宜宾网站建设公司

Python装饰器的11个知识点分享

本篇内容介绍了“Python装饰器的11个知识点分享”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

企业建站必须是能够以充分展现企业形象为主要目的，是企业文化与产品对外扩展宣传的重要窗口，一个合格的网站不仅仅能为公司带来巨大的互联网上的收集和信息发布平台，成都创新互联面向各种领域：成都被动防护网等网站设计、营销型网站建设解决方案、网站设计等建站排名服务。


01. Hello，装饰器

装饰器的使用方法很固定

  1. 先定义一个装饰器（帽子）

  2. 再定义你的业务函数或者类（人）

  3. 最后把这装饰器（帽子）扣在这个函数（人）头上

就像下面这样子

def decorator(func):
 def wrapper(*args, **kw):
 return func()
 return wrapper
@decorator
def function():
 print("hello, decorator")

实际上，装饰器并不是编码必须性，意思就是说，你不使用装饰器完全可以，它的出现，应该是使我们的代码

  • 更加优雅，代码结构更加清晰

  • 将实现特定的功能代码封装成装饰器，提高代码复用率，增强代码可读性

接下来，我将以实例讲解，如何编写出各种简单及复杂的装饰器。

02. 入门：日志打印器

首先是日志打印器。

实现的功能：

  1. 在函数执行前，先打印一行日志告知一下主人，我要执行函数了。

  2. 在函数执行完，也不能拍拍屁股就走人了，咱可是有礼貌的代码，再打印一行日志告知下主人，我执行完啦。

# 这是装饰器函数，参数 func 是被装饰的函数
def logger(func):
 def wrapper(*args, **kw):
 print('主人，我准备开始执行：{} 函数了:'.format(func.__name__))
 # 真正执行的是这行。
 func(*args, **kw)
 print('主人，我执行完啦。')
 return wrapper

假如，我的业务函数是，计算两个数之和。写好后，直接给它带上帽子。

@logger
def add(x, y):
 print('{} + {} = {}'.format(x, y, x+y))

然后执行一下 add 函数。

add(200, 50)

来看看输出了什么？

主人，我准备开始执行：add 函数了:
200 + 50 = 250
主人，我执行完啦。

03. 入门：时间计时器

再来看看 时间计时器

实现功能：顾名思义，就是计算一个函数的执行时长。

# 这是装饰函数
def timer(func):
 def wrapper(*args, **kw):
 t1=time.time()
 # 这是函数真正执行的地方
 func(*args, **kw)
 t2=time.time()
 # 计算下时长
 cost_time = t2-t1 
 print("花费时间：{}秒".format(cost_time))
 return wrapper

假如，我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。

import time
@timer
def want_sleep(sleep_time):
 time.sleep(sleep_time)
want_sleep(10)

来看看输出，如预期一样，输出10秒。

花费时间：10.0073800086975098秒

04. 进阶：带参数的函数装饰器

通过上面两个简单的入门示例，你应该能体会到装饰器的工作原理了。

不过，装饰器的用法还远不止如此，深究下去，还大有文章。今天就一起来把这个知识点学透。

回过头去看看上面的例子，装饰器是不能接收参数的。其用法，只能适用于一些简单的场景。不传参的装饰器，只能对被装饰函数，执行固定逻辑。

装饰器本身是一个函数，做为一个函数，如果不能传参，那这个函数的功能就会很受限，只能执行固定的逻辑。这意味着，如果装饰器的逻辑代码的执行需要根据不同场景进行调整，若不能传参的话，我们就要写两个装饰器，这显然是不合理的。

比如我们要实现一个可以定时发送邮件的任务（一分钟发送一封），定时进行时间同步的任务（一天同步一次），就可以自己实现一个 periodic_task （定时任务）的装饰器，这个装饰器可以接收一个时间间隔的参数，间隔多长时间执行一次任务。

可以这样像下面这样写，由于这个功能代码比较复杂，不利于学习，这里就不贴了。

@periodic_task(spacing=60)
def send_mail():
 pass
@periodic_task(spacing=86400)
def ntp()
 pass

那我们来自己创造一个伪场景，可以在装饰器里传入一个参数，指明国籍，并在函数执行前，用自己国家的母语打一个招呼。

# 小明，中国人
@say_hello("china")
def xiaoming():
 pass
# jack，美国人
@say_hello("america")
def jack():
 pass

那我们如果实现这个装饰器，让其可以实现 传参 呢？

会比较复杂，需要两层嵌套。

def say_hello(contry):
 def wrapper(func):
 def deco(*args, **kwargs):
 if contry == "china":
 print("你好!")
 elif contry == "america":
 print('hello.')
 else:
 return
 # 真正执行函数的地方
 func(*args, **kwargs)
 return deco
 return wrapper

来执行一下

xiaoming()
print("------------")
jack()

看看输出结果。

你好!
------------
hello.

