来看看输出,如预期一样,输出10秒。
花费时间:10.0073800086975098秒
04. 进阶:带参数的函数装饰器
通过上面两个简单的入门示例,你应该能体会到装饰器的工作原理了。
不过,装饰器的用法还远不止如此,深究下去,还大有文章。今天就一起来把这个知识点学透。
回过头去看看上面的例子,装饰器是不能接收参数的。其用法,只能适用于一些简单的场景。不传参的装饰器,只能对被装饰函数,执行固定逻辑。
装饰器本身是一个函数,做为一个函数,如果不能传参,那这个函数的功能就会很受限,只能执行固定的逻辑。这意味着,如果装饰器的逻辑代码的执行需要根据不同场景进行调整,若不能传参的话,我们就要写两个装饰器,这显然是不合理的。
比如我们要实现一个可以定时发送邮件的任务(一分钟发送一封),定时进行时间同步的任务(一天同步一次),就可以自己实现一个 periodic_task (定时任务)的装饰器,这个装饰器可以接收一个时间间隔的参数,间隔多长时间执行一次任务。
可以这样像下面这样写,由于这个功能代码比较复杂,不利于学习,这里就不贴了。
@periodic_task(spacing=60) def send_mail(): pass @periodic_task(spacing=86400) def ntp() pass
那我们来自己创造一个伪场景,可以在装饰器里传入一个参数,指明国籍,并在函数执行前,用自己国家的母语打一个招呼。
# 小明,中国人 @say_hello("china") def xiaoming(): pass # jack,美国人 @say_hello("america") def jack(): pass
那我们如果实现这个装饰器,让其可以实现 传参
呢?
会比较复杂,需要两层嵌套。
def say_hello(contry): def wrapper(func): def deco(*args, **kwargs): if contry == "china": print("你好!") elif contry == "america": print('hello.') else: return # 真正执行函数的地方 func(*args, **kwargs) return deco return wrapper
来执行一下
xiaoming() print("------------") jack()
看看输出结果。
你好! ------------ hello.
05. 高阶:不带参数的类装饰器
以上都是基于函数实现的装饰器,在阅读别人代码时,还可以时常发现还有基于类实现的装饰器。
基于类装饰器的实现,必须实现 __call__
和 __init__
两个内置函数。
__init__
:接收被装饰函数
__call__
:实现装饰逻辑。
还是以日志打印这个简单的例子为例
class logger(object): def __init__(self, func): self.func = func def __call__(self, *args, **kwargs): print("[INFO]: the function {func}() is running..."\ .format(func=self.func.__name__)) return self.func(*args, **kwargs) @logger def say(something): print("say {}!".format(something)) say("hello")
执行一下,看看输出
[INFO]: the function say() is running... say hello!
06. 高阶:带参数的类装饰器
上面不带参数的例子,你发现没有,只能打印 INFO
级别的日志,正常情况下,我们还需要打印 DEBUG
WARNING
等级别的日志。这就需要给类装饰器传入参数,给这个函数指定级别了。
带参数和不带参数的类装饰器有很大的不同。
__init__
:不再接收被装饰函数,而是接收传入参数。
__call__
:接收被装饰函数,实现装饰逻辑。
class logger(object): def __init__(self, level='INFO'): self.level = level def __call__(self, func): # 接受函数 def wrapper(*args, **kwargs): print("[{level}]: the function {func}() is running..."\ .format(level=self.level, func=func.__name__)) func(*args, **kwargs) return wrapper #返回函数 @logger(level='WARNING') def say(something): print("say {}!".format(something)) say("hello")
我们指定 WARNING
级别,运行一下,来看看输出。
[WARNING]: the function say() is running... say hello!
