Python函数小结（2）-- 装饰器、 lambda

时间：2024-01-01 21:12:03

本篇依然是一篇学习笔记，文章的结构首先讲装饰器，然后讲lambda表达式。装饰器内容较多，先简要介绍了装饰器语法，之后详细介绍理解和使用不带参数装饰器时应当注意到的一些细节，然后实现了一个简单的缓存装饰器作为实践，最后在理解不带参数的装饰器的基础上，介绍了理解和使用带参数的装饰器需要注意到的细节。lambda表达式的讲解依然着重于使用细节和理解上。如果有不对的地方欢迎指正。

装饰器

　　实际上理解装饰器的作用很简单，在看core python相关章节的时候大概就是这种感觉。只是在实际应用的时候，发现自己很难靠直觉决定如何使用装饰器，特别是带参数的装饰器，于是摊开来思考了一番，写下一些心得。

装饰器简述

　　为了完整起见，这里简要说明一下装饰器的语法。装饰器分为带参数得装饰器以及不带参数得装饰器。装饰器以及使用效果看起来大概是这样的。

#语法是这个样子的

@decorator(dec_opt_args)

def func2Bdecorated(func_opt_args):

	...

#不带参数的装饰器

@dec1

@dec2

def func():

	...

#这个函数声明等价于

func = dec1(dec2(func))

#带参数的装饰器

@dec(some_args)

def func():

	...

#这个函数声明等价于

func = dec(some_args)(func)

不带参数的装饰器需要注意的一些细节

　　这里将说明使用带参数的装饰器时需要注意的一些细节。并会实现一个简单缓存装饰器，来帮助理解。

1. 关于装饰器函数(decorator)本身

　　对于被装饰的函数func，不带参数的装饰器接受一个函数为参数，并返回一个装饰过的函数decorated_func。因为对返回的函数没有限制，所以decorator函数甚至可以返回与func完全无关的新函数。但是大部分情况下，decorated_func是对func的额外处理，因此一个装饰器一般对应两个函数，一个是decorator函数，用来进行一些初始化操作处理，一个是decorated_func用来实现对被装饰的函数func的额外处理。并且为了保持对func的引用，decorated_func一般作为decorator的内部函数，比如：

#一般将decorated_func作为decorator的内部函数

#因为内部函数可以保持对func的引用(详见(1)的闭包讲解)

>>> def decorator(func):

...     print 'init opration'

...     def decorated_func():

...             return func(2)

...     return decorated_func

...

2. decorator函数只在函数声明的时候被调用一次

　　装饰器实际上是语法糖，在声明函数之后就会被调用，产生decorated_func，并把func符号的引用替换为decorated_func。之后每次调用func函数，实际调用的是decorated_func。

>>> def decorator(func):

...     def decorated_func():

...         func(1)

...     return decorated_func

...

#声明时就被调用

>>> @decorator

... def func(x):

...     print x

...

decorator being called

#使用func()函数实际上使用的是decorated_func函数

>>> func()

1

>>> func.__name__

'decorated_func'

　　如果要保证返回的decorated_func的函数名与func的函数名相同，应当在decorator函数返回decorated_func之前，加入decorated_func.name = func.name， 另外functools模块提供了wraps装饰器，可以完成这一动作。

#@wraps(func)的操作相当于

#在return decorated_func之前，执行

#decorated_func.__name__ = func.__name__

#func作为装饰器参数传入，

#decorated_func则作为wraps返回的函数的参数传入

>>> def decorator(func):

...		@wraps(func)

...     def decorated_func():

...         func(1)

...     return decorated_func

...

#声明时就被调用

>>> @decorator

... def func(x):

...     print x

...

decorator being called

#使用func()函数实际上使用的是decorated_func函数

>>> func()

1

>>> func.__name__

'func'

3. decorator函数局部变量的妙用

　　因为closure的特性（详见(1)部分闭包部分的详解），decorator声明的变量会被decorated_func.func_closure引用，所以调用了decorator方法结束之后，decorator方法的局部变量也不会被回收，因此可以用decorator方法的局部变量作为计数器，缓存等等。值得注意的是，如果要改变变量的值，该变量一定要是可变对象，因此就算是计数器，也应当用列表来实现。并且声明一次函数调用一次decorator函数，所以不同函数的计数器之间互不冲突，例如：



#!/usr/bin/env python

#filename decorator.py

def decorator(func):

	#注意这里使用可变对象

    a = [0]

    def decorated_func(*args,**keyargs):

        func(*args, **keyargs)

        #因为闭包是浅拷贝，如果是不可变对象，每次调用完成后符号都会被清空，导致错误

        a[0] += 1

		print "%s have bing called %d times" % (func.__name__, a[0])

    return decorated_func

@decorator

def func(x):

    print x

@decorator

def theOtherFunc(x):

    print x


>>> from decorator import func

>>> from decorator import theOtherFunc

>>> func(0)

0

func have bing called 1 times

>>> func(0)

0

func have bing called 2 times

>>> func(0)

0

func have bing called 3 times

>>> theOtherFunc(0)

0

theOtherFunc have bing called 1 times

>>> theOtherFunc(1)

