本文和大家分享的主要是python Decorator相關(guān)內(nèi)容，一起來看看吧，希望對大家學(xué)習(xí)python有所幫助。

　　一般來說，裝飾器是一個函數(shù)，接受一個函數(shù)(或者類)作為參數(shù)，返回值也是也是一個函數(shù)(或者類)。首先來看一個簡單的例子：

　　# -*- coding: utf-8 -*-

　　def log_cost_time(func):

　　def wrapped(*args, **kwargs):

　　import time

　　begin = time.time()

　　try:

　　return func(*args, **kwargs)

　　finally:

　　print 'func %s cost %s' % (func.__name__, time.time() - begin)

　　return wrapped

　　@log_cost_time

　　def complex_func(num):

　　ret = 0

　　for i in xrange(num):

　　ret += i * i

　　return ret

　　#complex_func = log_cost_time(complex_func)

　　if __name__ == '__main__':

　　print complex_func(100000)

　　code snippet 0

　　代碼中，函數(shù)log_cost_time就是一個裝飾器，其作用也很簡單，打印被裝飾函數(shù)運行時間。

　　裝飾器的語法如下：

　　@dec

　　def func():pass

　　本質(zhì)上等同于： func = dec(func)。

　　在上面的代碼(code snippet 0)中，把line12注釋掉，然后把line18的注釋去掉，是一樣的效果。另外staticmethod和classmethod是兩個我們經(jīng)常在代碼中用到的裝飾器，如果對pyc反編譯，得到的代碼一般也都是 func = staticmthod(func)這種模式。當(dāng)然，@符號的形式更受歡迎些，至少可以少拼寫一次函數(shù)名。

　　裝飾器是可以嵌套的，如

　　@dec0

　　@dec1

　　def func():pass

　　等將于 func = dec0(dec1(fun))。

　　裝飾器也有“副作用“”，對于被log_cost_time裝飾的complex_calc, 我們查看一下complex_func.__name__，輸出是：”wrapped“”。額，這個是log_cost_time里面inner function(wrapped)的名字，調(diào)用者當(dāng)然希望輸出是”complex_func”，為了解決這個問題，python提供了兩個函數(shù)。

　　· functools.update_wrapper

　　原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])

　　第三個參數(shù)，將wrapped的值直接復(fù)制給wrapper，默認(rèn)為(__doc__, __name__, __module__)

　　第四個參數(shù)，update，默認(rèn)為(__dict__)

　　· unctools.wraps： update_wrapper的封裝

　　This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.

　　簡單改改代碼：

　　import functools

　　def log_cost_time(func):

　　@functools.wraps(func)

　　def wrapped(*args, **kwargs):

　　import time

　　begin = time.time()

　　try:

　　return func(*args, **kwargs)

　　finally:

　　print 'func %s cost %s' % (func.__name__, time.time() - begin)

　　return wrapped

　　再查看complex_func.__name__ 輸出就是 “complex_func”

　　裝飾器也是可以帶參數(shù)的。我們將上面的代碼略微修改一下：

　　def log_cost_time(stream):

　　def inner_dec(func):

　　def wrapped(*args, **kwargs):

　　import time

　　begin = time.time()

　　try:

　　return func(*args, **kwargs)

　　finally:

　　stream.write('func %s cost %s \n' % (func.__name__, time.time() - begin))

　　return wrapped

　　return inner_dec

　　import sys

　　@log_cost_time(sys.stdout)

　　def complex_func(num):

　　ret = 0

　　for i in xrange(num):

　　ret += i * i

　　return ret

　　if __name__ == '__main__':

　　print complex_func(100000)

　　code snippet 1

　　log_cost_time函數(shù)也接受一個參數(shù)，該參數(shù)用來指定信息的輸出流，對于帶參數(shù)的decorator

　　@dec(dec_args)

　　def func(*args, **kwargs):pass

　　等價于 func = dec(dec_args)(*args, **kwargs)。

　　裝飾器對類的修飾也是很簡單的，只不過平時用得不是很多。舉個例子，我們需要給修改類的__str__方法，代碼很簡單。

　　def Haha(clz):

　　clz.__str__ = lambda s: "Haha"

　　return clz

　　@Haha

　　class Widget(object):

　　''' class Widget '''

　　if __name__ == '__main__':

　　w = Widget()

　　print w

　　那什么場景下有必要使用decorator呢，設(shè)計模式中有一個模式也叫裝飾器。我們先簡單回顧一下設(shè)計模式中的裝飾器模式，簡單的一句話概述

　　動態(tài)地為某個對象增加額外的責(zé)任

　　由于裝飾器模式僅從外部改變組件，因此組件無需對它的裝飾有任何了解;也就是說，這些裝飾對該組件是透明的。

 

　　回到Python中來，用decorator語法實現(xiàn)裝飾器模式是很自然的，比如文中的示例代碼，在不改變被裝飾對象的同時增加了記錄函數(shù)執(zhí)行時間的額外功能。當(dāng)然，由于Python語言的靈活性，decorator是可以修改被裝飾的對象的(比如裝飾類的例子)。decorator在python中用途非常廣泛，下面列舉幾個方面：

　　(1)修改被裝飾對象的屬性或者行為

　　(2)處理被函數(shù)對象執(zhí)行的上下文，比如設(shè)置環(huán)境變量，加log之類

　　(3)處理重復(fù)的邏輯，比如有N個函數(shù)都可能跑出異常，但是我們不關(guān)心這些異常，只要不向調(diào)用者傳遞異常就行了，這個時候可以寫一個catchall的decorator，作用于所用可能跑出異常的函數(shù)

　　def catchall(func):

　　@functools.wraps(func)

　　def wrapped(*args, **kwargs):

　　try:

　　return func(*args, **kwargs)

　　except:

　　pass

　　return wrapped

　　(4)框架代碼，如flask， bottle等等，讓使用者很方便就能使用框架，本質(zhì)上也避免了重復(fù)代碼。

 

來源：51CTO