Python学习笔记(6)，装饰器，Decorator

def now():
    print('2020-4-29')

f = now
f() # output: 2020-4-29
print(now.__name__)  # now
print(f.__name__)    # now

output:
2020-4-29
now
now

把now()函数的引用赋给f函数，两函数指向同一块地址。因此他们输出的名字是一样的。

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2020-4-29')
now()

output:
call now():
2020-4-29

@是Python中的装饰符，此处相当于执行了log(now())，从外部看来依然是调用now()，但是已经在原来的函数上包了一层装饰器。装饰模式是OOP设计模式中的一种。Python直接提供语法支持，给力！！
相当于执行了now = log(now()).

查阅资料了解Python中@的用法，@是Python中的装饰符，此处相当于运行log(now())。尽管从外部来看只是调用了now()，但其实暗地里给now()多加了一些操作。

在装饰模式中，可以不断添加新的装饰物，如果再添加一层decorator，例如要自定义log的文本，可以用多层的嵌套，代码如下

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s(): ' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

@log('execute')
def now():
    print('2020-4-29')

now()
print(now.__name__)

output:
execute now():
2020-4-29
wrapper

已经在包装一层decorator，但是输出的函数名却是wrapper。所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。一个完整的decorator写法如下。

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2020-4-29')  # call now() \n 2020-4-29
now()
print(now.__name__)   # output: now

在定义wrapper()的前面加上@functools.wraps(func)即可。

'''请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：'''
import functools
def metric(fn):
    @functools.wraps(fn)
    def wrapper(*args, **kw):
        print('%s executed in %s ms' % (fn.__name__, 10.24))
        return fn(*args, **kw)
    return wrapper

'''Test'''
@metric
def fast(x, y):
    time.sleep(0.0012)
    return x + y;

@metric
def slow(x, y, z):
    time.sleep(0.1234)
    return x * y * z;

f = fast(11, 22)
s = slow(11, 22, 33)
if f != 33:
    print('测试失败!')
elif s != 7986:
    print('测试失败!')