转载的，希望学习中方便查看，如果有需要修改，请联系我，谢谢！
原地址http://www.cnblogs.com/yuanchenqi/articles/5830025.html
装饰器
在Python这个国家里，装饰器以及后面讲到的迭代器，生成器都是十二分重要的高级函数。
如果将装饰器比作取经路上的一个大boss，那么想干掉它必须拿到三件法宝
法宝一（作用域）：
法宝二（函数即对象）：
在python的世界里，函数和我们之前的[1,2,3],'abc',8等一样都是对象，而且函数是*的对象（对象是类的实例化，可以调用相应的方法，函数是包含变量对象的对象，牛逼！）。
|
1
2
3
4
5
6
7
8
9
10
|
def
foo():
print
(
'i am the foo'
)
bar()
def
bar():
print
(
'i am the bar'
)
foo()
# def bar(): #报错
# print('i am the bar')
|
带着这个问题，我们聊一聊函数在内存的存储情况：
图1
函数对象的调用仅仅比其它对象多了一个()而已！foo,bar与a,b一样都是个变量名。
那上面的问题也就解决了，只有函数加载到内存才可以被调用。
既然函数是对象，那么自然满足下面两个条件：
1. 其可以被赋给其他变量
|
1
2
3
4
5
6
|
def
foo():
print
(
'foo'
)
bar
=
foo
bar()
foo()
print
(
id
(foo),
id
(bar))
#4321123592 4321123592
|
2. 其可以被定义在另外一个函数内(作为参数&作为返回值),类似于整形，字符串等对象。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#*******函数名作为参数**********
def
foo(func):
print
(
'foo'
)
func()
def
bar():
print
(
'bar'
)
foo(bar)
#*******函数名作为返回值*********
def
foo():
print
(
'foo'
)
return
bar
def
bar():
print
(
'bar'
)
b
=
foo()
b()
|
注意：这里说的函数都是指函数名，比如foo；而foo()已经执行函数了，foo()是什么类型取决于return的内容是什么类型！！！
另外，如果大家理解不了对象，那么就将函数理解成变量，因为函数对象总会由一个或多个变量引用，比如foo，bar。
法宝三（函数的嵌套以及闭包）：
抛一个小问题：
|
1
2
3
4
5
6
|
def
foo():
print
(
'foo'
)
def
bar():
print
(
'bar'
)
# bar()
bar()
|
是的，bar就是一个变量名，有自己的作用域的。
Python允许创建嵌套函数。通过在函数内部def的关键字再声明一个函数即为嵌套：
|
1
2
3
4
5
6
7
8
9
10
11
|
#想执行inner函数,两种方法
def
outer():
x
=
1
def
inner():
print
(x)
# 1
# inner() # 2
return
inner
# outer()
in_func
=
outer()
in_func()
|
在这里，你有没有什么疑问？如果没有，那我问你：
1 两种调用方式有区别吗，不都是在外面调用inner吗？
|
1
2
3
4
|
in_func
=
outer()
in_func()
###########
inner()(已经加载到内存啦)
|
def outer(): x = 1 def inner(): b=6 print (x) return inner #inner()#报错原因:找不到这个引用变量 in_func=outer()#这里其实就是一个变量赋值,将inner的引用对象赋值给in_func,类似于a=5,b=a一样 #有同学会想直接赋值不行吗:in_func=inner? 哥,inner不还是找不到吗,对吧 in_func()
2
|
1
2
3
|
def
outer():
x
=
1
#函数outer执行完毕即被销毁
print
(x)
|
既然这样，i()执行的时候outer函数已经执行完了，为什么inner还可以调用outer里的变量x呢？
哈，这就涉及到我们叫讲的闭包啦！
因为：outer里return的inner是一个闭包函数，有x这个环境变量。
OK，那么什么是闭包呢？
闭包(closure)是函数式编程的重要的语法结构。
定义：如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包(closure).
