首先回顾一下关于Python装饰器以及装饰器模式
补全
根据Java实现装饰器模式的，我们可以写下面一段代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import logging
def use_logging(func):
logging.warn("%s is running" % func.__name__)
return func
def foo():
print('i am foo')
foo = use_logging(foo)
foo() # 调用
|
这个实现对于上篇文章中提到的Java使用装饰器。上面也是一个装饰器，实现最简单的一个增加函数日志的功能，但是如果这个额外功能是要去检测传入的参数时，这时上面的就不行了。这时12步轻松搞定python装饰器中的例子还是精妙的。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
# 装饰器
def wrapper(func):
def checker(a, b): # 1
if a.x < 0 or a.y < 0:
a = Coordinate(a.x if a.x > 0 else 0, a.y if a.y > 0 else 0)
if b.x < 0 or b.y < 0:
b = Coordinate(b.x if b.x > 0 else 0, b.y if b.y > 0 else 0)
ret = func(a, b)
if ret.x < 0 or ret.y < 0:
ret = Coordinate(ret.x if ret.x > 0 else 0, ret.y if ret.y > 0 else 0)
return ret
return checker
# 原函数
def add(a, b):
return Coordinate(a.x + b.x, a.y + b.y)
# 使用装饰
add = wrapper(add)
|
细心你会发现，装饰器函数的参数就是传入的原函数，而内部函数的参数跟原函数一模一样，最外层返回的是内部函数的引用，内部函数返回的是传入参数的引用调用的结果
这里用到了函数作为参数特性，当然还有些闭包的知识，具体请看 上面提到的博客链接，真的讲的不错。
而上篇说到的Python装饰 特性就是这个神奇的语法糖了，可以这样使用
|
1
2
3
4
|
# 原函数
@wrapper
def add(a, b):
return Coordinate(a.x + b.x, a.y + b.y)
|
带参数的装饰器
如果要实现一个带参数的装饰器，那要怎么写呢
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
def time_diff(s):
def decorator(func):
def wrapper(*args, **kwargs):
start_time = time.time()
res = func(*args, **kwargs)
end_time = time.time()
print("[%s]执行程序所用时间: %s" % (s, end_time - start_time))
return res
return wrapper
return decorator
@time_diff("polynomial_1")
def polynomial_1(n, x):
res = 0
for i in range(n):
res += i*pow(x, i)
return res
|
调用并执行输出结果：
|
1
2
3
4
|
print(polynomial_1(1, 5))
[duoxiangshi_1]执行程序所用时间: 4.76837158203125e-06
0
|
带参数的装饰器需要在不带参数装饰器外再定义一层函数，最外层函数的返回值是第二层函数的引用。
总结：多些多练，用于实际中，才能更加熟练。最近学数据结构与算法，写些装饰器用来看程序执行时间，真是再方便不过了！
原文链接：https://segmentfault.com/a/1190000015042025