由于函数是一个对象,而且函数对象可以被赋值给变量,所以,可以通过变量调用该函数
>>>def now():
>>>print('2022-04-29')
>>>f = now
>>>f()
2022-04-29
函数对象有一个__name__属性,所以,我们可以拿到函数的名字
>>>now.__name__
'now'
>>>f.__name__
'now'
现在,假设我们要增强now()函数的功能,比如,在函数调用前后自动打印日志,但又不希望修改now函数的定义,这种在代码运行期间动态增加功能的方式,称之为"装饰器"
本质上,装饰器就是一个返回函数的高阶函数。
比如:
定义一个能打印日志的装饰器,可以定义如下:
def log(func):
def wrapper(*args,**kw):
print('call %s():'%function.__name__)
return func(*args,**kw)
return wrapper
借助Python的@语法,把装饰器置于函数定义处:
@log
def now():
print('2022-04-29')
调用now()函数,不仅会运行now(),还会在运行now()函数前打印一行日志:
>>>now()
call now():
2022-04-29
以上分析如下:
把@log 放到now()函数的定义处,相当于执行下面语句:
now = log(now)
由于log()是一个装饰器,返回一个函数,所以原来now()函数依然存在,只是现在同名的now函数变量指向了新函数,于是调用now()将执行新函数,现在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义(*args,**kw),因此
wrapper()函数可以接受任意参数的调用。在wrapper()函数内,首先打印日志,再紧接着调用原始函数。
如果装饰器本身需要传入参数,那就需要编写一个装饰器的高阶函数。
def log(text):
def decorator(func):
def wrapper(*args,**kw):
print('%s%s():'%text,func.__name__)
return func(*args,**kw)
return wrapper
return decorator
上面是3层嵌套装饰器用法如下:
@log('execute')
def now():
print('2022-04-29')
执行结果如下:
>>>now()
execute now():
2022
与两层的嵌套相比,3嵌套的效果如下:
>>>now =log('execute')(now)
分析上面的语句:
首先执行log('execute'),返回的是装饰器函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。
需要注意的是函数也是对象,它有__name__等属性,但经过装饰器之后的函数,它的__name__已经不是原来的'now'了,变成了'wrapper'了
>>>now.__name__
'wrapper'
因为返回那个wrapper函数的名字就是'wrapper',所以需要将原始的函数__name__等属性复制到wrapper()函数中,否则,有些依赖函数签名的代码执行就会报错。
不需要编写wrapper.__name__=function.__name__这样的代码,Python内置的functions.wraps就是干这个事的,所以,一个完整的装饰器写法如下:
import functools
def log(func):
@functool.wraps(func)
def wrapper(*args,**kw):
print('call%s():'%function.__name__)
return func(*args,**kw)
return wrapper
或者针对带参数的装饰器:
import functools
def log(text):
def decorator(func):
@functool.wraps(func)
def wrapper(*args,**kw):
print('%s%s():'%(text,func.__name__))
return func(*args,**kw)
return wrapper
return decorator
需要注意的是:import functools 是导入functools模块,现在,只需要记住的是在定义wrapper()前加上@functools.wraps(func)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)