• 一篇文章搞懂装饰器所有用法(建议收藏)


    01. 装饰器语法糖#

    如果你接触 Python 有一段时间了的话,想必你对 @ 符号一定不陌生了,没错 @ 符号就是装饰器的语法糖。

    它放在一个函数开始定义的地方,它就像一顶帽子一样戴在这个函数的头上。和这个函数绑定在一起。在我们调用这个函数的时候,第一件事并不是执行这个函数,而是将这个函数做为参数传入它头顶上这顶帽子,这顶帽子我们称之为装饰函数装饰器

    你要问我装饰器可以实现什么功能?我只能说你的脑洞有多大,装饰器就有多强大。

    装饰器的使用方法很固定:

    • 先定义一个装饰函数(帽子)(也可以用类、偏函数实现)
    • 再定义你的业务函数、或者类(人)
    • 最后把这顶帽子带在这个人头上

    装饰器的简单的用法有很多,这里举两个常见的。

    • 日志打印器
    • 时间计时器

    02. 入门用法:日志打印器#

    首先是日志打印器

    实现的功能:

    • 在函数执行前,先打印一行日志告知一下主人,我要执行函数了。
    • 在函数执行完,也不能拍拍屁股就走人了,咱可是有礼貌的代码,再打印一行日志告知下主人,我执行完啦。
    # 这是装饰函数
    def logger(func):
        def wrapper(*args, **kw):
            print('我准备开始计算:{} 函数了:'.format(func.__name__))
    
            # 真正执行的是这行。
            func(*args, **kw)
    
            print('啊哈,我计算完啦。给自己加个鸡腿!!')
        return wrapper

    假如,我的业务函数是,计算两个数之和。写好后,直接给它带上帽子。

    @logger
    def add(x, y):
        print('{} + {} = {}'.format(x, y, x+y))

    然后我们来计算一下。

    add(200, 50)

    快来看看输出了什么,神奇不?

    我准备开始计算:add 函数了:
    200 + 50 = 250
    啊哈,我计算完啦。给自己加个鸡腿!

    03. 入门用法:时间计时器#

    再来看看 时间计时器
    实现功能:顾名思义,就是计算一个函数的执行时长。

    # 这是装饰函数
    def timer(func):
        def wrapper(*args, **kw):
            t1=time.time()
            # 这是函数真正执行的地方
            func(*args, **kw)
            t2=time.time()
    
            # 计算下时长
            cost_time = t2-t1 
            print("花费时间:{}秒".format(cost_time))
        return wrapper

    假如,我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。

    import time
    
    @timer
    def want_sleep(sleep_time):
        time.sleep(sleep_time)
    
    want_sleep(10)

    来看看,输出。真的是10秒耶。真历害!!!

    花费时间:10.0073800086975098

    04. 进阶用法:带参数的函数装饰器#

    通过上面简单的入门,你大概已经感受到了装饰的神奇魅力了。

    不过,装饰器的用法远不止如此。我们今天就要把这个知识点讲透。

    上面的例子,装饰器是不能接收参数的。其用法,只能适用于一些简单的场景。不传参的装饰器,只能对被装饰函数,执行固定逻辑。

    如果你有经验,你一定经常在项目中,看到有的装饰器是带有参数的。

    装饰器本身是一个函数,既然做为一个函数都不能携带函数,那这个函数的功能就很受限。只能执行固定的逻辑。这无疑是非常不合理的。而如果我们要用到两个内容大体一致,只是某些地方不同的逻辑。不传参的话,我们就要写两个装饰器。小明觉得这不能忍。

    那么装饰器如何实现传参呢,会比较复杂,需要两层嵌套。

    同样,我们也来举个例子。

    我们要在这两个函数的执行的时候,分别根据其国籍,来说出一段打招呼的话。

    def american():
        print("我来自中国。")
    
    def chinese():
        print("I am from America.")

    在给他们俩戴上装饰器的时候,就要跟装饰器说,这个人是哪国人,然后装饰器就会做出判断,打出对应的招呼。

    戴上帽子后,是这样的。

    @say_hello("china")
    def american():
        print("我来自中国。")
    
    @say_hello("america")
    def chinese():
        print("I am from America.")

