浅聊python函数装饰器和闭包

1. 直观认识一下装饰器

装饰器是可以调用的对象，其参数是另一个函数(被修饰的函数)，被修饰的函数进入装饰器以后有两种处理方式; 1) 被处理，单纯解释一下就是可能在原函数的基础上加上另外的操作，然后返回；2）被替换为另一个函数或者可调用的对象

下面看看看一个修饰器的直观印象

@decorate
def target():
	print("running target()")

def target():
	print("running target()")
target = decorate(target)#表示target函数作为参数传给修饰器

上述例子就是修饰器的最用，上述例子执行完毕得到的tatget函数不一定是原来的target函数了，而是被decorate修饰以后的函数；具体需要看修饰函数的具体行为是怎样的；

2.修饰函数的特点：

1. 在加载模块的时候立即执行
2. 能把被修饰的函数替换成其他函数

能把被修饰的函数替换成其他函数
例子如下:

# 自定义的修饰器,该修饰器的作用就是将原始被修饰的函数的函数名替换为inner
def deco(func):
	def inner():
		print("running inner()")
	return inner
	
@deco
def target():
	print("running target()")

>> target()
output: running inner()
target()->inner()->"rinning inner()"

在加载模块的时候立即执行

def deco(fun):
    def f2():
        print("222")
    return f2

@deco
def f1():
    print("123")
    
def f3():
    print("333")
    
def main():
    print("start")
    print(deco)
    f3()
    
if __name__=='__main__':
    main()

start
<function deco at 0x000002DD3BB32820>
333

清晰可见，这里的调用main函数以后应该是先输出"start"，但是这里很明显是直接西安调用了修饰器函数echo，所以装饰器函数在加载模块的时候会立即执行；

正是因为装饰器在导入的时候就执行，所以python程序就有了导入时和运行时的区别；函数装饰器在导入模块的时候立即执行，而被修饰的函数只有在明确调用的时候才运行

3. 变量的作用域规则

先来说说为为什么提到作用域

b = 6
def f(a):
	print(a)
	print(b)
	b = 4
f(3)

这段代码在运行的时候会报错，原因是python在编译函数的时候，把b当作了局部变量，因为在使用b的时候还没有给他赋值(语句b=4在print(b)后)；所以就造成了错误

local variable 'b' referenced before assignment

4.闭包与nonlocal

紧接第三部分，闭包是延伸了作用域的函数，包含了函数定义体中的应用，但是不在定义体中定义的非全局变量；例子如下:

def make_averager():
	series = []
	def averager(new_value):
		series.append(new_value)
		total = sum(series)
		return total/len(series)
	return averager

avg = make_averager()
>>avg(10)
>>10.0
avg(11)
>> 10.5
avg(12)
11.0

其中列表series就是没有在闭包函数体中定义但是在其函数引用的变量，注意在闭包函数体内，使用append函数其实是对变量series进行了修改的
在python中列表是可以被修改的，

闭包函数体示意图;

这里的自由变量的变量类型是可变的,但是如果自由变量是不可变得类型,比如数字、字符串和元组来说，只能读取不能更新；见下面得例子

def make_averager():
	count = 0
	total = 0
	def averager(new_value):
		count+=1
		total += new_value
		return total/count
	return averager

这个例子就会出错，因为自由变量count和total作为不可变类型，在闭包函数中不能更新；所以就引入一个关键字nonlocal，作用就是把变量标记为自由变量

def make_averager():
	count = 0
	total = 0
	def averager(new_value):
		nonlocal count，total
		count+=1
		total += new_value
		return total/count
	return averager