python 修饰器(decorator)

python 修饰器(decorator),第1张

概述转载:Python之修饰器-知乎(zhihu.com)什么是修饰器,为什么叫修饰器修饰器英文是Decorator,我们假设这样一种场景:古老的代码中有几个很是复杂的函数F1、F2、F3...,复杂到看都不想看,反正我们就是不想改这些函数,但是我们需要改造加功能,在这个函数的前后加功能,这个时候我们很容易就

转载:Python之修饰器 - 知乎 (zhihu.com)

什么是修饰器,为什么叫修饰器

修饰器英文是Decorator,

我们假设这样一种场景:古老的代码中有几个很是复杂的函数F1、F2、F3...,复杂到看都不想看,反正我们就是不想改这些函数,但是我们需要改造加功能,在这个函数的前后加功能,这个时候我们很容易就实现这个需求:

def hi():    """hi func,假装是很复杂的函数"""    return 'hi'def aop(func):    """aop func"""    print('before func')    print(func())    print('after func')    if __name__ == '__main__':    aop(hi)

 

 

以上是很是简单的实现,利用Python参数可以传函数引用的特性,就可以实现了这种类似AOP的效果。

这段代码目前没有什么问题,接下来煎鱼加需求:需求为几十个函数都加上这样的前后的功能,而所有调用这些函数地方也要相应地升级。

看起来这个需求比较扯,偏偏这个需求却是较为广泛:在调用函数的前后加上log输出、在调用函数的前后计算调用时间、在调用函数的前后占用和释放资源等等。

一种比较笨的方法就是,为这几十个函数逐一添加一个入口函数,针对a函数添加一个a_aop函数,针对b函数添加一个b_aop函数...如此这样。问题也很明显:

工作量大代码变得臃肿复杂原代码有多处调用了这些函数,可以会升级不完全

于是接下来有请修饰器出场,修饰器可以统一地给这些函数加这样的功能:

def aop(func):    """aop func"""    def wrapper():        """wrapper func"""        print('before func')        func()        print('after func')    return wrapper@aopdef hi():    """hi func"""    print('hi')    @aopdef hello():    """hello func"""    print('hello')if __name__ == '__main__':    hi()    hello()
 

 

以上aop函数就是修饰器的函数,使用该修饰器时只要在待加函数上一行加@修饰器函数名即可,如实例代码中就是@aop。

加上了@aop后,调用新功能的hi函数就喝原来的调用一样:就是hi()而不是aop(hi),也意味着所有调用这些函数的地方不需要修改就可以升级。

简单地来说,大概修饰器就是以上的这样子。

@是个什么

对于新手来说,上面例子中,@就是一样奇怪的东西:为什么这样子用就可以实现煎鱼需求的功能了。

其实我们还可以不用@,煎鱼换一种写法:

def hi():    """hi func"""    print('hi')def aop(func):    """aop func"""    def wrapper():        """wrapper func"""        print('before func')        func()        print('after func')    return wrapperif __name__ == '__main__':    hi()    print('')    hi = aop(hi)    hi()

 

 

上面的例子中的aop函数就是之前说过的修饰器函数。

如例子main函数中第一次调用hi函数时,由于hi函数没叫修饰器,因此我们可以从输出结果中看到程序只输出了一个hi而没有前后功能。

然后煎鱼加了一个hi = aop(hi)后再调用hi函数,得到的输出结果和加修饰器的一样,换言之:

@aop 等效于hi = aop(hi)

因此,我们对于@,可以理解是,它通过闭包的方式把新函数的引用赋值给了原来函数的引用。

有点拗口。aop(hi)是新函数的引用,至于返回了引用的原因是aop函数中运用闭包返回了函数引用。而hi这个函数的引用,本来是指向旧函数的,通过hi = aop(hi)赋值后,就指向新函数了。

被调函数加参数

以上的例子中,我们都假设被调函数是无参的,如hi、hello函数都是无参的,我们再看一眼煎鱼刚才的写的修饰器函数:

def aop(func):    """aop func"""    def wrapper():        """wrapper func"""        print('before func')        func()        print('after func')    return wrapper

 