1

theOtherFunc have bing called 2 times

>>> theOtherFunc(2)

2

theOtherFunc have bing called 3 times

4. 简单的结果缓存装饰器

#coding=UTF-8

#!/usr/bin/env python

#filename decorator.py

import time

from functools import wraps

def decorator(func):

	"cache for function result, which is immutable with fixed arguments"

    print "initial cache for %s" % func.__name__

    cache = {}

    @wraps(func)

    def decorated_func(*args,**kwargs):

        #key必须是可哈希对象

        #这里其实不严谨，如果kwargs值有不可哈希对象会出错

        #简单起见这里不再做特殊处理

        key = (args, tuple(kwargs.items()))

        result = None

        #判断是否存在缓存

        if key in cache:

            (result, updateTime) = cache[key]

            #过期时间固定为10秒

            if time.time() -updateTime < 10:

                print "cache hit for", key

            else :

                print  "cache expired for", key

                result = None

        else:

            print "no cache for ", key

        #如果过期，或则没有缓存调用方法

        if result is None:

            result = func(*args, **kwargs)

        cache[key] = (result, time.time())

        return result

    return decorated_func

@decorator

def func(x):

    if x <=1:

        return 1

    return x + func(x-1)
>>> from decorator import func

initial cache for func

>>> func(5)

no cache for  ((5,), ())

no cache for  ((4,), ())

no cache for  ((3,), ())

no cache for  ((2,), ())

no cache for  ((1,), ())

15

>>> func(5)

cache hit for ((5,), ())

15

>>> func(1)

cache expired for ((1,), ())

1

>>> func(2)

cache expired for ((2,), ())

cache hit for ((1,), ())

3

带参数的装饰器

　　熟悉了不带参数的装饰器的使用之后，理解带参数的装饰器就简单很多了。带参数的装饰器主要用来传递一些设置，或者用来选择不同的装饰器。
　　我们已经知道，不带参数的装饰器调用decorator返回decorated_func。那么带参数的装饰器，就是返回decorator方法，再由decorator方法处理后，返回decorated_func。因此带参数的装饰器一般由3个方法组成，首先，调用settings_func用来接受参数, 并选择decorator方法， 之后调用返回的decorator方法产生decorated_func来对func进行额外处理。
　　有了settings_func我们就可以对decorator进行定制。如之前的实现的缓存方法，过期时间固定为10秒，有了settings_func我们就可以自定义过期时间，判断是否进行调试输出等。

1. 为缓存装饰器增加配置参数

　　这里加入了对过期时间的配置，和调试输出的开关。

　　

#coding=UTF-8

#!/usr/bin/env python

#filename decorator.py

import time

from functools import wraps

def cache(expirationTime, debug=False):

    def decorator(func):

        if debug:

            print "initial cache for %s" % func.__name__

        cache = {}

        @wraps(func)

        def decorated_func(*args,**kwargs):

            #key必须是可哈希对象

            #这里其实不严谨，如果kwargs值有不可哈希对象会出错

            #简单起见这里不再做特殊处理

            key = (args, tuple(kwargs.items()))

            result = None

            if key in cache:

                (result, updateTime) = cache[key]

                if time.time() -updateTime < expirationTime:

                    print "cache hit for", key

                else :

                    if debug:

                        print  "cache expired for", key

                    result = None

            elif debug:

                print "no cache for ", key

            if result is None:

                result = func(*args, **kwargs)

            cache[key] = (result, time.time())

            return result

        return decorated_func

    return decorator

@cache(10)

def func(x):

    if x <=1:

	return 1

    return x + func(x-1)

可以看到除了cache hit，其他的消息都被debug=False关闭了。

>>> func(5)

15

>>> func(1)

cache hit for ((1,), ())

1

>>> func(2)

cache hit for ((2,), ())

3

>>> func(3)

cache hit for ((2,), ())

6

被装饰的函数共用变量

　　上面的例子由于装饰器的变量（计数器，缓存）是在装饰器的方法中声明的，所以不同方法的这些变量是不通用的。要使得同一个装饰器装饰的不同方法变量通用（如共用缓存等），可以使用类属性，或全局变量来实现。

lambda表达式

　　lambda表达式实际上就是匿名函数，类似javascript的function([arg1,[arg2[...]]]){...}。 python中lambda表达式返回的就是函数实例。 语法中lambda后面跟随的是参数， 冒号后面跟随的是返回的结果。

>>> bar = lambda x,y : x+y

>>> type(bar)

<type 'function'>

>>> bar(1,2)

3

同时，lambda表达式也具有closure（闭包）的特性：

>>> def foo():

...     x = 5

...     y = 5

...     bar = lambda : x+y

...     return bar

...

>>> foo()()

10

　　总之，函数具有的特性，lambda表达式都具有。像给参数赋默认值啊， lambda内部的变量不受外部影响啊，全部都与函数的行为一模一样。

#默认参数

>>> y=2

>>> bar = lambda x, y =y : x + y

>>> bar(3)

5

#lambda定义的变量不受外部影响

>>> y = 5

>>> bar(3)

5

>>>

相关文章