python万能装饰器_python 装饰器最佳实践

首先要明白装饰器是用来给函数增加额外功能的。

常用的工具函数

import time

from functools import wraps

import inspect

import sys

import logging

def timeit(func):

"""统计函数运行时间"""

t0 = time.perf_counter()

func()

return time.perf_counter() - t0

def count(func):

"""统计递归函数执行次数"""

# @wraps(func)

def counted(args):

counted.call_count += 1

return func(args)

counted.call_count = 0

return counted

def memorize(f):

"""缓存"""

cache = {}

@wraps(f)

def memorized(args):

if args not in cache:

cache[args] = f(args)

return cache[args]

return memorized

def trace(func):

"""跟踪函数，便于查看过程。"""

def afunc(args):

print("call", func.name, "with", args)

v = func(args)

print(func.name, "return ",v)

return v

return afunc

def main(fn):

"""@main ---> name == "main" """

if inspect.stack()[1][0].f_locals['name'] == 'main':

args = sys.argv[1:] # Discard the script name from command line

fn(*args) # Call the main function

return fn

带参数的装饰器

def logged(level, name=None, message=None):

def decorate(func):

logname = name if name else func.module

log = logging.getLogger(logname)

@wraps(func)

def wrapper(*args, *kwargs):

logmsg = "{}--call --{}".format(func.name, args)

log.log(level, logmsg)

return func(args, **kwargs)

return wrapper

return decorate

统计调用次数 增加缓存 增加debug 功能。

@logged(logging.DEBUG)

@count

@memorize

def fib(x):

return x if x < 2 else fib(x-1) + fib(x-2)

print(fib(10), fib.dict)

非常好的实现

flask 和 bottle 中的路由绑定

将add_url_rule 进行了一层包装，能够很简洁的使用装饰器的语法来绑定路由

def route(self, rule, **options):

def decorator(f):

endpoint = options.pop('endpoint', None)

self.add_url_rule(rule, endpoint, f, **options)

return f

return decorator

@route('/')

def example():

pass

flask login 中的判断是否登录了。。

要注意的地方。 装饰器本质上是一个高阶的函数，用来将函数包裹起来。

注意装饰器使用的顺序。

还有就是使用了装饰器的话原函数的一些信息可能会丢掉。需要通过一个方法

来将原函数的一些东西来绑定到新的上面。

更多例子