05. 高阶：不带参数的类装饰器

以上都是基于函数实现的装饰器，在阅读别人代码时，还可以时常发现还有基于类实现的装饰器。

基于类装饰器的实现，必须实现 __call__ 和 __init__两个内置函数。

__init__ ：接收被装饰函数

__call__ ：实现装饰逻辑。

还是以日志打印这个简单的例子为例

class logger(object):
 def __init__(self, func):
 self.func = func
 def __call__(self, *args, **kwargs):
 print("[INFO]: the function {func}() is running..."\
 .format(func=self.func.__name__))
 return self.func(*args, **kwargs)
@logger
def say(something):
 print("say {}!".format(something))
say("hello")

执行一下，看看输出

[INFO]: the function say() is running...
say hello!

06. 高阶：带参数的类装饰器

上面不带参数的例子，你发现没有，只能打印INFO级别的日志，正常情况下，我们还需要打印DEBUG WARNING等级别的日志。这就需要给类装饰器传入参数，给这个函数指定级别了。

带参数和不带参数的类装饰器有很大的不同。

__init__ ：不再接收被装饰函数，而是接收传入参数。

__call__ ：接收被装饰函数，实现装饰逻辑。

class logger(object):
 def __init__(self, level='INFO'):
 self.level = level
 def __call__(self, func): # 接受函数
 def wrapper(*args, **kwargs):
 print("[{level}]: the function {func}() is running..."\
 .format(level=self.level, func=func.__name__))
 func(*args, **kwargs)
 return wrapper #返回函数
@logger(level='WARNING')
def say(something):
 print("say {}!".format(something))
say("hello")

我们指定WARNING级别，运行一下，来看看输出。

[WARNING]: the function say() is running...
say hello!

07. 使用偏函数与类实现装饰器

绝大多数装饰器都是基于函数和闭包实现的，但这并非制造装饰器的唯一方式。

事实上，Python 对某个对象是否能通过装饰器（ @decorator）形式使用只有一个要求：decorator 必须是一个“可被调用（callable）的对象。

对于这个 callable 对象，我们最熟悉的就是函数了。

除函数之外，类也可以是 callable 对象，只要实现了__call__ 函数（上面几个例子已经接触过了）。

还有容易被人忽略的偏函数其实也是 callable 对象。

接下来就来说说，如何使用 类和偏函数结合实现一个与众不同的装饰器。

如下所示，DelayFunc 是一个实现了 __call__ 的类，delay 返回一个偏函数，在这里 delay 就可以做为一个装饰器。（以下代码摘自 Python工匠：使用装饰器的小技巧）

import time
import functools
class DelayFunc:
 def __init__(self, duration, func):
 self.duration = duration
 self.func = func
 def __call__(self, *args, **kwargs):
 print(f'Wait for {self.duration} seconds...')
 time.sleep(self.duration)
 return self.func(*args, **kwargs)
 def eager_call(self, *args, **kwargs):
 print('Call without delay')
 return self.func(*args, **kwargs)
def delay(duration):
 """
 装饰器：推迟某个函数的执行。
 同时提供 .eager_call 方法立即执行
 """
 # 此处为了避免定义额外函数，
 # 直接使用 functools.partial 帮助构造 DelayFunc 实例
 return functools.partial(DelayFunc, duration)

我们的业务函数很简单，就是相加

@delay(duration=2)
def add(a, b):
 return a+b

来看一下执行过程

>>> add # 可见 add 变成了 Delay 的实例
<__main__.DelayFunc object at 0x107bd0be0>
>>> 
>>> add(3,5) # 直接调用实例，进入 __call__
Wait for 2 seconds...
8
>>> 
>>> add.func # 实现实例方法

08. 如何写能装饰类的装饰器？

用 Python 写单例模式的时候，常用的有三种写法。其中一种，是用装饰器来实现的。

以下便是我自己写的装饰器版的单例写法。

instances = {}
def singleton(cls):
 def get_instance(*args, **kw):
 cls_name = cls.__name__
 print('===== 1 ====')
 if not cls_name in instances:
 print('===== 2 ====')
 instance = cls(*args, **kw)
 instances[cls_name] = instance
 return instances[cls_name]
 return get_instance
@singleton
class User:
 _instance = None
 def __init__(self, name):
 print('===== 3 ====')
 self.name = name

