如何理解python的装饰器

先来个形象比方
内裤可以用来遮羞，但是到了冬天它没法为我们防风御寒，聪明的人们发明了长裤，有了长裤后宝宝再也
不冷了，装饰器就像我们这里说的长裤，在不影响内裤作用的前提下，给我们的身子提供了保暖的功效。
再回到我们的主题
装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装
饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处
理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与
函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功
能。
先来看一个简单例子：

def foo():
 print('i am foo')

现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码：

def foo():
 print('i am foo')
 logging.info("foo is running")

bar()、bar2()也有类似的需求，怎么做？再写一个logging在bar函数里？这样就造成大量雷同的代码，为
了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志 ，日志处理完之后再执行真正的
业务代码

def use_logging(func):
 logging.warn("%s is running" % func.__name__)
 func()
def bar():
 print('i am bar')
use_logging(bar)

逻辑上不难理解， 但是这样的话，我们每次都要将一个函数作为参数传递给use_logging函数。而且这种
方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成
use_logging(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

使用装饰器

假设decorator是定义好的装饰器。
方法一：不用语法糖@符号

#装饰器不传入参数时
f = decorator(函数名)
#装饰器传入参数时
f = (decorator(参数))(函数名)

方法二：采用语法糖@符号

#已定义的装饰器
@decorator 
def f(): 
 pass
#执行被装饰过的函数
f(）

简单装饰器

def use_logging(func):
 def wrapper(*args, **kwargs):
 	logging.warn("%s is running" % func.__name__)
 	return func(*args, **kwargs)
 return wrapper
def bar():
 print('i am bar')
bar = use_logging(bar)
bar()

函数use_logging就是装饰器，它把执行真正业务方法的func包裹在函数里面，看起来像bar被
use_logging装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被
称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

def use_logging(func):
 def wrapper(*args, **kwargs):
 	logging.warn("%s is running" % func.__name__)
 	return func(*args)
 return wrapper
@use_logging
def foo():
 print("i am foo")
@use_logging
def bar():
 print("i am bar")
bar()

如上所示，这样我们就可以省去bar = use_logging(bar)这一句了，直接调用bar()即可得到想要的结果。
如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封
装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，
可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

带参数的装饰器

装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@use_logging，该装饰
器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如
@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

def use_logging(level):
 def decorator(func):
 	def wrapper(*args, **kwargs):
 		if level == "warn":
 			logging.warn("%s is running" % func.__name__)
 		return func(*args)
 	return wrapper
 return decorator
@use_logging(level="warn")
def foo(name='foo'):
 print("i am %s" % name)
foo()

上面的use_logging是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰
器。我们可以将它理解为一个含有参数的闭包。当我 们使用@use_logging(level=“warn”)调用的时候，
Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

类装饰器

再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还
可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

class Foo(object):
 def __init__(self, func):
 self._func = func
def __call__(self):
 print ('class decorator runing')
 self._func()
 print ('class decorator ending')
@Foo
def bar():
 print ('bar')
bar()

functools.wraps

使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、
name、参数列表，先看例子：
装饰器

def logged(func):
 def with_logging(*args, **kwargs):
 	print func.__name__ + " was called"
 	return func(*args, **kwargs)
 return with_logging

函数

@logged
def f(x):
	"""does some math"""
	return x + x * x

该函数完成等价于：

def f(x):
	"""does some math"""
	return x + x * x
f = logged(f)

不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的
信息了。

print f.__name__ # prints 'with_logging'
print f.__doc__ # prints None

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信
息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wraps
def logged(func):
	@wraps(func)
	def with_logging(*args, **kwargs):
		print func.__name__ + " was called"
		return func(*args, **kwargs)
	return with_logging
@logged
def f(x):
	"""does some math"""
	return x + x * x
print f.__name__ # prints 'f'
print f.__doc__ # prints 'does some math'

内置装饰器

@staticmathod、@classmethod、@property

装饰器的顺序

@a
@b
@c
def f ():

等效于

f = a(b(c(f))