python 闭包和装饰器详解_Python 函数（类）的装饰器与闭包

装饰器是在函数调用上的修饰。这些修饰仅是当声明一个函数或者方法的时候，才会应用的额外调用。

装饰器的语法看起来像是这个样子：

def decorator(func2bedecorated):#定义装饰器

```

return wrappedFunc

@decorator([dec_opt_args])#使用装饰器

def func2bedecorated([func_opt_args]):#定义被装饰的函数

```

```

首先需要定义装饰器（或者你也可以用内建的装饰器），其实装饰器就是一个函数，它接受其他函数为参数并返回一个装饰过的函数（或其他对象）。

是的，装饰器在使用的时候后面没有冒号，因此下面的语句也就不需要缩进。

从定义装饰器的语句可以看到，它是有返回值的。他把自定义的wrappedFunc 返回给了 func2bedecorated，也就是被装饰的函数自身，即，原函数被覆盖了。对应到数学概念上，使用装饰器来定义函数就像是写一个复合函数，就像 g(f(x)) 这样，g(x)是装饰器

因此看起来似乎正确的装饰器函数调用方法应该是这样：

func2bedecorated = decorator(func2bedecorated)

或者至少也应该是这样：

decorator(func2bedecorated)

实际上面两种方法都可行。从某种意义上说，装饰器的语法就是一个语法糖。还记得前面介绍过的如何定义类的静态方法么：

class C:

def __init__(self):

pass

def foo():

print("calling static method foo().")

foo = staticmethod(foo)

这里的staticmethod()其实就是一个内建的装饰器函数。因此上面的示例代码也可以使用装饰器的标准语法写成：

class C:

def __init__(self):

pass

@staticmethod

def foo():

print("calling static method foo().")

这种语法看起来要漂亮得多。

好了，那么装饰器一般都用在什么地方呢？（除了上面提到的静态方法、或者静态属性）

于是最后给出一个时间戳的例子，因为偶尔会有给函数做性能测试的需求，如果给每个函数都手动添加 time.ctime() 的话，就太不科学了。这时候使用一个时间戳装饰器是个不错的做法：

from time import ctime,sleep

def tsfunc(func):

def wrappedFunc():

print('[%s] %s() called'%(ctime(),func.__name__))

func()

print('[%s] %s() ended'%(ctime(),func.__name__))

return wrappedFunc

@tsfunc

def foo():

sleep(1)

foo()

这里我们首先定义了一个名为 tsfunc 的时间戳装饰器。可以看到它对传入的 func 都做了什么：

在装饰器内定义出新的函数名为 wrappedFunc() ，好待会把它返回出去

wrappedFunc 的实际内容仅为：先打印出一行程序启动的时间戳，随后调用 func() , 最后再打印出一行程序结束的时间戳

要做测试的演示函数 foo() 的内容仅是 sleep 一秒钟，可以看到下面的运行结果正如期望：

[Sat Nov 23 20:33:34 2013] foo() called

[Sat Nov 23 20:33:35 2013] foo() ended

>>>

在Python3 中，类也有装饰器了，用法与函数相同（即可以给装饰器函数传入一个class作为参数）。另外地，上面提到过一句，装饰器返回的可以不是一个函数。这一点会在之后的“描述符”（descriptor）中讲到。

然后，很多地方会提到，装饰器分为有参数和无参数两种。这种说法容易造成混淆，让人误以为他们之间只是带不带参数的区别。而实际上有无参数的装饰器在结构和功能上都是不同的。或者直白些讲：带参数的装饰器其实是一个返回另一个装饰器的 deco_maker，不带参数的装饰器才是真正的 real_deco。用伪代码可以表示为：

def real_deco(func_2b_decorated):

def wrapped(func_2b_decorated):

...

...

return wrapped

def deco_maker(deco_args):

def real_deco(func_2b_decorated):

...

...

return real_deco

即带参数的装饰器返回的其实是一个真正(不带参数)的装饰器。前面说过，装饰器就是一个函数，一个接受函数做参数并返回一个新函数的函数，所以装饰器也可以用来返回另一个装饰器就不难理解了。@deco 的语法仅是一种语法糖，它和社交网站的 @somebody 没有啥区别，表示通知 deco 来干活了。所以你看到 @deco 这语法里仅是 @ 了一下函数名；但带参数的情况就不同了，带参数的装饰器用起来是这样子的：

@deco_maker(deco_args)

def func_2b_decorated():

...

...

这里 @ 的对象明显已经不是一个函数名了，而是一个函数调用。所以这里真正被叫来干活（装饰 func_2b_decorated）的家伙其实是将要被 deco_maker 返回的那个 real_deco。

这就是带参数的装饰器的作用，他可以通过参数的设定来返回不同的装饰器，这比直接调用不同的装饰器看起来优雅一些。下面贴出一个带参数装饰器的示例，并引出闭包的话题：

from time import time

def logged(when):

def log(f,*args,**kargs):

