【Python学习之二】装饰器

装饰器

　　首先，给出装饰器的框架：

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2018-6-14')

　　Python装饰器，本质上就是一个高阶函数。作用是给其它函数增加新的功能。借用python的@语法，可以将一个高阶函数定义为装饰器。

@符号的作用

　　但是，在学习廖雪峰老师的Python教程时，似懂非懂，尤其是看到@这个符号的时候，感觉一头雾水。现在回想来看，只要百度一下就能知道@符号在Python中的作用。它的作用就是修饰一个函数。位置在被修饰的函数的前一行，@之后是修饰函数的函数。 例如上述的 @log 起到的作用就是相当于执行了语句： now = log(now) ，现在或许难以理解这行代码的作用。接下来，进行一个对比，就能知道装饰器的威力了。

使用装饰器之前

#给下列函数增加新功能：调用函数时，打印函数名。
#要求：（）不改变函数的定义，不改变函数的调用方式。
def now():
    print('2015-3-25')

#增加一个高级函数
def call_name(func):
    def wrapper(*args, **kw):
        print('call %s()' % func.__name__)
        return func(*args, **kw)
    return wrapper

#调用now函数
now = call_name(now)        #调用方式还是改变了（增加了一行）
now()

使用装饰器之后

#给下列函数增加新功能：调用函数时，打印函数名。
#要求：（）不改变函数的定义，不改变函数的调用方式。

#写一个装饰器
def call_name(func):
    def wrapper(*args, **kw):
        print('call %s()' % func.__name__)
        return func(*args, **kw)
    return wrapper

@call_name               #相当于执行语句 call_name(now)
def now():
    print('2015-3-25')

#调用now函数
now()                     #这才是真正没改变调用方式

　　通过对比，我对装饰器的作用了解更加深刻了。下面是带参数的装饰器：

带参数的装饰器

　　上例，如果装饰器call_name(func)本身还要带参数，那么需要更加复杂的高阶函数。

 def call_name(text):                   #text为装饰器的参数
     def decorator(func):
         def wrapper(*args, **kw):
             print('%s call %s()' % (text, func.__name__))
             return func(*args, **kw)
         return wrapper
     return decorator

 @call_name('execute ')                #相当于 now = log('execute')(now)
 def now():
     print('2015-3-25')

 # 调用now函数
 now()

装饰器练习

　　设计一个decorator（装饰器），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(fn):
     @functools.wraps(fn)
     def wrapper(*args, **kw):
         print('%s executed in %s' %
               (fn.__name__, time.asctime(time.localtime(time.time()))))
         return fn(*args, **kw)
     return wrapper

 # 测试

 @metric
 def fast(x, y):
     time.sleep(0.0012)
     return x + y

 @metric
 def slow(x, y, z):
     time.sleep(0.1234)
     return x * y * z

 f = fast(11, 22)
 s = slow(11, 22, 33)

 print(f)
 print(s)

 if f != 33:
     print('测试失败!')
 elif s != 7986:
     print('测试失败!')
 else:
     print('测试成功！')

　　编写一个decorator，能在函数调用的前后打印出'begin call'和'end call'的日志：

 def call_name(func):
     def wrapper(*args, **kw):
         print('begin call:')
         print('call %s()' % func.__name__)
         call = func(*args, **kw)               #函数在此时调用
         print('end call.')
         return call
     return wrapper

 @call_name
 def now():
     print('2015-3-25')

 # 调用now函数
 now()

　　加大难度，写出一个@call_name的decorator，使它既支持：

@log
def f():
    pass

　　又支持：

@log('execute')
def f():
    pass

　　源码实现：

 import functools

 def call_name(text):
     if isinstance(text, str):　　　　　　#通过参数能够判断两种模式
         def decorator(func):
             @functools.wraps(func)
             def wrapper(*args, **kw):
                 print('%s call %s()' % (text, func.__name__))
                 return func(*args, **kw)
             return wrapper
         return decorator
     else:
         @functools.wraps(text)
         def wrapper(*args, **kw):
             print('call %s()' % text.__name__)
             return text(*args, **kw)
         return wrapper

 @call_name
 def now():
     print('2015-3-25')

 # 调用now函数
 now()