    万事俱备,只差帽子了。来定义一下,这里需要两层嵌套。

    def say_hello(contry):
        def wrapper(func):
            def deco(*args, **kwargs):
                if contry == "china":
                    print("你好!")
                elif contry == "america":
                    print('hello.')
                else:
                    return
    
                # 真正执行函数的地方
                func(*args, **kwargs)
            return deco
        return wrapper

    执行一下

    american()
    print("------------")
    chinese()

    看看输出结果。

    你好!
    我来自中国。
    ------------
    hello.
    I am from America

    emmmm,这很NB。。。

    05. 高阶用法:不带参数的类装饰器#

    以上都是基于函数实现的装饰器,在阅读别人代码时,还可以时常发现还有基于类实现的装饰器。

    基于类装饰器的实现,必须实现 __call____init__两个内置函数。
    __init__ :接收被装饰函数
    __call__ :实现装饰逻辑。

    class logger(object):
        def __init__(self, func):
            self.func = func
    
        def __call__(self, *args, **kwargs):
            print("[INFO]: the function {func}() is running..."
                .format(func=self.func.__name__))
            return self.func(*args, **kwargs)
    
    @logger
    def say(something):
        print("say {}!".format(something))
    
    say("hello")

    执行一下,看看输出

    [INFO]: the function say() is running...
    say hello!

    06. 高阶用法:带参数的类装饰器#

    上面不带参数的例子,你发现没有,只能打印INFO级别的日志,正常情况下,我们还需要打印DEBUG WARNING等级别的日志。 这就需要给类装饰器传入参数,给这个函数指定级别了。

    带参数和不带参数的类装饰器有很大的不同。

    __init__ :不再接收被装饰函数,而是接收传入参数。
    __call__ :接收被装饰函数,实现装饰逻辑。

    class logger(object):
        def __init__(self, level='INFO'):
            self.level = level
    
        def __call__(self, func): # 接受函数
            def wrapper(*args, **kwargs):
                print("[{level}]: the function {func}() is running..."
                    .format(level=self.level, func=func.__name__))
                func(*args, **kwargs)
            return wrapper  #返回函数
    
    @logger(level='WARNING')
    def say(something):
        print("say {}!".format(something))
    
    say("hello")

    我们指定WARNING级别,运行一下,来看看输出。

    [WARNING]: the function say() is running...
    say hello!

    07. 使用偏函数与类实现装饰器#

    绝大多数装饰器都是基于函数和闭包实现的,但这并非制造装饰器的唯一方式。

    事实上,Python 对某个对象是否能通过装饰器( @decorator)形式使用只有一个要求:decorator 必须是一个“可被调用(callable)的对象

    对于这个 callable 对象,我们最熟悉的就是函数了。

    除函数之外,类也可以是 callable 对象,只要实现了__call__ 函数(上面几个盒子已经接触过了),还有比较少人使用的偏函数也是 callable 对象。

    接下来就来说说,如何使用 类和偏函数结合实现一个与众不同的装饰器。

    如下所示,DelayFunc 是一个实现了 __call__ 的类,delay 返回一个偏函数,在这里 delay 就可以做为一个装饰器。(以下代码摘自 Python工匠:使用装饰器的小技巧)

    import time
    import functools
    
    class DelayFunc:
        def __init__(self,  duration, func):
            self.duration = duration
            self.func = func
    
        def __call__(self, *args, **kwargs):
            print(f'Wait for {self.duration} seconds...')
            time.sleep(self.duration)
            return self.func(*args, **kwargs)
    
        def eager_call(self, *args, **kwargs):
            print('Call without delay')
            return self.func(*args, **kwargs)
    
    def delay(duration):
        """
        装饰器:推迟某个函数的执行。
        同时提供 .eager_call 方法立即执行
        """
        # 此处为了避免定义额外函数,
        # 直接使用 functools.partial 帮助构造 DelayFunc 实例
        return functools.partial(DelayFunc, duration)

    我们的业务函数很简单,就是相加

    @delay(duration=2)
    def add(a, b):
        return a+b

    来看一下执行过程

    >>> add    # 可见 add 变成了 Delay 的实例
    <__main__.DelayFunc object at 0x107bd0be0>
    >>> 
    >>> add(3,5)  # 直接调用实例,进入 __call__
    Wait for 2 seconds...
    8
    >>> 
    >>> add.func # 实现实例方法
    <function add at 0x107bef1e0>

    08. 如何写能装饰类的装饰器?#

    用 Python 写单例模式的时候,常用的有三种写法。其中一种,是用装饰器来实现的。

    以下便是我自己写的装饰器版的单例写法。

    instances = {}
    
    def singleton(cls):
        def get_instance(*args, **kw):
            cls_name = cls.__name__
            print('===== 1 ====')
            if not cls_name in instances:
                print('===== 2 ====')
                instance = cls(*args, **kw)
                instances[cls_name] = instance
            return instances[cls_name]
        return get_instance
    
    @singleton
    class User:
        _instance = None
    
        def __init__(self, name):
            print('===== 3 ====')
            self.name = name

    可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上,并不是很常见,但只要熟悉装饰器的实现过程,就不难以实现对类的装饰。在上面这个例子中,装饰器就只是实现对类实例的生成的控制而已。

    其实例化的过程,你可以参考我这里的调试过程,加以理解。

    09. wraps 装饰器有啥用?#

    在 functools 标准库中有提供一个 wraps 装饰器,你应该也经常见过,那他有啥用呢?

