要理解什么是装饰器,您首先需要熟悉Python处理函数的方式。从它的观点来看,函数和对象没有什么不同。它们有属性,可以重新分配:
- def func():
- print('hello from func')
- func()
- > hello from func
- new_func = func
- new_func()
- > hello from func
- print(new_func.__name__)
- > func
此外,你还可以将它们作为参数传递给其他函数:
- def func():
- print('hello from func')
- def call_func_twice(callback):
- callback()
- callback()
- call_func_twice(func)
- > hello from func
- > hello from func
现在,我们介绍装饰器。装饰器(decorator)用于修改函数或类的行为。实现这一点的方法是定义一个返回另一个函数的函数(装饰器)。这听起来很复杂,但是通过这个例子你会理解所有的东西:
- def logging_decorator(func):
- def logging_wrapper(*args, **kwargs):
- print(f'Before {func.__name__}')
- func(*args, **kwargs)
- print(f'After {func.__name__}')
- return logging_wrapper
- @logging_decorator
- def sum(x, y):
- print(x + y)
- sum(2, 5)
- > Before sum
- > 7
- > After sum
让我们一步一步来:
这很简单:可读性。Python因其清晰简洁的语法而备受赞誉,装饰器也不例外。如果有任何行为是多个函数共有的,那么您可能需要制作一个装饰器。下面是一些可能会派上用场的例子:
和更多…
现在我们将列出一些代码示例。
带有返回值的装饰器
假设我们想知道每个函数调用需要多长时间。而且,函数大多数时候都会返回一些东西,所以装饰器也必须处理它:
- def timer_decorator(func):
- def timer_wrapper(*args, **kwargs):
- import datetime
- before = datetime.datetime.now()
- result = func(*args,**kwargs)
- after = datetime.datetime.now()
- print "Elapsed Time = {0}".format(after-before)
- return result
- @timer_decorator
- def sum(x, y):
- print(x + y)
- return x + y
- sum(2, 5)
- > 7
- > Elapsed Time = some time
可以看到,我们将返回值存储在第5行的result中。但在返回之前,我们必须完成对函数的计时。这是一个没有装饰者就不可能实现的行为例子。
带有参数的装饰器
有时候,我们想要一个接受值的装饰器(比如Flask中的@app.route('/login'):
- def permission_decorator(permission):
- def _permission_decorator(func):
- def permission_wrapper(*args, **kwargs):
- if someUserApi.hasPermission(permission):
- result = func(*args, **kwargs)
- return result
- return None
- return permission wrapper
- return _permission_decorator
- @permission_decorator('admin')
- def delete_user(user):
- someUserApi.deleteUser(user)
为了实现这一点,我们定义了一个额外的函数,它接受一个参数并返回一个装饰器。
带有类的装饰器
使用类代替函数来修饰是可能的。唯一的区别是语法,所以请使用您更熟悉的语法。下面是使用类重写的日志装饰器:
- class Logging:
- def __init__(self, function):
- self.function = function
- def __call__(self, *args, **kwargs):
- print(f'Before {self.function.__name__}')
- self.function(*args, **kwargs)
- print(f'After {self.function.__name__}')
- @Logging
- def sum(x, y):
- print(x + y)
- sum(5, 2)
- > Before sum
- > 7
- > After sum
这样做的好处是,您不必处理嵌套函数。你所需要做的就是定义一个类并覆盖__call__方法。
装饰类
有时,您可能想要修饰类中的每个方法。你可以这样写
- class MyClass:
- @decorator
- def func1(self):
- pass
- @decorator
- def func2(self):
- pass
但如果你有很多方法,这可能会失控。值得庆幸的是,有一种方法可以一次性装饰整个班级:
- def logging_decorator(func):
- def logging_wrapper(*args, **kwargs):
- print(f'Before {func.__name__}')
- result = func(*args, **kwargs)
- print(f'After {func.__name__}')
- return result
- return logging_wrapper
- def log_all_class_methods(cls):
- class NewCls(object):
- def __init__(self, *args, **kwargs):
- self.original = cls(*args, **kwargs)
- def __getattribute__(self, s):
- try:
- x = super(NewCls,self).__getattribute__(s)
- except AttributeError:
- pass
- else:
- return x
- x = self.original.__getattribute__(s)
- if type(x) == type(self.__init__):
- return logging_decorator(x)
- else:
- return x
- return NewCls
- @log_all_class_methods
- class SomeMethods:
- def func1(self):
- print('func1')
- def func2(self):
- print('func2')
- methods = SomeMethods()
- methods.func1()
- > Before func1
- > func1
- > After func1
现在,不要惊慌。这看起来很复杂,但逻辑是一样的:
内置的修饰符
您不仅可以定义自己的decorator,而且在标准库中也提供了一些decorator。我将列出与我一起工作最多的三个人:
@property -一个内置插件的装饰器,它允许你为类属性定义getter和setter。
@lru_cache - functools模块的装饰器。它记忆函数参数和返回值,这对于纯函数(如阶乘)很方便。
@abstractmethod——abc模块的装饰器。指示该方法是抽象的,且缺少实现细节。
本文转载自公众号读芯术(ID:AI_Discovery) 如果你即将要面临大型科技公司的技术...
为了使伸缩组自动加入的实例自动部署应用,您需要创建私有镜像,确保该镜像上有...
与普通的IDC机房或服务器厂商相比,阿里云提供的云服务器ECS具有高可用性、安全...
一、背景 ? 我们大部分人的编程习惯都是线性编程,所谓线性编程就是一个请求涉及...
来源 | 阿里飞天CIO学堂微信公众号 金融数字化转型过程中,市场的细微变化,客户...
一、数据中台是真的热 在2018年之前可能只有一少部分人在谈中台,从2018年下半年...
计算的下一步发展是什么,将如何影响组织的战略?专家预测了边缘计算在2021年的发...
最近,在为 Coco 优化分层架构之时,我陷入了各种决策困难之中。所以我通过不断...
开源 RPC 框架有哪些呢?一类是跟某种特定语言平台绑定的,另一类是与语言无关即...
游戏市场的热度已经不言而喻,随着民众生活水平的提升,大家对于精神娱乐生活的...