Python 装饰器

江湖十年 2021-01-23 20:52:32
Python SegmentFault 装饰


Python 中一切皆对象,函数也是对象。函数可以赋值给一个变量,函数可以当作参数传递个另一个函数,函数可以通过 return 语句返回函数。而装饰器就是一个能够接收函数并返回函数的函数。这话乍听起来有点绕,但装饰器本质上就是一个函数。
既然要学习装饰器,首先就要知道它用于什么场景,装饰器通过面向切面编程来增强代码的健壮性,比如:记录日志,处理缓存,权限校验等。接下来我们就一步一步的学习 Python 中装饰器的用法。

先来看一个简单的函数定义,函数只有一个功能,打印 Hello World:

def hello():
print('Hello World!')

现在新的需求来了,要在原有的函数执行前加入日志记录功能,于是就有了下面这段代码:

def hello():
print('run hello')
print('Hello World!')

现在上面的问题解决了,只需要增加一行代码就能搞定。但问题是,实际工作场景下,我们可能需要修改的并不只是一个 hello 函数,有可能是 10 个、20 个函数同时需要增加日志功能。这个时候问题就来了,我们不太可能挨个函数依次复制这一行代码,况且那个时候有可能增加的不只是一行代码,可能上百行。并且这样就会造成出现大量的重复代码,当代码出现过多重复,你就要小心了,它很容易引起意想不到的 bug,并且难以排查及维护。
一个很容易想到的方法是定义一个专门打印日志的函数 log,然后在每个函数中都调用一下 log 函数:

def log():
print('run hello')
def hello():
log()
print('Hello World!')

这样做还是需要修 hello 函数内部的代码,不是说不能这样做,但这样做显然违反了 开闭原则 思想 —— 对已实现的功能代码封闭,对扩展开放。虽然这句话通常用在面向对象编程思想中,但函数式编程同样适用。
我们可以考虑用高阶函数的方式来解决这个问题,还是定义一个 log 函数,但这次它接收一个函数作为参数,这个函数内部先执行打印日志的功能,在 log 函数最后调用传递进来的函数:

def log(func):
print('run hello')
func()
def hello():
print('Hello World!')
log(hello)

上面的代码就利用了函数可以当作参数传给另一个函数的特性,解决了需要修改原来函数内部代码的问题。这样做虽然功能上实现了,并且没有破坏原有函数内部的逻辑,但是却破坏了函数调用方的代码逻辑。也就是说,在原来代码中所有调用 hello 函数的语句不得不从 hello() 改为 log(hello),这样做似乎更麻烦了些。

简单装饰器

那么,现在就是该引出 装饰器 这个概念的时候了,装饰器 非常擅长用 Pythonic 的方式解决这类问题。
来看一个最简单的装饰器的写法:

def log(func):
def wrapper():
print('run hello')
func()
return wrapper
def hello():
print('Hello World!')
hello = log(hello)
hello()

这段代码充分体现了前面所介绍的函数的特性,函数可以赋值给一个变量,函数可以当作参数传递个另一个函数,函数可以通过 return 语句返回函数。现在的 log 函数就是一个 装饰器
首先定义一个 log 函数,它接收一个函数作为参数,并且它的内部又定义了一个 wrapper 函数,wrapper 函数在打印日志以后,调用了传递进来的 func 函数(也就是hello函数),在 log 函数的最后返回这个内部定义的函数。
在示例代码的最底部,我们将 hello 函数当作参数传递给 log 函数,并将其返回结果又赋值给变量 hello,此时的 hello 变量所指向的其实已经不是原来的 hello 函数,而是 log 装饰器返回的内部函数 wrapper
现在调用方无需修改调用方式,仍然使用 hello() 的方式去调用 hello 函数,但它的功能已经增强了,会自动在执行 print('Hello World!') 逻辑之前加上打印日志的功能。
上面的代码我们从功能上实现了 装饰器 的效果。但实际上,Python 在语法层面上直接支持了装饰器模式。仅需要一个 @ 符号就能让上面的代码更加可读,且易于维护。

def log(func):
def wrapper():
print('run hello')
func()
return wrapper
@log
def hello():
print('Hello World!')
hello()

@ 符号是 Python 在语法层面上提供的语法糖,但它本质上完全等价于 hello = log(hello)
以上就是一个最精简的符合 Pythonic装饰器,无论你以后遇到多么复杂的装饰器,请记住,它最终的本质实际上就是一个函数,只不过利用了一些 Python 中的函数特性使其能够处理更复杂的业务场景。

被装饰的函数带有参数、返回值的装饰器

实际工作场景,我们写的函数往往都很复杂,想要写一个通用性更强的装饰器,还需要做一些细节部分的工作。不过你已经了解了装饰器的本质,剩下的例子理解起来并不会很费力,你只需要在特定的场景使用特定功能的装饰器就可以了。

def log(func):
def wrapper(*args, **kwargs):
print('run hello')
return func(*args, **kwargs)
return wrapper
@log
def hello(name):
print('Hello World!')
return f'I am {name}.'
result = hello('xiaoming')
print(result)

*args, **kwargs 这两个不定长参数,就很好的解决了装饰器通用性的问题,使得装饰器在装饰任何函数的时候,参数都可以原样的传入到原函数内部。wrapper 函数最后调用 func 函数的前面加上了 return 语句,它的作用就是将原函数的 return 结果返回给调用方。

