python装饰器

一句话解释什么样的语言能够用装饰器?

函数可以作为参数传递的语言，可以使用装饰器

def log():
    print("打印日志信息")

# 函数可以作为参数传递
def printDebug1(func):
    print("start==")
    func()
    print("end==")

printDebug1(log)


# 函数可以作为返回值
def printDebug2(func):
    def wrapper():
        print("start==")
        func()
        print("end==")
    return wrapper

printDebug2(log)()

装饰器模式

装饰器模式（Decorator Pattern）： 允许向一个现有的对象添加新的功能，同时又不改变其结构。这种类型的设计模式属于结构型模式，它是作为现有的类的一个包装。
这种模式创建了一个装饰类，用来包装原有的类，并在保持类方法签名完整性的前提下，提供了额外的功能。

@printDebug2
def login():
    print("登陆")

login()
# start==
# 登陆
# end==

带参装饰器

如果装饰器本身需要传入参数，那就需要编写一个返回decorator的高阶函数

def args_log(method):
    def decorator(func):
        def wrapper():
            print("start==")
            func(method, func.__name__) # func.__name__：函数名
            print("end==")
        return wrapper
    return decorator

@args_log("post")
def now(method):
    print(f'提交方式{method}')
    print(f'执行方法{arg}')
 
# 执行 
now()

# start==
# 提交方式post
# 执行方法now
# end==

真正装饰器带@functools.wraps

以上装饰器的定义都没有问题，但还差最后一步
因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的 ‘now’ 变成了 'wrapper’

print(now.__name__)  # wrapper

所以需要把原始函数的__name__等属性复制到wrapper()函数中
但是，不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的
它能把原函数的元信息拷贝到装饰器里面的 func 函数中。函数的元信息包括docstring、name、参数列表等等

def args_log1(method):
    def decorator(func):
        @functools.wraps(func)
        def wrapper():
            print("start==")
            func(method, func.__name__) # func.__name__：函数名
            print("end==")
        return wrapper
    return decorator
 
@args_log1("post")
def now1():
    print(f'提交方式{method}')
    print(f'执行方法{arg}')
    
print(now1.__name__)  # now1

请设计一个可用的decorator

它可作用于任何函数上，并打印该函数的执行时间

import time
import functools

def metric(func):
    @functools.wraps(func)
    def wrapper(*args):
        t = time.time()
        f = func(*args)
        print('%s executed in %s ms' % (func.__name__, time.time() - t))
        return f
    return wrapper

# 测试
@metric
def fast(x, y):
    time.sleep(1)
    return x + y;

@metric
def slow(x, y, z):
    time.sleep(2)
    return x * y * z;
    
f = fast(11, 22)
s = slow(11, 22, 33)
if f == 33:
    print('测试成功!')
if s == 7986:
    print('测试成功!')
    
# fast executed in 1.0004572868347168 ms
# slow executed in 2.000786542892456 ms
# 测试成功!
# 测试成功!