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!')