可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上，并不是很常见，但只要熟悉装饰器的实现过程，就不难以实现对类的装饰。在上面这个例子中，装饰器就只是实现对类实例的生成的控制而已。

其实例化的过程，你可以参考我这里的调试过程，加以理解。

Python装饰器的11个知识点分享

09. wraps 装饰器有啥用？

在 functools 标准库中有提供一个 wraps 装饰器，你应该也经常见过，那他有啥用呢？

先来看一个例子

def wrapper(func):
 def inner_function():
 pass
 return inner_function
@wrapper
def wrapped():
 pass
print(wrapped.__name__)
#inner_function

为什么会这样子？不是应该返回 func 吗？

这也不难理解，因为上边执行func 和下边 decorator(func) 是等价的，所以上面 func.__name__ 是等价于下面decorator(func).__name__ 的，那当然名字是inner_function

def wrapper(func):
 def inner_function():
 pass
 return inner_function
def wrapped():
 pass
print(wrapper(wrapped).__name__)
#inner_function

那如何避免这种情况的产生？方法是使用 functools .wraps 装饰器，它的作用就是将被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉。

from functools import wraps
def wrapper(func):
 @wraps(func)
 def inner_function():
 pass
 return inner_function
@wrapper
def wrapped():
 pass
print(wrapped.__name__)
# wrapped

准确点说，wraps 其实是一个偏函数对象（partial），源码如下

def wraps(wrapped,
 assigned = WRAPPER_ASSIGNMENTS,
 updated = WRAPPER_UPDATES):
 return partial(update_wrapper, wrapped=wrapped,
 assigned=assigned, updated=updated)

可以看到wraps其实就是调用了一个函数update_wrapper，知道原理后，我们改写上面的代码，在不使用 wraps的情况下，也可以让 wrapped.__name__ 打印出 wrapped，代码如下：

from functools import update_wrapper
WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__',
 '__annotations__')
def wrapper(func):
 def inner_function():
 pass
 update_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS)
 return inner_function
@wrapper
def wrapped():
 pass
print(wrapped.__name__)

10. 内置装饰器：property

以上，我们介绍的都是自定义的装饰器。

其实Python语言本身也有一些装饰器。比如property这个内建装饰器，我们再熟悉不过了。

它通常存在于类中，可以将一个函数定义成一个属性，属性的值就是该函数return的内容。

通常我们给实例绑定属性是这样的

class Student(object):
 def __init__(self, name, age=None):
 self.name = name
 self.age = age
# 实例化
xiaoming = Student("小明")
# 添加属性
xiaoming.age=25
# 查询属性
xiaoming.age
# 删除属性
del xiaoming.age

但是稍有经验的开发人员，一下就可以看出，这样直接把属性暴露出去，虽然写起来很简单，但是并不能对属性的值做合法性限制。为了实现这个功能，我们可以这样写。

class Student(object):
 def __init__(self, name):
 self.name = name
 self.name = None
 def set_age(self, age):
 if not isinstance(age, int):
 raise ValueError('输入不合法：年龄必须为数值!')
 if not 0 < age < 100:
 raise ValueError('输入不合法：年龄范围必须0-100')
 self._age=age
 def get_age(self):
 return self._age
 def del_age(self):
 self._age = None
xiaoming = Student("小明")
# 添加属性
xiaoming.set_age(25)
# 查询属性
xiaoming.get_age()
# 删除属性
xiaoming.del_age()

上面的代码设计虽然可以变量的定义，但是可以发现不管是获取还是赋值（通过函数）都和我们平时见到的不一样。

按照我们思维习惯应该是这样的。

# 赋值
xiaoming.age = 25
# 获取
xiaoming.age

那么这样的方式我们如何实现呢。请看下面的代码。

class Student(object):
 def __init__(self, name):
 self.name = name
 self.name = None
 @property
 def age(self):
 return self._age
 @age.setter
 def age(self, value):
 if not isinstance(value, int):
 raise ValueError('输入不合法：年龄必须为数值!')
 if not 0 < value < 100:
 raise ValueError('输入不合法：年龄范围必须0-100')
 self._age=value
 @age.deleter
 def age(self):
 del self._age
xiaoming = Student("小明")
# 设置属性
xiaoming.age = 25
# 查询属性
xiaoming.age
# 删除属性
del xiaoming.age

用@property装饰过的函数，会将一个函数定义成一个属性，属性的值就是该函数return的内容。同时，会将这个函数变成另外一个装饰器。就像后面我们使用的@age.setter和@age.deleter。

