Python装饰器的10个应用场景

最新推荐文章于 2024-09-03 08:30:24 发布

程序媛阿紫

最新推荐文章于 2024-09-03 08:30:24 发布

阅读量717

点赞数 9

文章标签： python spring 开发语言

本文链接：https://blog.csdn.net/dsuiofh/article/details/137770654

版权

本文详细介绍了Python装饰器的概念、工作原理以及在日志记录、性能测试、数据缓存、输入验证等多个场景的应用实例。通过学习，读者可以理解如何利用装饰器提高代码的效率和可维护性。

摘要由CSDN通过智能技术生成

装饰器本质上是一个函数，它接受一个函数作为参数并返回一个新函数。通过使用@符号，我们可以将装饰器应用于任何函数。

def my_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()

在上面的例子中，my_decorator是一个装饰器，它在say_hello函数执行前后添加了额外的打印语句。

应用场景

1. 日志记录

装饰器可以用来记录函数的调用细节，这在调试和监控应用时非常有用。

def log_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"{func.__name__} was called")
        return func(*args, **kwargs)
    return wrapper

@log_decorator
def add(x, y):
    return x + y

2. 性能测试

使用装饰器来测量函数执行时间，对于性能分析非常有用。

import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time} seconds")
        return result
    return wrapper

3. 数据缓存

装饰器可以用于缓存函数的结果，避免重复计算。

from functools import lru_cache

@lru_cache(maxsize=100)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

4. 输入验证

确保函数接收有效输入。

def validate_decorator(func):
    def wrapper(x, y):
        if isinstance(x, int) and isinstance(y, int):
            return func(x, y)
        else:
            raise ValueError("Input must be integers")
    return wrapper

@validate_decorator
def multiply(x, y):
    return x * y

5. 授权与身份验证

检查用户是否有执行函数的权限。

def auth_decorator(func):
    def wrapper(*args, **kwargs):
        if user_is_authenticated():
            return func(*args, **kwargs)
        else:
            raise PermissionError("You do not have permission to execute this function")
    return wrapper

6. 参数修改

修改函数的输入参数。

def modify_args_decorator(func):
    def wrapper(*args, **kwargs):
        new_args = [arg * 2 for arg in args]
        return func(*new_args, **kwargs)
    return wrapper

7. 错误处理

捕获函数中的异常并进行处理。

def error_handling_decorator(func):
    def wrapper(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except Exception as e:
            print(f"Error occurred: {e}")
    return wrapper

8. 单例模式

确保类的实例只创建一次。

def singleton(cls):
    instances = {}
    def wrapper(*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    return wrapper

@singleton
class Database:
    pass

9. 事件监听

在特定事件发生时执行额外的操作。

def event_listener(event):
    def decorator(func):
        def wrapper(*args, **

kwargs):
            if event_happened(event):
                return func(*args, **kwargs)
        return wrapper
    return decorator

10. 异步编程

使函数能够异步执行。

import asyncio

async def async_decorator(func):
    async def wrapper(*args, **kwargs):
        await asyncio.sleep(1)
        return await func(*args, **kwargs)
    return wrapper

@async_decorator
async def fetch_data():
    pass