@修饰符 二

修饰符基础——闭包

什么是闭包呢？标准的概念大家可以看wikipedia上的解释点击打开链接   举个例子：

def do_add(base):
    def add(increase):
        return base + increase
    return add

do_add函数里嵌套了一个内层函数add，这个内层函数就是一个闭包，其实可以也不用管这个“闭包”的概念，先来看下这种模式解决些什么问题.

调 用do_add函数：a = do_add(23)，由于内层的函数add里的逻辑用到了do_add函数的入参，而这时这个入参base绑定了值23，由于do_add函数返回的是 函数add，所以这时的a其实就是内部的add绑定了23的函数add；同理可知，b = do_add(44)，这里的b就是内部add绑定了44的函数add，a和b这两个add函数是不相同的，因为内部add绑定的值不同，只是两个函数的 模板相同罢了，这时我们执行a(100)得到结果是123，b(100)得到结果是144。这样做有什么用呢？其实可以这样看：我们可以把a = do_add(23)和b = do_add(44)看成是配置过程，23和44是配置信息，a(100)和b(100)根据不同的配置获得不同的结果，这样我们就可以解决开发中“根据 配置信息不同获得不同结果”的问题

而修饰符实际上就是闭包一种形式，只是配置过程参数是所修饰的一个函数，并且用@符号代替了a=do_add(23)这样的配置方式，下面看一下修饰符的用法

修饰符用法

修饰符无参数，原函数无参数

import time

def timeit(func):
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print 'used:', end - start
    return wrapper

@timeit
def foo():
    print 'in foo()'

foo()

如上代码：对所修饰函数运行时间的进行统计，最后修饰过的 foo()  等价于 foo=timeit(foo) 而timeit返回wrapper，归根到底真正执行的是wrapper

在实际应用中，函数很少没有参数，所以我们看看foo有参数的情况下，修饰符怎么用

修饰符无参数，原函数有参数

import time

def timeit(func):
    def wrapper(args):
        start = time.clock()
        func(args)
        end =time.clock()
        print 'used:', end - start
    return wrapper

@timeit
def foo(arg):
    print 'in foo(),arg is' + arg
    foo("aaaaa")

上述过程可以简化如下：

[decorated] foo(‘aaaaa’)   =>   timeit(foo)(‘aaaaa’)  =>  wrapper(‘aaaaa’)  =>  [real] foo(‘aaaaa’)

如果修饰符函数也有参数，又怎么用呢？

修饰符有参数，原函数有参数

import time

def timeit(s):
  def wrapper1(func)
    def wrapper2(args):
        print "the decorator's arg is"+s
        start = time.clock()
        func(args)
        end =time.clock()
        print 'used:', end - start
    return wrapper2
  return wrapper1

@timeit(s="hello")
def foo(arg):
    print 'in foo(),arg is' + arg
foo("aaaaa")


同理，就是多加了一层闭包。

应用多个修饰符

这个记住一个结论就好了，就是修饰符从离原函数最近的开始包裹，最外层的修饰符最后包裹

应用举例——Fibonacci数列

def memoize(f):
    cache = {}
    def helper(x):
        if x not in cache:
            cache[x] = f(x)
        return cache[x]
    return helper

@memoize()
def fib(n):
    if n in (0, 1):
        return n
    else:
        return fib(n - 1) + fib(n - 2)