Python基础<十九:函数式装饰器>
2018-01-28 17:19
302 查看
Python 装饰器
由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。>>> def now(): ... print('2015-3-25') ... >>> f = now >>> f() 2015-3-25
函数对象有一个
__name__属性,可以拿到函数的名字:
>>> now.__name__ 'now' >>> f.__name__ 'now'
现在,假设要增强
now()函数的功能,比如,在函数调用前后自动打印日志,但又不希望修改
now()函数的定义,这种在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。
本质上,decorator就是一个返回函数的高阶函数。所以,我们要定义一个能打印日志的decorator,可以定义如下:
def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
观察上面的
log,因为它是一个decorator,所以接受一个函数作为参数,并返回一个函数。我们要借助Python的@语法,把decorator置于函数的定义处:
@log def now(): print('2015-3-25')
调用
now()函数,不仅会运行
now()函数本身,还会在运行
now()函数前打印一行日志:
>>> now() call now(): 2015-3-25
把
@log放到
now()函数的定义处,相当于执行了语句:
now = log(now)
由于
log()是一个decorator,返回一个函数,所以,原来的
now()函数仍然存在,只是现在同名的
now变量指向了新的函数,于是调用
now()将执行新函数,即在
log()函数中返回的
wrapper()函数。
wrapper()函数的参数定义是
(*args, **kw),因此,
wrapper()函数可以接受任意参数的调用。在
wrapper()函数内,首先打印日志,再紧接着调用原始函数。
如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本:
def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator
这个3层嵌套的decorator用法如下:
@log('execute') def now(): print('2015-3-25')
执行结果如下:
>>> now() execute now(): 2015-3-25
和两层嵌套的decorator相比,3层嵌套的效果是这样的:
>>> now = log('execute')(now)
我们来剖析上面的语句,首先执行
log('execute'),返回的是
decorator函数,再调用返回的函数,参数是
now函数,返回值最终是
wrapper函数。
以上两种decorator的定义都没有问题,但还差最后一步。因为我们讲了函数也是对象,它有
__name__等属性,但你去看经过decorator装饰之后的函数,它们的
__name__已经从原来的
'now'变成了
'wrapper':
>>> now.__name__ 'wrapper'
因为返回的那个
wrapper()函数名字就是
'wrapper',所以,需要把原始函数的
__name__等属性复制到
wrapper()函数中,否则,有些依赖函数签名的代码执行就会出错。
不需要编写
wrapper.__name__ = func.__name__这样的代码,Python内置的
functools.wraps就是干这个事的,所以,一个完整的decorator的写法如下:
import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
或者针对带参数的decorator:
import functools def log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator
import functools是导入
functools模块。现在,只需记住在定义
wrapper()的前面加上
@functools.wraps(func)即可。
小结
在面向对象(OOP)的设计模式中,decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现,而Python除了能支持OOP的decorator外,直接从语法层次支持decorator。Python的decorator可以用函数实现,也可以用类实现。decorator可以增强函数的功能,定义起来虽然有点复杂,但使用起来非常灵活和方便。
请编写一个decorator,能在函数调用的前后打印出
'begin call'和
'end call'的日志。
再思考一下能否写出一个
@log的decorator,使它既支持:
@log def f(): pass
又支持:
@log('execute') def f(): pass
参考源码
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
@log def now(): print('2015-3-25')
now()
def logger(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
@logger('DEBUG')
def today():
print('2015-3-25')
today()
print(today.__name__)
相关文章推荐
- Python基础<十:CGI编程>
- <Python基础教程>学习心得_第一章
- <<Python基础教程>>学习笔记 | 第07章 | 更加抽象
- <Test-Driven Development with Python>学习笔记 第一部分 测试驱动开发基础
- <基础原理进阶>机器学习算法python实现【2】--ForwardPass&BackPropagation
- 【Python基础】--Pickle/函数默认参数/函数的参数*args/Bytes<=>str/32-64bit/bytes对象
- <<Python基础教程>>学习笔记 | 第06章 | 抽象
- Python<11>函数基础
- <<Python基础教程>>学习笔记 | 第08章 | 异常
- python基础学习笔记<数据库>
- <<Python基础教程>>学习笔记 | 第12章 | 图形用户界面
- <<Python基础教程>>学习笔记 | 第01章 | 基础知识
- <<Python基础教程>>学习笔记 | 第04章 | 字典
- Python基础<十二:网络编程>
- <Python基础教程>学习心得_第二章
- <<Python基础教程>>学习笔记 | 第13章 | 数据库支持
- <<Python基础教程>>学习笔记 | 第09章 | 魔法方法、属性和迭代器
- <Python基础教程>_第四章_总结
- python基础学习笔记<函数式编程与模块>
- <<Python基础教程>>学习笔记 | 第11章 | 文件和素材