软件开发领域里有一条万古颠覆不破的真理,不要重复自己的工作。掌握了函数,你已经可以稍稍理解这条真理了,但是还不够深刻。
1、测试函数执行时间
开发过程中,有时需要知道函数的执行时间以便来确定哪个函数执行的速度慢,确定以后,方好修改代码提高性能,先看看用普通方法如何实现
示例代码:
#coding=utf-8
import time
def fcun():
t1 = time.time()
#假装这里有业务代码
time.sleep(1.5)
t2 = time.time()
diff = t2 -t1
print "{name}用时{diff}".format(name='func',diff=diff)
fcun()
在函数开始执行业务代码前获得时间t1,业务代码执行结束后,获得t2,输出两个时间的差值。
看起来,这个方法很好,满足了你想要知道函数执行时间的要求,但却有两个致命的问题:
每个函数都需要加这么一段代码
测试结束后,还要把这些代码删掉
2、神奇的装饰器
使用装饰器,既能满足测试要求,又避免上面两个问题,我这里直接给出代码并解读几个概念
#coding=utf-8
import time
#装饰器函数
def timefunc(func):
def newfunc(*args,**kwargs):
t1 = time.time()
lst = func(*args,**kwargs)
t2 = time.time()
diff = t2 - t1
print u'{func}用时{diff}'.format(diff=diff,
func=func.func_name)
return lst
return newfunc
def func():
time.sleep(1.5)
newfunc1 = timefunc(func)
newfunc1()
print newfunc1.func_name
2.1 闭包
注意看函数timefunc,这个函数里的代码引出一个闭包的概念,用最实在朴素的方法来理解它,就是函数A返回函数B,函数B就是闭包。
你也许感到奇怪,函数也能作为返回值么,是的,函数的确可以作为一个函数的返回值,这正是装饰器的基础。
2.2 新的函数
把函数func作为参数传入到timefunc函数中,返回的,是一个新的函数,输出newfunc1.func_name,内容正是newfunc,在函数newfunc里,调用了函数func,此外,还计算了func执行的时间
2.3 @写法
实际使用中,可以像刚才那样用把要装饰的函数传入装饰器函数中,返回一个新的函数,也可以在被装饰的函数上方加一个@timefunc,像这样
@timefunc
def func():
time.sleep(1.5)
func()
print func.func_name
这种写法,使用的代码更少,不需要每次调用函数func时都先使用装饰器函数timefunc。
3、更完美的装饰器
我刚才写的装饰器存在一个小小的问题,func_name是函数的名字,输出func.func_name,其内容是“newfunc”。
虽然这从侧面印证了装饰器返回一个新的函数,但这样一来,func函数的一些信息就丢失了,怎么既能装饰一个函数,又不使得函数的一些基本信息丢失呢?
示例代码:
#coding=utf-8
import time
from functools import wraps
#装饰器函数
def timefunc(func):
@wraps(func)
def newfunc(*args,**kwargs):
t1 = time.time()
lst = func(*args,**kwargs)
t2 = time.time()
diff = t2 - t1
print u'{func}用时{diff}'.format(diff=diff,
func=func.func_name)
return lst
return newfunc
@timefunc
def func():
time.sleep(1.5)
func()
print u"函数的名称是" + func.func_name
和之前的代码相比,我在newfunc函数上加了一个wraps装饰器,这样一来,被装饰的函数的原有信息不会丢失,func_name的值就是“func”。在实际使用中,推荐你用后一种方法。
装饰器的使用,使得你可以在不修改函数代码的情况下,仅仅是增加几个装饰器就能够扩展函数的功能,而且是即插即用。