如上实例，inner就是内部函数，inner里引用了外部作用域的变量x（x在外部作用域outer里面，不是全局作用域），
则这个内部函数inner就是一个闭包。
再稍微讲究一点的解释是，闭包=函数块+定义函数时的环境，inner就是函数块，x就是环境，当然这个环境可以有很多，不止一个简单的x。
|
1
|
print
(in_func.__closure__[
0
].cell_contents)
|
用途省略
# 用途1：当闭包执行完后，仍然能够保持住当前的运行环境。 # 比如说，如果你希望函数的每次执行结果，都是基于这个函数上次的运行结果。我以一个类似棋盘游戏的例子 # 来说明。假设棋盘大小为50*50，左上角为坐标系原点(0,0)，我需要一个函数，接收2个参数，分别为方向 # (direction)，步长(step)，该函数控制棋子的运动。棋子运动的新的坐标除了依赖于方向和步长以外， # 当然还要根据原来所处的坐标点，用闭包就可以保持住这个棋子原来所处的坐标。 origin = [0, 0] # 坐标系统原点 legal_x = [0, 50] # x轴方向的合法坐标 legal_y = [0, 50] # y轴方向的合法坐标 def create(pos=origin): def player(direction,step): # 这里应该首先判断参数direction,step的合法性，比如direction不能斜着走，step不能为负等 # 然后还要对新生成的x，y坐标的合法性进行判断处理，这里主要是想介绍闭包，就不详细写了。 new_x = pos[0] + direction[0]*step new_y = pos[1] + direction[1]*step pos[0] = new_x pos[1] = new_y #注意！此处不能写成 pos = [new_x, new_y]，原因在上文有说过 return pos return player player = create() # 创建棋子player，起点为原点 print (player([1,0],10)) # 向x轴正方向移动10步 print (player([0,1],20)) # 向y轴正方向移动20步 print (player([-1,0],10)) # 向x轴负方向移动10步
# 用途2：闭包可以根据外部作用域的局部变量来得到不同的结果，这有点像一种类似配置功能的作用，我们可以 # 修改外部的变量，闭包根据这个变量展现出不同的功能。比如有时我们需要对某些文件的特殊行进行分析，先 # 要提取出这些特殊行。 def make_filter(keep): def the_filter(file_name): file = open(file_name) lines = file.readlines() file.close() filter_doc = [i for i in lines if keep in i] return filter_doc return the_filter # 如果我们需要取得文件"result.txt"中含有"pass"关键字的行，则可以这样使用例子程序 filter = make_filter("pass") filter_result = filter("result.txt")
装饰器概念
说了这么多，终于到了我们的装饰器了。
装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
业务生产中大量调用的函数：
|
1
2
3
|
def
foo():
print
(
'hello foo'
)
foo()
|
现在有一个新的需求，希望可以记录下函数的执行时间，于是在代码中添加日志代码：
|
1
2
3
4
5
6
7
8
9
|
import
time
def
foo():
start_time
=
time.time()
print
(
'hello foo'
)
time.sleep(
3
)
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
foo()
|
bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import
time
def
show_time(func):
start_time
=
time.time()
func()
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
def
foo():
print
(
'hello foo'
)
time.sleep(
3
)
show_time(foo)
|
逻辑上不难理解，而且运行正常。 但是这样的话,你基础平台的函数修改了名字，容易被业务线的人投诉的，因为我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行foo()，但是现在不得不改成show_time(foo)。那么有没有更好的方式的呢？当然有，答案就是装饰器。
简单装饰器
if foo()==show_time(foo) :问题解决!
