1. 装饰器入门
1.1. 需求是怎么来的?
装饰器的定义很是抽象,我们来看一个小例子。
1
2
3
4
|
def
foo():
print
'in foo()'
foo()
|
这是一个很无聊的函数没错。但是突然有一个更无聊的人,我们称呼他为B君,说我想看看执行这个函数用了多长时间,好吧,那么我们可以这样做:
1
2
3
4
5
6
7
8
|
import
time
def
foo():
start
=
time.clock()
print
'in foo()'
end
=
time.clock()
print
'used:'
, end
-
start
foo()
|
很好,功能看起来无懈可击。可是蛋疼的B君此刻突然不想看这个函数了,他对另一个叫foo2的函数产生了更浓厚的兴趣。
怎么办呢?如果把以上新增加的代码复制到foo2里,这就犯了大忌了~复制什么的难道不是最讨厌了么!而且,如果B君继续看了其他的函数呢?
1.2. 以不变应万变,是变也
还记得吗,函数在Python中是一等公民,那么我们可以考虑重新定义一个函数timeit,将foo的引用传递给他,然后在timeit中调用foo并进行计时,这样,我们就达到了不改动foo定义的目的,而且,不论B君看了多少个函数,我们都不用去修改函数定义了!
1
2
3
4
5
6
7
8
9
10
11
12
|
import
time
def
foo():
print
'in foo()'
def
timeit(func):
start
=
time.clock()
func()
end
=
time.clock()
print
'used:'
, end
-
start
timeit(foo)
|
看起来逻辑上并没有问题,一切都很美好并且运作正常!……等等,我们似乎修改了调用部分的代码。原本我们是这样调用的:foo(),修改以后变成了:timeit(foo)。这样的话,如果foo在N处都被调用了,你就不得不去修改这N处的代码。或者更极端的,考虑其中某处调用的代码无法修改这个情况,比如:这个函数是你交给别人使用的。
1.3. 最大限度地少改动!
既然如此,我们就来想想办法不修改调用的代码;如果不修改调用代码,也就意味着调用foo()需要产生调用timeit(foo)的效果。我们可以想到将timeit赋值给foo,但是timeit似乎带有一个参数……想办法把参数统一吧!如果timeit(foo)不是直接产生调用效果,而是返回一个与foo参数列表一致的函数的话……就很好办了,将timeit(foo)的返回值赋值给foo,然后,调用foo()的代码完全不用修改!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#-*- coding: UTF-8 -*-
import
time
def
foo():
print
'in foo()'
# 定义一个计时器,传入一个,并返回另一个附加了计时功能的方法
def
timeit(func):
# 定义一个内嵌的包装函数,给传入的函数加上计时功能的包装
def
wrapper():
start
=
time.clock()
func()
end
=
time.clock()
print
'used:'
, end
-
start
# 将包装后的函数返回
return
wrapper
foo
=
timeit(foo)
foo()
|
这样,一个简易的计时器就做好了!我们只需要在定义foo以后调用foo之前,加上foo = timeit(foo),就可以达到计时的目的,这也就是装饰器的概念,看起来像是foo被timeit装饰了。在在这个例子中,函数进入和退出时需要计时,这被称为一个横切面(Aspect),这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。与传统编程习惯的从上往下执行方式相比较而言,像是在函数执行的流程中横向地插入了一段逻辑。在特定的业务领域里,能减少大量重复代码。面向切面编程还有相当多的术语,这里就不多做介绍,感兴趣的话可以去找找相关的资料。
这个例子仅用于演示,并没有考虑foo带有参数和有返回值的情况,完善它的重任就交给你了 :)
2. Python的额外支持
2.1. 语法糖
上面这段代码看起来似乎已经不能再精简了,Python于是提供了一个语法糖来降低字符输入量。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import
time
def
timeit(func):
def
wrapper():
start
=
time.clock()
func()
end
=
time.clock()
print
'used:'
, end
-
start
return
wrapper
@timeit
def
foo():
print
'in foo()'
foo()
|
重点关注第11行的@timeit,在定义上加上这一行与另外写foo = timeit(foo)完全等价,千万不要以为@有另外的魔力。除了字符输入少了一些,还有一个额外的好处:这样看上去更有装饰器的感觉。
2.2. 内置的装饰器
内置的装饰器有三个,分别是staticmethod、classmethod和property,作用分别是把类中定义的实例方法变成静态方法、类方法和类属性。由于模块里可以定义函数,所以静态方法和类方法的用处并不是太多,除非你想要完全的面向对象编程。而属性也不是不可或缺的,Java没有属性也一样活得很滋润。从我个人的Python经验来看,我没有使用过property,使用staticmethod和classmethod的频率也非常低。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
class
Rabbit(
object
):
def
__init__(
self