    先来看一个例子

    def wrapper(func):
        def inner_function():
            pass
        return inner_function
    
    @wrapper
    def wrapped():
        pass
    
    print(wrapped.__name__)
    #inner_function
    

    为什么会这样子?不是应该返回 func 吗?

    这也不难理解,因为上边执行func 和下边 decorator(func) 是等价的,所以上面 func.__name__ 是等价于下面decorator(func).__name__ 的,那当然名字是 inner_function

    def wrapper(func):
        def inner_function():
            pass
        return inner_function
    
    def wrapped():
        pass
    
    print(wrapper(wrapped).__name__)
    #inner_function
    

    那如何避免这种情况的产生?方法是使用 functools .wraps 装饰器,它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ,最终让属性的显示更符合我们的直觉。

    from functools import update_wrapper
    
    WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__',
                           '__annotations__')
    
    def wrapper(func):
        def inner_function():
            pass
    
        update_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS)
        return inner_function
    
    @wrapper
    def wrapped():
        pass
    
    print(wrapped.__name__)

    准确点说,wraps 其实是一个偏函数对象(partial),源码如下

    def wraps(wrapped,
              assigned = WRAPPER_ASSIGNMENTS,
              updated = WRAPPER_UPDATES):
        return partial(update_wrapper, wrapped=wrapped,
                       assigned=assigned, updated=updated)
    

    可以看到wraps其实就是调用了一个函数update_wrapper,知道原理后,我们改写上面的代码,在不使用 wraps的情况下,也可以让 wrapped.__name__ 打印出 wrapped,代码如下:

    from functools import update_wrapper
    
    def wrapper(func):
        def inner_function():
            pass
        update_wrapper(func, inner_function)
        return inner_function
    
    @wrapper
    def wrapped():
        pass
    
    print(wrapped.__name__)
    # wrapped
    

    10. 内置装饰器:property#

    以上,我们介绍的都是自定义的装饰器。

    其实Python语言本身也有一些装饰器。比如property这个内建装饰器,我们再熟悉不过了。

    它通常存在于类中,可以将一个函数定义成一个属性,属性的值就是该函数return的内容。

    通常我们给实例绑定属性是这样的

    class Student(object):
        def __init__(self, name, age=None):
            self.name = name
            self.age = age
    
    # 实例化
    XiaoMing = Student("小明")
    
    # 添加属性
    XiaoMing.age=25
    
    # 查询属性
    XiaoMing.age
    
    # 删除属性
    del XiaoMing.age

    但是稍有经验的开发人员,一下就可以看出,这样直接把属性暴露出去,虽然写起来很简单,但是并不能对属性的值做合法性限制。为了实现这个功能,我们可以这样写。

    class Student(object):
        def __init__(self, name):
            self.name = name
            self.name = None
    
        def set_age(self, age):
            if not isinstance(age, int):
                raise ValueError('输入不合法:年龄必须为数值!')
            if not 0 < age < 100:
                raise ValueError('输入不合法:年龄范围必须0-100')
            self._age=age
    
        def get_age(self):
            return self._age
    
        def del_age(self):
            self._age = None
    
    
    XiaoMing = Student("小明")
    
    # 添加属性
    XiaoMing.set_age(25)
    
    # 查询属性
    XiaoMing.get_age()
    
    # 删除属性
    XiaoMing.del_age()

    上面的代码设计虽然可以变量的定义,但是可以发现不管是获取还是赋值(通过函数)都和我们平时见到的不一样。
    按照我们思维习惯应该是这样的。

    # 赋值
    XiaoMing.age = 25
    
    # 获取
    XiaoMing.age

    那么这样的方式我们如何实现呢。请看下面的代码。

    class Student(object):
        def __init__(self, name):
            self.name = name
            self.name = None
    
        @property
        def age(self):
            return self._age
    
        @age.setter
        def age(self, value):
            if not isinstance(value, int):
                raise ValueError('输入不合法:年龄必须为数值!')
            if not 0 < value < 100:
                raise ValueError('输入不合法:年龄范围必须0-100')
            self._age=value
    
        @age.deleter
        def age(self):
            del self._age
    
    XiaoMing = Student("小明")
    
    # 设置属性
    XiaoMing.age = 25
    
    # 查询属性
    XiaoMing.age
    
    # 删除属性
    del XiaoMing.age

    @property装饰过的函数,会将一个函数定义成一个属性,属性的值就是该函数return的内容。同时,会将这个函数变成另外一个装饰器。就像后面我们使用的@age.setter@age.deleter