所以，我们需要show_time(foo)返回一个函数对象，而这个函数对象内则是核心业务函数:执行func()与装饰函数时间计算，修改如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import
time
def
show_time(func):
def
wrapper():
start_time
=
time.time()
func()
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
return
wrapper
def
foo():
print
(
'hello foo'
)
time.sleep(
3
)
foo
=
show_time(foo)
foo()
|
函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像foo被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import
time
def
show_time(func):
def
wrapper():
start_time
=
time.time()
func()
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
return
wrapper
@show_time
#foo=show_time(foo)
def
foo():
print
(
'hello foo'
)
time.sleep(
3
)
@show_time
#bar=show_time(bar)
def
bar():
print
(
'in the bar'
)
time.sleep(
2
)
foo()
print
(
'***********'
)
bar()
|
如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
这里需要注意的问题： foo=show_time(foo)其实是把wrapper引用的对象引用给了foo，而wrapper里的变量func之所以可以用，就是因为wrapper是一个闭包函数。
key：
@show_time帮我们做的事情就是当我们执行业务逻辑foo()时，执行的代码由粉框部分转到蓝框部分，仅此而已！
装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。
带参数的被装饰函数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import
time
def
show_time(func):
def
wrapper(a,b):
start_time
=
time.time()
func(a,b)
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
return
wrapper
@show_time
#add=show_time(add)
def
add(a,b):
time.sleep(
1
)
print
(a
+
b)
add(
2
,
4
)
|
import time def show_time(func): def wrapper(a,b): start_time=time.time() ret=func(a,b) end_time=time.time() print('spend %s'%(end_time-start_time)) return ret return wrapper @show_time #add=show_time(add) def add(a,b): time.sleep(1) return a+b print(add(2,5))
不定长参数
#***********************************不定长参数 import time def show_time(func): def wrapper(*args,**kwargs): start_time=time.time() func(*args,**kwargs) end_time=time.time() print('spend %s'%(end_time-start_time)) return wrapper @show_time #add=show_time(add) def add(*args,**kwargs): time.sleep(1) sum=0 for i in args: sum+=i print(sum) add(2,4,8,9)
带参数的装饰器
装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
import
time
def
time_logger(flag
=
0
):
def
show_time(func):
def
wrapper(
*
args,
*
*
kwargs):
start_time
=
time.time()
func(
*
args,
*
*
kwargs)
end_time
=
time.time()
print
(
'spend %s'
%
(end_time
-
start_time))
if
flag:
print
(
'将这个操作的时间记录到日志中'
)
return
wrapper
return
show_time
@time_logger
(
3
)
def
add(
*
args,
*
*
kwargs):
time.sleep(
1
)
sum
=
0
for
i
in
args:
sum
+
=
i
print
(
sum
)
add(
2
,
7
,
5
)
|
@time_logger(3) 做了两件事：
（1）time_logger(3)：得到闭包函数show_time，里面保存环境变量flag
（2）@show_time ：add＝show_time(add)
上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我 们使用@time_logger(3)调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。
多层装饰器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def
makebold(fn):
def
wrapper():
return
"<b>"
+
fn()
+
"</b>"
return
wrapper
def
makeitalic(fn):
def
wrapper():
return
"<i>"
+
fn()
+
"</i>"
return
wrapper
@makebold
@makeitalic
def
hello():
return
"hello alvin"
hello()
|
过程：
类装饰器
再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。
import time class Foo(object): def __init__(self, func): self._func = func def __call__(self): start_time=time.time() self._func() end_time=time.time() print('spend %s'%(end_time-start_time)) @Foo #bar=Foo(bar) def bar(): print ('bar') time.sleep(2) bar() #bar=Foo(bar)()>>>>>>>没有嵌套关系了,直接active Foo的 __call__方法
functools.wraps
使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：
def foo(): print("hello foo") print(foo.__name__) ##################### def logged(func): def wrapper(*args, **kwargs): print (func.__name__ + " was called") return func(*args, **kwargs) return wrapper @logged def cal(x): return x + x * x print(cal.__name__) ######## # foo # wrapper
解释：
|
1
2
3
|
@logged
def
f(x):
return
x
+
x
*
x
|
等价于：
|
1
2
3
|
def
f(x):
return
x
+
x
*
x
f
=
logged(f)
|
不难发现，函数f被wrapper取代了，当然它的docstring，__name__就是变成了wrapper函数的信息了。
|
1
2
|
print
f.__name__
# prints 'wrapper'
print
f.__doc__
# prints None
|
这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from
functools
import
wraps
def
logged(func):
@wraps
(func)
def
wrapper(
*
args,
*
*
kwargs):
print
(func.__name__
+
" was called"
)
return
func(
*
args,
*
*
kwargs)
return
wrapper
@logged
def
cal(x):
return
x
+
x
*
x
print
(cal.__name__)
#cal
|
内置装饰器
@staticmathod
@classmethod
@property
学习类的时候我们详细介绍的...
补充
##----------------------------------------foo函数先加载到内存,然后foo变量指向新的引用,所以递归里的foo是wrapper函数对象 # def show_time(func): # # def wrapper(n): # ret=func(n) # print("hello,world") # return ret # return wrapper # # @show_time# foo=show_time(foo) # def foo(n): # if n==1: # return 1 # return n*foo(n-1) # print(foo(6)) ######################## def show_time(func): def wrapper(n): ret=func(n) print("hello,world") return ret return wrapper @show_time# foo=show_time(foo) def foo(n): def _foo(n): if n==1: return 1 return n*_foo(n-1) return _foo(n) print(foo(6))