很明显,闭包函数wrapper中,调用被调函数用的是func(),是无参的。同时就意味着,如果func是一个带参数的函数,再用这个修饰器就会报错。

@aopdef hi_with_deco(a):    """hi func"""    print('hi' + str(a))if __name__ == '__main__':    # hi()    hi_with_deco(1)

 

 

就是参数的问题。这个时候,我们把修饰器函数改得通用一点即可,其中import了一个函数(也是修饰器函数):

from functools import wrapsdef aop(func):    """aop func"""    @wraps(func)    def wrap(*args, **kwargs):        print('before')        func(*args, **kwargs)        print('after')    return wrap@aopdef hi(a, b, c):    """hi func"""    print('test hi: %s, %s, %s' % (a, b, c))@aopdef hello(a, b):    """hello func"""    print('test hello: %s, %s' % (a, b))if __name__ == '__main__':    hi(1, 2, 3)    hello('a', 'b')

 

 

 

这是一种很奇妙的东西,就是在写修饰器函数的时候,还用了别的修饰器函数。那也没什么,毕竟修饰器函数也是函数啊,有什么所谓。

带参数的修饰器

思路到了这里,煎鱼不禁思考一个问题:修饰器函数也是函数,那函数也是应该能传参的。函数传参的话,不同的参数可以输出不同的结果,那么,修饰器函数传参的话,不同的参数会怎么样呢?

其实很简单,修饰器函数不同的参数,能生成不同的修饰器啊。

如,我这次用这个修饰器是把时间日志打到test.log,而下次用修饰器的时候煎鱼希望是能打到test2.log。这样的需求,除了写两个修饰器函数外,还可以给修饰器加参数选项:

from functools import wrapsdef aop_with_param(aop_test_str):    def aop(func):        """aop func"""        @wraps(func)        def wrap(*args, **kwargs):            print('before ' + str(aop_test_str))            func(*args, **kwargs)            print('after ' + str(aop_test_str))        return wrap    return aop@aop_with_param('abc')def hi(a, b, c):    """hi func"""    print('test hi: %s, %s, %s' % (a, b, c))@aop_with_param('pppppp')def hi2(a, b, c):    """hi func"""    print('test hi: %s, %s, %s' % (a, b, c))if __name__ == '__main__':    hi(1, 2, 3)    print('')    hi2(2, 3, 4)

 

 

同样的,可以加一个参数,也可以加多个参数,这里就不说了。

修饰器类

大道同归,逻辑复杂了之后,人们都喜欢将函数的思维层面抽象上升到对象的层面。原因往往是对象能拥有多个函数,对象往往能管理更复杂的业务逻辑。

显然,修饰器函数也有对应的修饰器类。写起来也没什么难度,和之前的生成器一样简单:

from functools import wrapsclass aop(object):    def __init__(self, aop_test_str):        self.aop_test_str = aop_test_str    def __call__(self, func):        @wraps(func)        def wrapper(*args, **kwargs):            print('before ' + self.aop_test_str)            func()            print('after ' + self.aop_test_str)        return wrapper        @aop('pppppp')def hi():    print('hi')

 

看得出来,这个修饰器类也不过是多了个__call__函数,而这个__call__函数的内容和之前写的修饰器函数一个样!而使用这个修饰器的方法,和之前也一样,一样的如例子中的@aop('pppppp')。

甚至,煎鱼过于无聊,还试了一下继承的修饰器类:

class sub_aop(aop):    def __init__(self, sub_aop_str, *args, **kwargs):        self.sub_aop_str = sub_aop_str        super(sub_aop, self).__init__(*args, **kwargs)    def __call__(self, func):        @wraps(func)        def wrapper(*args, **kwargs):            print('before ' + self.sub_aop_str)            super(sub_aop, self).__call__(func)()            print('after ' + self.sub_aop_str)        return wrapper        @sub_aop('ssssss', 'pppppp')def hello():    print('hello')    if __name__ == '__main__':    hello()

 

 

总结

以上是内存溢出为你收集整理的python 修饰器(decorator)全部内容,希望文章能够帮你解决python 修饰器(decorator)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/langs/1186964.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-06-03
下一篇 2022-06-03

发表评论

登录后才能评论

评论列表(0条)

保存