Python语法糖

这个应该是基础吧，回头好好的补一下python基础 [TOC] ###作用：

• python函数修饰符@的作用是为现有函数增加额外的功能，常用于插入日志、性能测试、事务处理等等。菜鸟教程
• 用于拓展原来函数功能的一种函数，目的是在不改变原函数名(或类名)的情况下，给函数增加新的功能。 ref
• 这个函数的特殊之处在于它的返回值也是一个函数，这个函数是内嵌“原”函数的函数
• 在 Python 中， 装饰器 一般用来修饰函数，实现公共功能，达到代码复用的目的。 在函数定义前加上 @xxxx ，然后函数就注入了某些功能，很神奇！ 然而，这只是 语法糖 而已，起决定性作用的其实是 闭包 。

层层嵌套 ###用法:

• 修饰符是一个函数
• 修饰符取被修饰函数为参数
• 修饰符返回一个新函数
• 修饰符维护被维护函数的签名

###demo 这个demo是完全fork大神博客的，这里面闭包和语法糖讲的很清晰 简书 ####1.假设有不同的工作函数来完成一些任务

def work_bar(data):
    pass

def work_foo(data):
    pass

如果想在函数调用前后输出日志的话怎么办呢？

####2.傻瓜式解法

logging.info('begin call work_bar')
work_bar(1)
logging.info('call work_bar done')

如果有多处代码调用呢？想想就怕！ 因此函数包装安排上

傻瓜解法无非是有太多代码冗余，每次函数调用都要写一遍 logging 。 可以把这部分冗余逻辑封装到一个新函数里：

####3.定义函数，缩减代码

def smart_work_bar(data):
    logging.info('begin call: work_bar')
    work_bar(data)
    logging.info('call doen: work_bar')

####4.这样，每次调用 smart_work_bar 即可：

smart_work_bar(1)
# others...
smart_work_bar(some_data)

####5.通用闭包 看上去挺完美…… 然而，当 work_foo 也有同样的需要时，还要再实现一遍 smart_work_foo 吗？ 这样显然不科学呀！

因此，我们可以用 闭包 ：

def log_call(func):
    def proxy(*args, **kwargs):
        logging.info('begin call: {name}'.format(name=func.func_name))
        result = func(*args, **kwargs)
        logging.info('call done: {name}'.format(name=func.func_name))
        return result
    return proxy

这个函数接收一个函数对象(被代理函数)作为参数，返回一个代理函数。 调用代理函数时，先输出日志，然后调用被代理函数，调用完成后再输出日志，最后返回调用结果。 这样，不就达到通用化的目的了吗？——对于任意被代理函数 func ， log_call 均可轻松应对。 代理函数应该就是被修饰的函数

smart_work_bar = log_call(work_bar)
smart_work_foo = log_call(work_foo)

smart_work_bar(1)
smart_work_foo(1)

# others...

smart_work_bar(some_data)
smart_work_foo(some_data)

第 1 行中， log_call 接收参数 work_bar ，返回一个代理函数 proxy ，并赋给 smart_work_bar 。 第 4 行中，调用 smart_work_bar ，也就是代理函数 proxy ，先输出日志，然后调用 func 也就是 work_bar ，最后再输出日志。 注意到，代理函数中， func 与传进去的 work_bar 对象紧紧关联在一起了，这就是 闭包 。

再提一下，可以覆盖被代理函数名，以 smart_ 为前缀取新名字还是显得有些累赘：

work_bar = log_call(work_bar)
work_foo = log_call(work_foo)

####6.语法糖 先来看看以下代码：

def work_bar(data):
    pass
work_bar = log_call(work_bar)

def work_foo(data):
    pass
work_foo = log_call(work_foo)

虽然代码没有什么冗余了，但是看是去还是不够直观。这时候，语法糖来了~~~

@log_call
def work_bar(data):
    pass

因此，注意一点( 划重点啦 )，这里 @log_call 的作用只是： 告诉 Python 编译器插入代码 work_bar = log_call(work_bar)

###参考文献

参考1