    @age.setter 使得我们可以使用XiaoMing.age = 25这样的方式直接赋值。
    @age.deleter 使得我们可以使用del XiaoMing.age这样的方式来删除属性。

    property 的底层实现机制是「描述符」,为此我还写过一篇文章。

    这里也介绍一下吧,正好将这些看似零散的文章全部串起来。

    如下,我写了一个类,里面使用了 property 将 math 变成了类实例的属性

    class Student:
        def __init__(self, name):
            self.name = name
    
        @property
        def math(self):
            return self._math
    
        @math.setter
        def math(self, value):
            if 0 <= value <= 100:
                self._math = value
            else:
                raise ValueError("Valid value must be in [0, 100]")

    为什么说 property 底层是基于描述符协议的呢?通过 PyCharm 点击进入 property 的源码,很可惜,只是一份类似文档一样的伪源码,并没有其具体的实现逻辑。

    不过,从这份伪源码的魔法函数结构组成,可以大体知道其实现逻辑。

    这里我自己通过模仿其函数结构,结合「描述符协议」来自己实现类 property 特性。

    代码如下:

    class TestProperty(object):
    
        def __init__(self, fget=None, fset=None, fdel=None, doc=None):
            self.fget = fget
            self.fset = fset
            self.fdel = fdel
            self.__doc__ = doc
    
        def __get__(self, obj, objtype=None):
            print("in __get__")
            if obj is None:
                return self
            if self.fget is None:
                raise AttributeError
            return self.fget(obj)
    
        def __set__(self, obj, value):
            print("in __set__")
            if self.fset is None:
                raise AttributeError
            self.fset(obj, value)
    
        def __delete__(self, obj):
            print("in __delete__")
            if self.fdel is None:
                raise AttributeError
            self.fdel(obj)
    
    
        def getter(self, fget):
            print("in getter")
            return type(self)(fget, self.fset, self.fdel, self.__doc__)
    
        def setter(self, fset):
            print("in setter")
            return type(self)(self.fget, fset, self.fdel, self.__doc__)
    
        def deleter(self, fdel):
            print("in deleter")
            return type(self)(self.fget, self.fset, fdel, self.__doc__)

    然后 Student 类,我们也相应改成如下

    class Student:
        def __init__(self, name):
            self.name = name
    
        # 其实只有这里改变
        @TestProperty
        def math(self):
            return self._math
    
        @math.setter
        def math(self, value):
            if 0 <= value <= 100:
                self._math = value
            else:
                raise ValueError("Valid value must be in [0, 100]")

    为了尽量让你少产生一点疑惑,我这里做两点说明:

    1. 使用TestProperty装饰后,math 不再是一个函数,而是TestProperty 类的一个实例。所以第二个math函数可以使用 math.setter 来装饰,本质是调用TestProperty.setter 来产生一个新的 TestProperty 实例赋值给第二个math
    2. 第一个 math 和第二个 math 是两个不同 TestProperty 实例。但他们都属于同一个描述符类(TestProperty),当对 math 对于赋值时,就会进入 TestProperty.__set__,当对math 进行取值里,就会进入 TestProperty.__get__。仔细一看,其实最终访问的还是Student实例的 _math 属性。

    说了这么多,还是运行一下,更加直观一点。

    # 运行后,会直接打印这一行,这是在实例化 TestProperty 并赋值给第二个math
    in setter
    >>>
    >>> s1.math = 90
    in __set__
    >>> s1.math
    in __get__
    90

    如对上面代码的运行原理,有疑问的同学,请务必结合上面两点说明加以理解,那两点相当关键。

    11. 其他装饰器:装饰器实战#

    读完并理解了上面的内容,你可以说是Python高手了。别怀疑,自信点,因为很多人都不知道装饰器有这么多用法呢。

    在我看来,使用装饰器,可以达到如下目的:

    • 使代码可读性更高,逼格更高;
    • 代码结构更加清晰,代码冗余度更低;

    刚好我在最近也有一个场景,可以用装饰器很好的实现,暂且放上来看看。

    这是一个实现控制函数运行超时的装饰器。如果超时,则会抛出超时异常。

    有兴趣的可以看看。

  • 相关阅读:
    .NET使用DAO.NET实体类模型操作数据库
    .NET连接数据库及基本增删改查
    Struts2超链接
    微信小程序与Java后台的通信
    Java中重载和重写的区别
    Java中Double保留后小数位的几种方法
    北大集训2019游记
    HTML5前端
    软件测试面试题2018
    软件测试笔试题(2018精华篇)
  • 原文地址:https://www.cnblogs.com/gaodi2345/p/11671420.html
Copyright © 2020-2023  润新知