Python入门笔记之装饰器decorator

2019独角兽企业重金招聘Python工程师标准>>>

先来看一段代码：

def f1(x):
    return x*2
def f2(x):
    return x*3
def f3(x):
    return x*4
print f1(1),f2(1),f3(1)

如果我想在每个方法的执行结束前，都输出一下当前方法名，那么该怎么做呢？最直接的方法就是直接修改函数，在返回值前加个输出，代码会变成下面的这个样子：

def f1(x):
    print 'this is f1'
    return x*2
def f2(x):
    print 'this is f2'
    return x*3
def f3(x):
    print 'this is f3'
    return x*4
print f1(1),f2(1),f3(1)

这当然是最直接的方法，那么有没有更简单的方法呢？答案是有的。再来看看一下这段代码：

def new_fn(f):
    def fn(x):
        print 'this is '+f.__name__
        return f(x)
    return fn
f1 = new_fn(f1)
print f1(1)

要是我们通过一个高阶函来返回这个函数，然后再将它赋值给f1，这样我们就改写了f1，并且彻底隐藏原f1了。这种其实就是装饰器的用法。

而在Python中，它有一种@语法，其实就是为了简化装饰器的调用的。那么装饰器有什么作用呢？装饰器可以极大地简化代码，避免每个函数编写重复性代码。当我们再定义一个函数时，如果想用装饰器，我们就可以这样写：

@new_fn
def f4(x):
    return x*5
print f4(1)

这样的代码是不是比刚刚的代码简便了？

此外，decorator也分为带参数和无参数两种情况。无参数时：

import time

def performance(f):
    def fn(*args,**kw):
        t1 = time.time()
        r = f(*args,**kw)
        t2 = time.time()
        print 'call %s() in %fs'%(f.__name__,(t2 - t1))
        return r
    return fn

@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial(10)

这时的@performance是没有带参数的，但是有时候为了拓展性考虑，我们可能也需要它能传入一些参数，这时函数就可以变成下面的样子：

import time

def performance(unit):
    def perf_decorator(f):
        def wrapper(*args,**kw):
            t1 = time.time()
            r = f(*args,**kw)
            t2 = time.time()
            t = (t2 - t1) * 1000 if unit == 'ms' else (t2 - t1)
            print 'call %s() in %f %s' %(f.__name__,t,unit)
            return r
        return wrapper
    return perf_decorator

@performance('ms')
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial(10)

    给@performance加入一个参数，用来判断是返回秒（s）还是返回微秒（ms），这样就可以提高代码的拓展性了。

    最后，其实用装饰器改造的函数时会有不同的，我们再执行一下下面的这段代码：

def f1(x):
    pass
print f1.__name__
#输出值为：f1
def log(f):
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper
@log
def f2(x):
    pass
print f2.__name__
#输出值为：wrapper

由上面的代码可以看出，decorator返回的新函数名字已经变了，变成了log内部定义的wrapper了，这时如果其他地方有依赖着这个函数名的代码的话，就会失效。这时，如果我们想不让调用者看到函数被改造过了，那么久需要将其原有的属性复制到这个新的函数里面去。Python内置的functools就可以帮我们自动化地完成这个“复制”的任务了：

import functools
def log(f):
    @functools.wraps(f)
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper
@log
def f2(x):
    pass
print f2.__name__
#输出值为：f2

以上就是Python装饰器的一些小笔记

P.S.以上代码大部分摘自慕课网。

转载于:https://my.oschina.net/lonelycode/blog/716590