python中的注解的作用_Python中的注解“@”

Python3.0之后加入新特性Decorators，以@为标记修饰function和class。有点类似c++的宏和java的注解。Decorators用以修饰约束function和class，分为带参数和不带参数，影响原有输出，例如类静态函数我们要表达的时候需要函数前面加上修饰@staticmethod或@classmethod,为什么这样做呢？下面用简单的例子来看一下，具体内容可以查看：官方解释

不带参数的单一使用

def spamrun(fn):

def sayspam(*args):

print("spam,spam,spam")

fn(*args)

return sayspam

@spamrun

def useful(a,b):

print(a*b)

if __name__ == "__main__"

useful(2,5)

运行结果

spam,spam,spam

10

函数useful本身应该只是打印10，可是为什么最后的结果是这样的呢，其实我们可以简单的把这个代码理解为

def spamrun(fn):

def sayspam(*args):

print("spam,spam,spam")

fn(*args)

return sayspam

def useful(a,b):

print(a*b)

if __name__ == "__main__"

useful = spamrun(useful)

useful(a,b)

不带参数的多次使用

def spamrun(fn):

def sayspam(*args):

print("spam,spam,spam")

fn(*args)

return sayspam

def spamrun1(fn):

def sayspam1(*args):

print("spam1,spam1,spam1")

fn(*args)

return sayspam1

@spamrun

@spamrun1

def useful(a,b):

print(a*b)

if __name__ == "__main__"

useful(2,5)

运行结果

spam,spam,spam

spam1,spam1,spam1

10

这个代码理解为

if __name__ == "__main__"

useful = spamrun1(spamrun(useful))

useful(a,b)

带参数的单次使用

def attrs(**kwds):

def decorate(f):

for k in kwds:

setattr(f, k, kwds[k])

return f

return decorate

@attrs(versionadded="2.2",

author="Guido van Rossum")

def mymethod(f):

print(getattr(mymethod,'versionadded',0))

print(getattr(mymethod,'author',0))

print(f)

if __name__ == "__main__"

mymethod(2)

运行结果

2.2

Guido van Rossum

2

这个代码理解为

if __name__ == "__main__"

mymethod = attrs(versionadded="2.2",

author="Guido van Rossum).(mymethod)

mymethod(2)

带参数的多次使用

这次我们来看一个比较实际的例子，检查我们函数的输入输出是否符合我们的标准，比如我们希望的输入是(int，(int，float))输出是(int，float)，这个例子在官网里有，但是在3.6版本中使用有些问题，这里进行了一些改动，如果要进一步了解可以看下functionTool。

def accepts(*types):

def check_accepts(f):

def new_f(*args, **kwds):

assert len(types) == (len(args) + len(kwds)), \

"args cnt %d does not match %d" % (len(args) + len(kwds), len(types))

for (a, t) in zip(args, types):

assert isinstance(a, t), \

"arg %r does not match %s" % (a, t)

return f(*args, **kwds)

update_wrapper(new_f, f)

return new_f

return check_accepts

def returns(rtype):

def check_returns(f):

def new_f(*args, **kwds):

result = f(*args, **kwds)

assert isinstance(result, rtype), \

"return value %r does not match %s" % (result, rtype)

return result

update_wrapper(new_f, f)

return new_f

return check_returns

@accepts(int, (int, float))

@returns((int, float))

def func(arg1, arg2):

return arg1 * arg2

if __name__ == "__main__"

a = func(1, 'b')

print(a)

这里故意输入了错误的参数，所以运行结果将我们的断言打印了出来

AssertionError: arg 'b' does not match (, )

这个代码理解为

if __name__ == "__main__"

func = accepts(int, (int, float)).(accepts((int, float)).(mymethod))

a = func(1, 'b')

print(a)

说到这里，大家不难看出其实我们可以使用Decorators做很多工作，简化代码，使逻辑更清晰等。还有更多的用法等着大家自己去挖掘了，这里只简单的介绍了针对函数的用法，其实还可以针对class使用，具体的大家自己看看官方介绍，结合这篇文档应该就不难理解了。