先看下面的函数简单理解一下
示例代码:
- import logging
-
-
- def use_logging(func):
- logging.error("%s is running" % func.__name__)
- func()
-
-
- def bar():
- print('ccc')
-
-
- use_logging(bar)
运行结果:
上述代码中逻辑上不难理解,但每次都要将一个函数作为参数传递给use_logging函数。而且这种方式已经破坏了原有的代码逻辑结构,之前执行业务逻辑时,执行运行bar(),但是现在不得不改成use_logging(bar)。有种简单的方法就是使用装饰器。
简单装饰器实现:
示例代码:
- import logging
-
-
- def use_logging(func):
- def wrapper(*args, **kwargs):
- logging.error("%s is running" % func.__name__)
- return func(*args, **kwargs)
- return wrapper
-
-
- def bar():
- print('ccc')
-
-
- bar = use_logging(bar)
- bar()
运行结果:
函数use_logging就是装饰器,它把真正执行的方法放在了func函数里面,看起来bar被use_logging装饰了。
@符号是装饰器的语法糖,在定义函数的时候使用,避免再一次赋值操作。
示例代码:
- import logging
-
-
- def use_logging(func):
- def wrapper(*args, **kwargs):
- logging.error("%s is running" % func.__name__)
- return func(*args, **kwargs)
-
- return wrapper
-
-
- @use_logging
- def bar():
- print('aaa')
-
-
- @use_logging
- def foo():
- print('bbb')
-
-
- bar()
- foo()
运行结果:
如上述代码所示,可以省去bar = use_logging(bar)这一句定义了,直接调用bar()即可得到想要的结果。对于其它函数也是可以直接调用装饰器来修饰函数的,而不用再次重复性的修改函数或增加新的封装。这样就提高了程序的可重复利用性,并增加了程序的可读性。
带参数的装饰器:
装饰器在使用的过程中可以传递参数,增大了装饰器的灵活性。在上述代码中,@use_logging装饰器唯一的参数就是执行业务的函数,在使用装饰器的时候可以传递参数,比如@decorator(a),这就为装饰器的编写和使用提供了更大的灵活性。
示例代码:
- import logging
-
-
- def use_logging(level):
- def decorator(func):
- def wrapper(*args, **kwargs):
- if level == 'error':
- logging.error("%s is running" % func.__name__)
- return func(*args, **kwargs)
-
- return wrapper
-
- return decorator
-
-
- @use_logging(level='info')
- def bar():
- print('aaa')
-
-
- @use_logging(level='error')
- def foo():
- print('bbb')
-
-
- bar()
- foo()
运行结果:
上述代码中的use_logging是允许带参数的装饰器。实际上是对原有装饰器的一个函数封装,并返回一个装饰器。可以将它理解为一个含有参数的装饰器。当使用@use_logging(level="error")调用的时候,Python能够发现这一层的封装,并把参数传递到装饰器的环境中。
关于带参数的装饰器,详见博文:带有参数的装饰器_IT之一小佬的博客-CSDN博客
类装饰器:
类装饰器相比于函数装饰器具有灵活度大、高内聚和封装性等优点。使用类装饰器还可以依靠类内部的__call__方法,当使用@形式时将装饰器附加到函数上,就会调用此方法。
示例代码:
- class Test(object):
- def __init__(self, func):
- self._func = func
-
- def __call__(self, *args, **kwargs):
- print('class decorator running')
- self._func()
- print('class decorator ending')
-
-
- @Test
- def bar():
- print('bar')
-
-
- bar()
运行结果:
functools.wraps
使用装饰器可以极大的复用了代码,但它也有一个缺点就是原函数的元信息不见了,比如函数的docstring、__name__、参数列表等。
示例代码:
- def logged(func):
- def with_logging(*args, **kwargs):
- print(func.__name__ + 'was called')
- return func(*args, **kwargs)
-
- return with_logging
-
-
- @logged
- def test():
- """
- does some math
- :param x:
- :return:
- """
- x = 6
- return x ** 2
-
-
- # 上述函数等价于
- def test2():
- """
- does some math
- :param x:
- :return:
- """
- x = 5
- return x ** 2
-
-
- a = test()
- print(a)
- b = logged(test2)
- print(b())
-
- print("*" * 100)
-
- print(test.__name__)
- print(test.__doc__)
-
- print("*" * 100)
-
- print(test2.__name__)
- print(test2.__doc__)
运行结果:
上述代码执行结果中不难看出,函数test被with_logging取代了,当然它的docstring,__name__等信息就变成了with_logging函数的信息了。
出现上述问题有时候是问题是挺严重的,这时候我们可以使用functools.wraps库,wraps本身也是一个装饰器,它能够把原函数的元信息拷贝到装饰器函数中,这使用装饰器函数也有原函数一样的元信息了。
示例代码:
- from functools import wraps
-
-
- def logged(func):
- @wraps(func)
- def with_logging(*args, **kwargs):
- print(func.__name__ + 'was called')
- return func(*args, **kwargs)
-
- return with_logging
-
-
- @logged
- def test():
- """
- does some math
- :param x:
- :return:
- """
- x = 6
- return x ** 2
-
-
- # 上述函数等价于
- def test2():
- """
- does some math
- :param x:
- :return:
- """
- x = 5
- return x ** 2
-
-
- a = test()
- print(a)
- b = logged(test2)
- print(b())
-
- print("*" * 100)
-
- print(test.__name__)
- print(test.__doc__)
-
- print("*" * 100)
-
- print(test2.__name__)
- print(test2.__doc__)
运行结果:
内置装饰器
@staticmathod、@classmethod、@property
装饰器的执行顺序:
- @a
- @b
- @c
- def f():
- pass
-
- # 等价于
- f = a(b(c(f)))
参考博文: