python常用的装饰器库_Python 标准库中的装饰器

题目描述

1、简单举例 Python 标准库中的装饰器

2、说说你用过的 Python 标准库中的装饰器

1. 首先，我们比较熟悉，也是比较常用的 Python 标准库提供的装饰器有：property，classmethod，staticmethod，functools.wraps四个。这四个的可考点比较多，这里将分别说明：

首先先来说明 functools.wraps，这个我们在之前翻译装饰器时已经谈到过。这里我们同样用代码来说明吧。

# 比如一个简单的用来统计代码运行时长的装饰器

import time

def method_spend(func):

def inner(*args, **kwargs):

start = time.time()

result = func(*args, **kwargs)

end = time.time()

print('[%0.8fs] %s --> %s' % ((end-start), func.__name__, result))

return result

return inner

@method_spend

def test():

print("Hello World")

test()

# outputs:

# Hello World

# [0.00001907s] test --> None

test = test

print(test.__name__)  # inner

从代码可以看出，经过装饰之后，被装饰函数的 name__ 属性被修改了，变成了装饰后的函数。(实际上 __doc 属性也一样被修改了)。而functools.wraps 的作用就是保存被装饰函数的属性。

引用《流畅的Python》中的话

functools.wraps 的作用是协助构建行为良好的装饰器。

使用示例：

import time

import functools

def method_spend(func):

@functools.wraps(func)  #  使用 functools.wraps

def inner(*args, **kwargs):

start = time.time()

result = func(*args, **kwargs)

end = time.time()

print('[%0.8fs] %s --> %s' % ((end-start), func.__name__, result))

return result

return inner

@method_spend

def test():

print("Hello World")

test()

# outputs:

# Hello World

# [0.00001907s] test --> None

test = test

print(test.__name__)  # test

接着我们来谈谈 staticmethod 和 classmethod。这个相对考得比较少，但也需要知道。classmethod 可类比于 JAVA 中的类方法，它第一个参数必须是类对象，而不是类的实例对象。而 staticmethod 作用与 classmethod 类似，可不能过实例对象来调用，但它不强制参数，可以是任何参数。

最后，来简单说下 property 。property 比较重要，后面会再开专题介绍。这里只简单说明它的作用，那就是实现类似 JAVA 中的私有变量的封装，并提供一个获取方法，类似于getXxx 和 setXXX 方法。用代码说话：

# 实现一个简单的 人 类，然后对年龄进行私有化

class Person(object):

@property

def age(self):

return self._age

# 这样的好处是，可以自定义赋值的逻辑，比如对数据进行某种验证

@age.setter  # 这里 age 与 @property 包装的函数名一致

def age(self, value):

if value > 18:  # 永远18

value = 18

self._age = value

p = Person()

p.age = 18  # 实际上调用的是 p.set_age(60)

print(p.age)  # 实际上调用的是 p.get_age()

2. functools.lru_cache 装饰器。从字面来理解，lru 为 "Least Recently Used"即最近最少使用，cache，不用说，缓存的意思。所以我们就大致知道这个装饰器的作用了，就是缓存部分数据，如果缓存的数据超过限制，就通过 最近最少使用 的规则来淘汰数据。来看一个简单的例子：

# 一个简单的缓存用户的示例

import functools

@functools.lru_cache()

def get_user_info(user_id):

# 根据用户 id 从数据库获取用户信息，这里简单的输出 id

print("finding by %s" % user_id)

return user_id

print(get_user_info(1))  # outputs: finding by 1 1

print(get_user_info(1))  # outputs: 1 (可以发现直接拿到了结果)

print(get_user_info(1.0))  # outputs: 1 (可以发现这里没有区分浮点数与整数)

print(get_user_info(2))  # outputs: funding by 2 2

这里需要注意的是， lru_cache 有两个可选的参数配置：

functools.lru_cache(maxsize=128, typed=False)

其中，maxsize 指定可以缓存多少个结果，缓存满了之后，旧的结果被丢弃。一般建议 maxsize 的值是 2 的幂。typed 参数如果设置为 True，会区分不同类型的结果。比如会将 1 和 1.0 区分开。

3. functools.singledispatch 装饰器。这个也比较好理解，它的作用是用来将if…elif..elif…else 这样的代码进行模块化。有点类似于 JAVA 中重载的意味，但又不全是。它是在 Python 3.4 中新增的。我们来看一个简单的例子：

# 一个简单的根据不同类型的数据来进行不同的展示

import functools

@functools.singledispatch

def my_print(obj):

print("%s -> %s" % (obj, type(obj)))

@my_print.register(str)  # 如果是字符串类型，相当于 if isinstance(str_msg, str)

def _(str_msg):

print("我是str")

print("%s -> %s" % (str_msg, type(str_msg)))

@my_print.register(int)  # 如果是字符串类型，相当于 if isinstance(int_msg, int)

def _(int_msg):

print("我是int")

print("%s -> %s" % (int_msg, type(int_msg)))

my_print("haha")  # outputs: 我是str haha -> 

my_print(1)  # outputs: 我是int 1 -> 

my_print([1]) # outputs: [1] ->