print('''Called:

function:%s

args:%r

kargs:%r'''%(f,args,kargs))

def pre_logged(f):

def wrapper(*args,**kargs):

log(f,*args,**kargs)

return f(*args,**kargs)

return wrapper

def post_logged(f):

def wrapper(*args,**kargs):

now = time()

try:

return f(*args,**kargs)

finally:

log(f,*args,**kargs)

print('time delta:%s'%(time()-now))

return wrapper

try:

return {'pre':pre_logged,'post':post_logged}[when]

except KeyError as e:

raise ValueError(e,'must be "pre" or "post"')

下面是运行示例：

>>> @logged('post')

def hello(name):

print("Hello,",name)

>>> hello('Worlds!')

Hello, Worlds!

Called:

function:

args:('Worlds!',)

kargs:{}

time delta:0.034002065658569336

本装饰器提供的功能为给函数加 log，而且分为“先输出 log，后调用函数”和“先调用函数，后输出 log”两种方式。log 的内容包含：函数名、非关键字参数、关键字参数的信息。并且如果是 post_log 的方式，还可以打印出函数执行花费的时间。和上面的时间戳功能类似。

这里在使用装饰器的时候，就给“@logged('post')”传了一个“post”参数，用来选定要返回的 real_deco。同时，返回的也是一个闭包。因为 Python 支持静态嵌套域，所以可以从函数内部访问外部作用域的变量。假如在一个外部函数中嵌套了一个内部函数，并且这个内部函数又引用了外部函数作用域里的变量，那么这个内部函数连带外部作用域一起，就叫做闭包。所以说到底闭包仍然是一个函数，但他比一般函数高级之处就是带了多余的自由变量（被引用的外部作用域（非全局）的变量就叫做自由变量）。这使得这个函数在调用的时候能记忆状态了，因为自由变量没有位于内部函数里，所以即使内部函数调用完毕，这个变量也不会被释放。这看起来就像类的属性一样，实际用起来也像类的属性一样。因为 Python 并非专业的函数式编程语言，所以除非有额外要求必须返回一个带自己作用域的回调函数，一般还是建议使用类实现。上面的装饰器就是一个有额外要求的例子。因为我们是要包装函数的，所以也要返回一个函数。返回的装饰器携带了 log() 函数，所以这个装饰器也就是一个闭包。

如果上面这个例子不明显的话，一般用来做闭包举例的是下面这样的计数程序：

def counter(start_at=0):

count = [start_at]

def incr():

count[0] += 1

return count[0]

return incr

运行结果如下

>>> a = counter()

>>> b = counter(100)

>>> a()

1

>>> a()

2

>>> b()

101

>>> b()

102

>>> a()

3

a 和 b 两个函数对象分别携带了自己的自由变量 count，并可以通过这个变量来计数，这里用函数实现了平时要用一个类来实现的功能，并且对象还是可调用的。不过这里需要注意的是，如你所见在 counter() 函数里使用的是一个列表，既然只使用一个值（count[0]）,干吗不用整数呢？这是因为如果把 count[0] 换成整数 count 的话，会报下面的错：

UnboundLocalError: local variable 'count' referenced before assignment

因为内部作用域会覆盖外部作用域。所以当你在内部作用域运行 count += 1，这条语句的时候，解释器会直接认定你在声明本地变量 count 并试图给它赋值。实际上解释器运行 incr() 这个函数时做的第一件事就是把 count 标记为本地变量，因为他看到了这个名字后面有一个赋值符号。而接下来又因为 count 还没有赋值，就被等号后面引用了，这才引发了那个异常。也就是说解释器根本没想着去外部作用域寻找 count 变量。但 count[0] 就不同了，这时的 count 是一个可变类型，解释器会试图寻找 count 并赋值，而不是直接声明本地变量。也许这种状况会让人产生“为什么 Python 不把变量声明和赋值分开呢，那样就不会出错了”的抱怨，但实际上这种动态设定带来的好处远比麻烦多，而且也不是没有方法来解决上面这个问题。（虽然这个方法是从 Python3 开始添加的）

这个解决方法就是 nonlocal 关键字，它的作用与 global 极其相似，区别仅在于作用域不同。Python2.1 以前函数只能访问自己的作用域或者全局作用域，那样有 global 就够用了，现在因为有了闭包，就需要一种声明变量既不是本地，又不是全局的方法，这就是 nonlocal。所以配合 nonlocal，就可以使用整数来实现上面的计数器了：

def counter(start_at=0):

count = start_at

def incr():

nonlocal count

count += 1

return count

return incr

运行：

>>> a = counter()

>>> a()

1

>>> a()

2

最后要说的是，闭包的功能是可以被类取代的。只要定义了 __call__(self) 方法，这个类的实例就是可调用的，再带上实例本身的属性，就可以当闭包用。