07. 使用偏函数与类实现装饰器
绝大多数装饰器都是基于函数和闭包实现的,但这并非制造装饰器的唯一方式。
事实上,Python 对某个对象是否能通过装饰器( @decorator
)形式使用只有一个要求: decorator 必须是一个“可被调用(callable)的对象 。
对于这个 callable 对象,我们最熟悉的就是函数了。
除函数之外,类也可以是 callable 对象,只要实现了 __call__
函数(上面几个例子已经接触过了)。
还有容易被人忽略的偏函数其实也是 callable 对象。
接下来就来说说,如何使用 类和偏函数结合实现一个与众不同的装饰器。
如下所示,DelayFunc 是一个实现了 __call__
的类,delay 返回一个偏函数,在这里 delay 就可以做为一个装饰器。(以下代码摘自 Python工匠:使用装饰器的小技巧)
import time import functools class DelayFunc: def __init__(self, duration, func): self.duration = duration self.func = func def __call__(self, *args, **kwargs): print(f'Wait for {self.duration} seconds...') time.sleep(self.duration) return self.func(*args, **kwargs) def eager_call(self, *args, **kwargs): print('Call without delay') return self.func(*args, **kwargs) def delay(duration): """ 装饰器:推迟某个函数的执行。 同时提供 .eager_call 方法立即执行 """ # 此处为了避免定义额外函数, # 直接使用 functools.partial 帮助构造 DelayFunc 实例 return functools.partial(DelayFunc, duration)
我们的业务函数很简单,就是相加
@delay(duration=2) def add(a, b): return a+b
来看一下执行过程
>>> add # 可见 add 变成了 Delay 的实例 <__main__.DelayFunc object at 0x107bd0be0> >>> >>> add(3,5) # 直接调用实例,进入 __call__ Wait for 2 seconds... 8 >>> >>> add.func # 实现实例方法 <function add at 0x107bef1e0>
08. 如何写能装饰类的装饰器?
用 Python 写单例模式的时候,常用的有三种写法。其中一种,是用装饰器来实现的。
以下便是我自己写的装饰器版的单例写法。
instances = {} def singleton(cls): def get_instance(*args, **kw): cls_name = cls.__name__ print('===== 1 ====') if not cls_name in instances: print('===== 2 ====') instance = cls(*args, **kw) instances[cls_name] = instance return instances[cls_name] return get_instance @singleton class User: _instance = None def __init__(self, name): print('===== 3 ====') self.name = name
可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上,并不是很常见,但只要熟悉装饰器的实现过程,就不难以实现对类的装饰。在上面这个例子中,装饰器就只是实现对类实例的生成的控制而已。
其实例化的过程,你可以参考我这里的调试过程,加以理解。
09. wraps 装饰器有啥用?
在 functools 标准库中有提供一个 wraps 装饰器,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
那如何避免这种情况的产生?方法是使用 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
准确点说,wraps 其实是一个偏函数对象(partial),源码如下
def wraps(wrapped, assigned = WRAPPER_ASSIGNMENTS, updated = WRAPPER_UPDATES): return partial(update_wrapper, wrapped=wrapped, assigned=assigned, updated=updated)
可以看到wraps其实就是调用了一个函数 update_wrapper
,知道原理后,我们改写上面的代码,在不使用 wraps的情况下,也可以让 wrapped.__name__
打印出 wrapped,代码如下:
from functools import update_wrapper WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__', '__annotations__') def wrapper(func): def inner_function(): pass update_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS) return inner_function @wrapper def wrapped(): pass print(wrapped.__name__)
10. 内置装饰器:property
以上,我们介绍的都是自定义的装饰器。
其实Python语言本身也有一些装饰器。比如 property
这个内建装饰器,我们再熟悉不过了。
它通常存在于类中,可以将一个函数定义成一个属性,属性的值就是该函数return的内容。
通常我们给实例绑定属性是这样的
class Student(object): def __init__(self, name, age=None): self.name = name self.age = age # 实例化 xiaoming = Student("小明") # 添加属性 xiaoming.age=25 # 查询属性 xiaoming.age # 删除属性 del xiaoming.age
但是稍有经验的开发人员,一下就可以看出,这样直接把属性暴露出去,虽然写起来很简单,但是并不能对属性的值做合法性限制。为了实现这个功能,我们可以这样写。
class Student(object): def __init__(self, name): self.name = name self.name = None def set_age(self, age): if not isinstance(age, int): raise ValueError('输入不合法:年龄必须为数值!') if not 0 < age < 100: raise ValueError('输入不合法:年龄范围必须0-100') self._age=age def get_age(self): return self._age def del_age(self): self._age = None xiaoming = Student("小明") # 添加属性 xiaoming.set_age(25) # 查询属性 xiaoming.get_age() # 删除属性 xiaoming.del_age()
上面的代码设计虽然可以变量的定义,但是可以发现不管是获取还是赋值(通过函数)都和我们平时见到的不一样。
按照我们思维习惯应该是这样的。