@age.setter 使得我们可以使用XiaoMing.age = 25这样的方式直接赋值。

@age.deleter 使得我们可以使用del XiaoMing.age这样的方式来删除属性。

property 的底层实现机制是「描述符」，为此我还写过一篇文章。

这里也介绍一下吧，正好将这些看似零散的文章全部串起来。

如下，我写了一个类，里面使用了 property 将 math 变成了类实例的属性

class Student:
 def __init__(self, name):
 self.name = name
 @property
 def math(self):
 return self._math
 @math.setter
 def math(self, value):
 if 0 <= value <= 100:
 self._math = value
 else:
 raise ValueError("Valid value must be in [0, 100]")

为什么说 property 底层是基于描述符协议的呢？通过 PyCharm 点击进入 property 的源码，很可惜，只是一份类似文档一样的伪源码，并没有其具体的实现逻辑。

不过，从这份伪源码的魔法函数结构组成，可以大体知道其实现逻辑。

这里我自己通过模仿其函数结构，结合「描述符协议」来自己实现类 property 特性。

代码如下：

class TestProperty(object):
 def __init__(self, fget=None, fset=None, fdel=None, doc=None):
 self.fget = fget
 self.fset = fset
 self.fdel = fdel
 self.__doc__ = doc
 def __get__(self, obj, objtype=None):
 print("in __get__")
 if obj is None:
 return self
 if self.fget is None:
 raise AttributeError
 return self.fget(obj)
 def __set__(self, obj, value):
 print("in __set__")
 if self.fset is None:
 raise AttributeError
 self.fset(obj, value)
 def __delete__(self, obj):
 print("in __delete__")
 if self.fdel is None:
 raise AttributeError
 self.fdel(obj)
 def getter(self, fget):
 print("in getter")
 return type(self)(fget, self.fset, self.fdel, self.__doc__)
 def setter(self, fset):
 print("in setter")
 return type(self)(self.fget, fset, self.fdel, self.__doc__)
 def deleter(self, fdel):
 print("in deleter")
 return type(self)(self.fget, self.fset, fdel, self.__doc__)

然后 Student 类，我们也相应改成如下

class Student:
 def __init__(self, name):
 self.name = name
 # 其实只有这里改变
 @TestProperty
 def math(self):
 return self._math
 @math.setter
 def math(self, value):
 if 0 <= value <= 100:
 self._math = value
 else:
 raise ValueError("Valid value must be in [0, 100]")

为了尽量让你少产生一点疑惑，这里跟大家做两点说明：

  1. 使用TestProperty装饰后，math 不再是一个函数，而是TestProperty类的一个实例。所以第二个math函数可以使用 math.setter 来装饰，本质是调用TestProperty.setter 来产生一个新的 TestProperty 实例赋值给第二个math。

  2. 第一个 math 和第二个 math 是两个不同 TestProperty 实例。但他们都属于同一个描述符类（TestProperty），当对 math 对于赋值时，就会进入 TestProperty.__set__，当对math 进行取值里，就会进入 TestProperty.__get__。仔细一看，其实最终访问的还是Student实例的 _math 属性。

说了这么多，还是运行一下，更加直观一些。

# 运行后，会直接打印这一行，这是在实例化 TestProperty 并赋值给第二个math
in setter
>>>
>>> s1.math = 90
in __set__
>>> s1.math
in __get__
90

如对上面代码的运行原理，有疑问的同学，请务必结合上面两点说明加以理解，那两点相当关键。

11. 其他装饰器：装饰器实战

读完并理解了上面的内容，你可以说是Python高手了。别怀疑，自信点，因为很多人都不知道装饰器有这么多用法呢。

在我看来，使用装饰器，可以达到如下目的：

  • 使代码可读性更高，逼格更高；

  • 代码结构更加清晰，代码冗余度更低；

刚好我在最近也有一个场景，可以用装饰器很好的实现，暂且放上来看看。

这是一个实现控制函数运行超时的装饰器。如果超时，则会抛出超时异常。

有兴趣的可以看看。

import signal
class TimeoutException(Exception):
 def __init__(self, error='Timeout waiting for response from Cloud'):
 Exception.__init__(self, error)
def timeout_limit(timeout_time):
 def wraps(func):
 def handler(signum, frame):
 raise TimeoutException()
 def deco(*args, **kwargs):
 signal.signal(signal.SIGALRM, handler)
 signal.alarm(timeout_time)
 func(*args, **kwargs)
 signal.alarm(0)
 return deco
 return wraps

“Python装饰器的11个知识点分享”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！


本文标题：Python装饰器的11个知识点分享
网页路径：http://hbruida.cn/article/iieijo.html

其他资讯