, name):
self
._name
=
name
@staticmethod
def
newRabbit(name):
return
Rabbit(name)
@classmethod
def
newRabbit2(
cls
):
return
Rabbit('')
@property
def
name(
self
):
return
self
._name
|
这里定义的属性是一个只读属性,如果需要可写,则需要再定义一个setter:
1
2
3
|
@name
.setter
def
name(
self
, name):
self
._name
=
name
|
2.3. functools模块
functools模块提供了两个装饰器。这个模块是Python 2.5后新增的,一般来说大家用的应该都高于这个版本。但我平时的工作环境是2.4 T-T
2.3.1. wraps(wrapped[, assigned][, updated]):
这是一个很有用的装饰器。看过前一篇反射的朋友应该知道,函数是有几个特殊属性比如函数名,在被装饰后,上例中的函数名foo会变成包装函数的名字wrapper,如果你希望使用反射,可能会导致意外的结果。这个装饰器可以解决这个问题,它能将装饰过的函数的特殊属性保留。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import
time
import
functools
def
timeit(func):
@functools
.wraps(func)
def
wrapper():
start
=
time.clock()
func()
end
=
time.clock()
print
'used:'
, end
-
start
return
wrapper
@timeit
def
foo():
print
'in foo()'
foo()
print
foo.__name__
|
首先注意第5行,如果注释这一行,foo.__name__将是'wrapper'。另外相信你也注意到了,这个装饰器竟然带有一个参数。实际上,他还有另外两个可选的参数,assigned中的属性名将使用赋值的方式替换,而updated中的属性名将使用update的方式合并,你可以通过查看functools的源代码获得它们的默认值。对于这个装饰器,相当于wrapper = functools.wraps(func)(wrapper)。
2.3.2. total_ordering(cls):
这个装饰器在特定的场合有一定用处,但是它是在Python 2.7后新增的。它的作用是为实现了至少__lt__、__le__、__gt__、__ge__其中一个的类加上其他的比较方法,这是一个类装饰器。如果觉得不好理解,不妨仔细看看这个装饰器的源代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
53
def
total_ordering(
cls
):
54
"""Class decorator that fills in missing ordering methods"""
55
convert
=
{
56
'__lt__'
: [(
'__gt__'
,
lambda
self
, other: other <
self
),
57
(
'__le__'
,
lambda
self
, other:
not
other <
self
),
58
(
'__ge__'
,
lambda
self
, other:
not
self
< other)],
59
'__le__'
: [(
'__ge__'
,
lambda
self
, other: other <
=
self
),
60
(
'__lt__'
,
lambda
self
, other:
not
other <
=
self
),
61
(
'__gt__'
,
lambda
self
, other:
not
self
<
=
other)],
62
'__gt__'
: [(
'__lt__'
,
lambda
self
, other: other >
self
),
63
(
'__ge__'
,
lambda
self
, other:
not
other >
self
),
64
(
'__le__'
,
lambda
self
, other:
not
self
> other)],
65
'__ge__'
: [(
'__le__'
,
lambda
self
, other: other >
=
self
),
66
(
'__gt__'
,
lambda
self
, other:
not
other >
=
self
),
67
(
'__lt__'
,
lambda
self
, other:
not
self
>
=
other)]
68
}
69
roots
=
set
(
dir
(
cls
)) &
set
(convert)
70
if
not
roots:
71
raise
ValueError(
'must define at least one ordering operation: < > <= >='
)
72
root
=
max
(roots)
# prefer __lt__ to __le__ to __gt__ to __ge__
73
for
opname, opfunc
in
convert[root]:
74
if
opname
not
in
roots:
75
opfunc.__name__
=
opname
76
opfunc.__doc__
=
getattr
(
int
, opname).__doc__
77
setattr
(
cls
, opname, opfunc)
78
return
cls
|