Python装饰器模式学习总结

装饰器模式，重点在于装饰。装饰的核心仍旧是被装饰对象。

类比于Java编程的时候的包装模式，是同样的道理。虽然概念上稍有不同但是原理上还是比较相近的。下面我就来谈一谈我对Python的装饰器的学习的一点心得吧。

关于作用域

Python作用域体现在LEGB中：

L：local 函数内部
E: enclosing 函数内部和内置函数之间
G:global 全局性质，有命名空间的限制
B：build-in 内置函数，由python解释器管理

学过编程的人一眼就可以看得出来大致是什么意思，所以这里不再叙述。

关于闭包

关键在于理解Python中闭包的概念。说白了，闭包就是函数里面又定义了函数，这就是闭包了。（呵呵，断章取义一下。可能说法不恰当）。如下：

def func1():
    print 'func1 is running'
    def in_func1():
        print 'in_func1 is running'
        return in_func1
    print 'over'

简单的一个闭包的实现，就差不多是这个样子的。我们需要注意的就是要将内部函数当成一个对象来返回（Python中函数其实就是一个对象，我们可以通过type来进行验证）。

这段代码执行的流程是先执行func1，然后执行func2，并且将func2作为一个属性返回给func1.这样我们可以再次的得到func2的内容。这就是闭包！

关于装饰器

类比Java中那么多的模式，比如ServletRequest被装饰成了HttpServletRequest。Python中也有很多这样被装饰的例子。如CookieJar被装饰成了MozillaCookieJar等等。实现的功能就是被装饰对象的功能得到了增强，完成的效果也大大大的比未装饰之前好了。这就是装饰的好处。

下面就来看一看Python中怎么来实现装饰器吧。

核心：借助于@符号，即可。

def bar():
    print 'Bar'

@bar
def foo():
    print "foo"
# 其等价于:
def foo():
    print "foo"
foo = bar(foo)

代码执行的流程：

先执行@对象，也就是一个函数。其返回值就是一个内置函数，只不过这个内置函数是得到了装饰的被装饰对象（这里是foo函数），我们可以理解为：

装饰器，其本身接收一个函数对象作为参数，然后做一些工作后，返回接收的参数，供外界调用。

下面看一个实例：

import time

def function_performance_statistics(trace_this=True):
    if trace_this:
       def performace_statistics_delegate(func):
            def counter(*args, **kwargs):
                start = time.clock()
                func(*args, **kwargs)
                end =time.clock()
                print 'used time: %d' % (end - start, )
            return counter
    else:
       def performace_statistics_delegate(func):
            return func
    return performace_statistics_delegate

@function_performance_statistics(True)
def add(x, y):
    time.sleep(3)
    print 'add result: %d' % (x + y,)

@function_performance_statistics(False)
def mul(x, y=1):
    print 'mul result: %d' % (x * y,)

add(1, 1)
mul(10)
上述代码想要实现一个性能分析器，并接收一个参数，来控制性能分析器是否生效，其运行效果如下所示:
add result: 2
used time: 0
mul result: 10
上述代码中装饰器的调用等价于:
add = function_performance_statistics(True)(add(1, 1))
mul = function_performance_statistics(False)(mul(10))

总结

Python装饰器的核心就是装饰，实质就是被装饰函数性能的增强。