装饰器也是一个函数，它是让其他函数在不变动的前提下增加额外的功能
装饰器是一个闭包，把一个函数当作参数返回一个替代版的函数，本质是一个返回函数的函数，即返回值为函数对象
Python 3支持用@符号直接将装饰器应用到函数
装饰器工作场景：插入日志、性能测试、事务处理等等
简单的装饰器
很多时候我们需要计算函数的运行时间，如果一个个写很麻烦也毫无意义，通过装饰器可以只写一次，复用多次。
from datetime import datetime
# 计算函数运行时间的装饰器
def runtime(func):
def wrapper(*args,**kwargs):
print("Function Name:" + func.__name__)
start_time = datetime.now()
print("[{}]:The function starts.".format(start_time))
result = func(*args,**kwargs)
end_time = datetime.now()
continue_time = (end_time-start_time).microseconds / 1000
print("[{}]:The function ends.".format(end_time))
print("[{}]:The function's runtime is {} ms".format(datetime.now(),continue_time))
return result
return wrapper
# 以求和函数为例
@runtime
def total(*args):
s = 0
for x in args:
s = s + x
return s
t = total(*[n for n in range(1000)])
print(t)
"""
Output:
Function Name:total
[2020-03-10 13:38:59.721205]:The function starts.
[2020-03-10 13:38:59.721205]:The function ends.
[2020-03-10 13:38:59.721205]:The function's runtime is 0.0 ms
499500
"""
可以看出装饰器的作用是：total = runtime(total)，因为求和函数有返回值，故装饰器函数内也需要返回值，由于在函数执行后装饰器还要有一些操作，所以可以用一个变量存储函数返回的结果，等等装饰器工作完成再返回。
functools.wraps
接着上面的代码，如果执行print(total.__name__)，会发现输出的不是total，而是wrapper，就是装饰器函数内定义的那个函数，要改变这个下次可以利用functools里的wraps装饰器，我重新写一个简单的装饰器来看看：
from functools import wraps
def decorator(func):
@wraps(func)
def wrapper(*args,**kwargs):
func(*args,**kwargs)
return wrapper
@decorator
def sayHi():
pass
print(sayHi.__name__) # sayHi
带参数的装饰器
假如你想要输出日志，但是要指定输出到哪个文件，这时候装饰器就需要参数了。
from functools import wraps
def log(filename):
def log2file(func):
@wraps(func)
def wrappers(*args, **kwargs):
result = func(*args, **kwargs)
log_string = "Method Name :{}
args:{}
**kwargs:{}"
"
return value:{}".format(func.__name__, args, kwargs, result)
with open(filename, "a") as f:
f.write(log_string)
return result
return wrappers
return log2file
@log("log.txt")
def total(*l):
sum = 0
for x in l:
sum += x
return x
total(50)
此时，打开log.txt可以看到日志已经写进去了：
Method Name :total
args:(50,)
**kwargs:{}
return value:50
这里total = log(“log.txt”)(total)，简单分析下， log(“log.txt”)返回的是函数log2file，实际上变成了total = log2file(total)，而log2file返回的是wrapper函数，所以total = wrapper，最后调用total时，是有返回值的，所以wrapper函数也必须有返回值。
多个装饰器的执行顺序
@runtime
@log("log.txt")
def total(*l):
sum = 0
for x in l:
sum += x
return x
- 像这种同一个函数调用多个装饰器的要注意业务逻辑是否对顺序有要求，没有要求则随意谁先谁后，若有要求则必须按照调用顺序排列
- 装饰器遵循的是就近原则，先执行离函数近的，再执行远的，像上面这种写法，相当于
total = runtime(log(“log.txt”)(total))
类装饰器
from functools import wraps
# 只打印日志
class log(object):
def __init__(self, logfile="out.log"):
self.__logfile = logfile
def __call__(self, func):
@wraps(func)
def wrappers(*args, **kwargs):
log_string = func.__name__ + " was called"
with open(self.__logfile, "a") as f:
f.write(log_string)
self.email()
return func(*args, **kwargs)
return wrappers
def email(self):
pass
class email_log(log):
def __init__(self, email="admin@qq.com", *args, **kwargs):
self.__email = email
super().__init__(*args, **kwargs)
def email(self):
print("邮件发送了")
@email_log()
def total(n):
sum = 0
while n > 0:
sum += n
n -= 1
return sum
total(10)
类装饰器本质上和函数装饰器一样，函数装饰器是@函数名或者@函数名(参数)，而类装饰器是@类名()或者@类名(参数)，但是，必须实现__call__方法。以@log()为例，假设对f()装饰，首先是log()创建对象，然后由于实现了__call__方法，变成了callable对象，所以可以执行f = log()(f)。
类装饰器还有个好处是可以通过继承，进一步简化代码和优化理解。