# 赋值 xiaoming.age = 25 # 获取 xiaoming.age
那么这样的方式我们如何实现呢。请看下面的代码。
class Student(object): def __init__(self, name): self.name = name self.name = None @property def age(self): return self._age @age.setter def age(self, value): if not isinstance(value, int): raise ValueError('输入不合法:年龄必须为数值!') if not 0 < value < 100: raise ValueError('输入不合法:年龄范围必须0-100') self._age=value @age.deleter def age(self): del self._age xiaoming = Student("小明") # 设置属性 xiaoming.age = 25 # 查询属性 xiaoming.age # 删除属性 del xiaoming.age
用 @property
装饰过的函数,会将一个函数定义成一个属性,属性的值就是该函数return的内容。同时,会将这个函数变成另外一个装饰器。就像后面我们使用的 @age.setter
和 @age.deleter
。
@age.setter
使得我们可以使用 XiaoMing.age = 25
这样的方式直接赋值。
@age.deleter
使得我们可以使用 del XiaoMing.age
这样的方式来删除属性。
property 的底层实现机制是「描述符」,为此我还写过一篇文章。
这里也介绍一下吧,正好将这些看似零散的文章全部串起来。
如下,我写了一个类,里面使用了 property 将 math 变成了类实例的属性
class Student: def __init__(self, name): self.name = name @property def math(self): return self._math @math.setter def math(self, value): if 0 <= value <= 100: self._math = value else: raise ValueError("Valid value must be in [0, 100]")
为什么说 property 底层是基于描述符协议的呢?通过 PyCharm 点击进入 property 的源码,很可惜,只是一份类似文档一样的伪源码,并没有其具体的实现逻辑。
不过,从这份伪源码的魔法函数结构组成,可以大体知道其实现逻辑。
这里我自己通过模仿其函数结构,结合「描述符协议」来自己实现类 property
特性。
代码如下:
class TestProperty(object): def __init__(self, fget=None, fset=None, fdel=None, doc=None): self.fget = fget self.fset = fset self.fdel = fdel self.__doc__ = doc def __get__(self, obj, objtype=None): print("in __get__") if obj is None: return self if self.fget is None: raise AttributeError return self.fget(obj) def __set__(self, obj, value): print("in __set__") if self.fset is None: raise AttributeError self.fset(obj, value) def __delete__(self, obj): print("in __delete__") if self.fdel is None: raise AttributeError self.fdel(obj) def getter(self, fget): print("in getter") return type(self)(fget, self.fset, self.fdel, self.__doc__) def setter(self, fset): print("in setter") return type(self)(self.fget, fset, self.fdel, self.__doc__) def deleter(self, fdel): print("in deleter") return type(self)(self.fget, self.fset, fdel, self.__doc__)
然后 Student 类,我们也相应改成如下
class Student: def __init__(self, name): self.name = name # 其实只有这里改变 @TestProperty def math(self): return self._math @math.setter def math(self, value): if 0 <= value <= 100: self._math = value else: raise ValueError("Valid value must be in [0, 100]")
为了尽量让你少产生一点疑惑,我这里做两点说明:
-
使用
TestProperty
装饰后,math
不再是一个函数,而是TestProperty
类的一个实例。所以第二个math函数可以使用math.setter
来装饰,本质是调用TestProperty.setter
来产生一个新的TestProperty
实例赋值给第二个math
。 -
第一个
math
和第二个math
是两个不同TestProperty
实例。但他们都属于同一个描述符类(TestProperty),当对 math 对于赋值时,就会进入TestProperty.__set__
,当对math 进行取值里,就会进入TestProperty.__get__
。仔细一看,其实最终访问的还是Student实例的_math
属性。
说了这么多,还是运行一下,更加直观一点。
# 运行后,会直接打印这一行,这是在实例化 TestProperty 并赋值给第二个math in setter >>> >>> s1.math = 90 in __set__ >>> s1.math in __get__ 90
如对上面代码的运行原理,有疑问的同学,请务必结合上面两点说明加以理解,那两点相当关键。
11. 其他装饰器:装饰器实战
读完并理解了上面的内容,你可以说是Python高手了。别怀疑,自信点,因为很多人都不知道装饰器有这么多用法呢。
在我看来,使用装饰器,可以达到如下目的:
-
使代码可读性更高,逼格更高;
-
代码结构更加清晰,代码冗余度更低;
刚好我在最近也有一个场景,可以用装饰器很好的实现,暂且放上来看看。
这是一个实现控制函数运行超时的装饰器。如果超时,则会抛出超时异常。
有兴趣的可以看看。
import signal class TimeoutException(Exception): def __init__(self, error='Timeout waiting for response from Cloud'): Exception.__init__(self, error) def timeout_limit(timeout_time): def wraps(func): def handler(signum, frame): raise TimeoutException() def deco(*args, **kwargs): signal.signal(signal.SIGALRM, handler) signal.alarm(timeout_time) func(*args, **kwargs) signal.alarm(0) return deco return wraps
以上,便是我对装饰器的所有分享。