浅谈python中@装饰器

本文链接：https://blog.csdn.net/ptyp222/article/details/103703802

文章目录

浅谈python中@装饰器

提到@的使用首先要先讲一下装饰器的概念

关于装饰器（decorator）

先来看看官方文档上面是怎么写的：

A decorator is the name used for a software design pattern. Decorators
dynamically alter the functionality of a function, method, or class
without having to directly use subclasses or change the source code of
the function being decorated.
“装饰器是用于软件设计模式的名称。装饰器可以动态更改功能，方法或类的功能，而不必直接使用子类或更改要修饰的功能的源代码。”（源自谷歌翻译）

而在python中装饰器是对python语法的特定更改，能更方便的修改函数和方法。通俗的说，装饰器相当于在不修改原有函数的基础上在其上增加别的功能。比如说我想每次使用函数的时候都打印一条日志作为标记，但是我又不想直接修改函数，这时装饰器就有用啦。装饰顾名思义是锦上添花的意思，在这个例子里“花”就是日志喽，大概是这样。

def triple_sum(a,b,c):
    print( "the sum is ",(a+b+c))
    
#log修饰器
def log_dec(func):
    def inner(a,b,c):
        print("logloglog")
        return func(a,b,c)
    return inner

new_fun=log_dec(triple_sum)
new_fun(1,2,3)

输出为

这里还有个隐含的前置知识点，在python里，函数可以作为变量进行传递。

def triple_sum(a, b, c):
    print( "the sum is ",(a+b+c))

new_func = triple_sum
new_func(123, 234, 345)
print(new_func.__name__)

在这里插入图片描述

除了函数之外，类也可以作为装饰器进行包装

class Cube(object):
    def __init__(self, args):
        self.args = args

    def __call__(self, x, y):
        res = self.args(x, y)
        return res * res * res
# 这里Cube作为一个三次方的包装器，包装了一个普通的乘法函数
# 这里的乘法函数我用一个lambda表达式来略缩了
mul_nums = Cube(lambda x, y: x * y)
# 不使用lambda函数的话就是
#def mul_nums(x, y):
#    return x * y
#mul_nums = Cube(mul_nums)

print(mul_nums)
print(mul_nums(4, 3))

小总结

所以装饰器是什么，其实只是给当前的模块增加的新功能。装饰器可以是类，也可以是函数。它不会改变原来的函数本身，符合设计方法的开闭原则。

关于@（语法糖）

@ 实际上是python的语法糖，使用@对上面的两个例子进行改造
示例1：

def log_dec(func):
    print("logloglog")
    func(1,2,3)

@log_dec
def triple_sum(a,b,c):
    print( "the sum is ",(a+b+c))

结果输出为：
在这里插入图片描述
公式化一下@这个语法糖就是

@装饰器名替代掉了装饰器名(被装饰的函数)

即 triple_sum = log_dec(triple_sum)

示例2

@Cube
def mul_nums(x, y):
    return x * y

同理，@Cube替掉了mul_nums = Cube(mul_nums)

进阶

装饰器顺序

需要注意的是，想在已有函数上加的功能，需要在@之前声明（代码块的先后顺序）。同时，一个函数可以同时加几个装饰器。

从最下面的一个@函数开始运行，其下的函数作为他的输入。用print会看的更清楚一点

def log1(func):
    print("log1log1log1")

def log2(func):
    print("log2log2log2")
    func(1, 2, 3)

@log1
@log2
def triple_sum(a, b, c):
    print("the sum is ", (a + b + c))

输出为：
在这里插入图片描述
实际的运行相当于
triple_sum = log2(triple_sum)
triple_sum = log1(triple_sum)

装饰器 & 参数

1. 传参

可能有些盲生看到这里已经发现了华点，咋给triple_sum传参啊！（上面例子里面的值全都是写死的）这里我们就要对装饰器进行改造了。

在改造之前，需要知道一个前置知识，python中可以进行函数的嵌套，如

def func1():
    print("I'm in func1")
    def func2(msg):
        print("I'm in func2")
        print("I'm saying ",msg)
    func2("hello")

func1()

在这里插入图片描述
清楚了函数嵌套，再来看怎么改造装饰器参数

def log1(func):
    def wrapper(*args):
        print("logloglog")
        func(*args)
    return wrapper

@log1
def triple_sum(a, b, c):
    print("the sum is ", (a + b + c))

triple_sum(100,200,300)

在这里插入图片描述
使用函数嵌套就完成了装饰器的传参

2. 带参装饰器

此外，装饰器本身也可以携带参数。依然使用函数嵌套，再来一层。

def log_with_args(arg1,arg2):
    def log1(func):
        def wrapper(*args):
            print("logloglog")
            func(*args)
            print("arg1 is ",arg1,", args2 is ", arg2)
        return wrapper
    return log1

@log_with_args("hello","world")
def triple_sum(a, b, c):
    print("the sum is ", (a + b + c))

triple_sum(111,222,333)