保持被装饰函数的元信息的装饰器

log 装饰器内部的 wrapper 函数打印日志的代码 print('run hello') 是固定的字符串,假如我们想要让其可以根据函数名自动更改打印结果,如 print(f'run {函数名}.') 这样的形式。
每个函数都有一个 __name__ 属性,能够返回其函数名:

def hello(name):
print('Hello World!')
print(hello.__name__) # hello

但问题是现在使用了 log 装饰器以后,原来的 hello 函数已经指向 wrapper 函数了,所以如果你测试就会发现,被装饰过的 hello 函数 __name__ 属性已经变成了 wrapper,这显然不是我们想要的结果。
我们可以通过 wrapper.__name__ = func.__name__ 一行语句解决这个问题,不过我们还有更好的办法。Python 内置了一个装饰器 functools.wraps 就能够帮我们解决这个问题。

from functools import wraps
def log(func):
@wraps(func)
def wrapper(*args, **kwargs):
print(f'run {func.__name__}')
return func(*args, **kwargs)
return wrapper
@log
def hello(name):
print('Hello World!')
return f'I am {name}.'
print(hello('xiaoming'))
print(hello.__name__)

装饰器自身带有参数

也许你想控制 log 装饰器的日志级别,那么给装饰器传参是一个很容易想到的办法,下面来看一下需要接收参数的装饰器的例子:

from functools import wraps
def log(level):
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
if level == 'warn':
print(f'run {func.__name__}')
elif level == 'info':
pass
return func(*args, **kwargs)
return wrapper
return decorator
@log('warn')
def hello(name):
print('Hello World!')
return f'I am {name}.'
result = hello('xiaoming')
print(result)

和之前的装饰器相比,带参数的装饰器又多了一层函数嵌套,实际上效果是这样的 hello = log('warn')(hello),首先调用 log('warn') 返回的是内部 decorator 函数,接着就相当于 hello = decorator(hello),实际上到这一步就和不带参数的装饰器一样了。

装饰器即支持带参数又支持不带参数

有时候可能会遇到更加变态的需求,需要装饰器传不传参数都能够使用,解决方式有多种,我这里给出一个比较简单容易理解的实现。

from functools import wraps
def log(level):
if callable(level):
@wraps(level)
def wrapper1(*args, **kwargs):
print(f'run {level.__name__}')
return level(*args, **kwargs)
return wrapper1
else:
def decorator(func):
@wraps(func)
def wrapper2(*args, **kwargs):
if level == 'warn':
print(f'run {func.__name__}')
elif level == 'info':
pass
return func(*args, **kwargs)
return wrapper2
return decorator
@log('warn')
def hello(name):
print('Hello World!')
return f'I am {name}.'
@log
def world():
print('world')
print(hello('xiaoming'))
world()

callable 可以判断传递进来的参数是否可调用,不过需要注意,callable 只支持 Python3.2 及以上版本,你可以查看官方文档获取详细信息。

类装饰器

相比函数装饰器,类装饰更灵活,也更强大。在 Python 类中可以定义 __call__ 方法,使其在无需实例化的情况下自身可以被调用,而此时就会执行 __call__ 内部的代码。

class Log(object):
def __init__(self, func):
self._func = func
def __call__(self):
print('before')
self._func()
print('after')
@Log
def hello():
print('hello world!')
hello()

装饰器装饰顺序

一个函数其实可以同时被多个装饰器所装饰,那么多个装饰器的装饰顺序是怎样的呢?下面我们就来探索一下。

def a(func):
def wrapper():
print('a before')
func()
print('a after')
return wrapper
def b(func):
def wrapper():
print('b before')
func()
print('b after')
return wrapper
def c(func):
def wrapper():
print('c before')
func()
print('c after')
return wrapper
@a
@b
@c
def hello():
print('Hello World!')
hello()

以上代码运行结果:

a before
b before
c before
Hello World!
c after
b after
a after

多装饰的语法等效于 hello = a(b(c(hello)))。根据打印结果不难发现这段代码的执行顺序。如果你了解过 Node.js 的 Koa2 框架的中间件机制,那么你一定不会陌生以上代码的执行顺序,实际上 Python 装饰器同样遵循 洋葱模型。多装饰器的代码执行顺序就像剥洋葱一样,先由外到内进入,然后再由内到外。
给大家留一个思考题:最终的 hello.__name__ 指向哪一个装饰器内部的 wrapper 函数呢?

装饰器实战

理解了装饰器,我们就要用起来,文章开头有提到装饰器的用途,下面我们来看一个实际场景下使用装饰器的例子。
Flask 是 Python Web 生态中非常流行的一个微框架,你可以到 GitHub上查看其源码。下面就是一个用 Flask 编写的最小 Web 应用。
在这里 @app.route("/") 装饰器的作用就是将根路由 /发送过来的请求绑定到处理函数 hello 上面来进行处理。这样当我们启动 Flask Web Server 以后,在浏览器地址访问 http://127.0.0.1:5000/ 就能够获得返回结果 Hello, World!

from flask import Flask
app = Flask(__name__)
@app.route("/")
def hello():
return "Hello, World!"

当然,更多的装饰器使用场景还是需要你自己亲自动手去探索发现。

首发地址: https://jianghushinian.cn/
版权声明
本文为[江湖十年]所创,转载请带上原文链接,感谢
https://segmentfault.com/a/1190000039071349

  1. Experience of learning Python
  2. python7、8章
  3. Chapter 7 and 8 of Python
  4. python bool和str转换
  5. python——循环(for循环、while循环)及练习
  6. python变量和常量命名、注释规范
  7. python自定义异常捕获异常处理异常
  8. python 类型转换与数值操作
  9. python 元组(tuple)和列表(list)区别
  10. 解决python tkinter 与 sleep 延迟问题
  11. python字符串截取操作
  12. Python bool and STR conversion
  13. Python -- loop (for loop, while loop) and Practice
  14. Specification for naming and annotating variables and constants in Python
  15. Python custom exception capture exception handling exception
  16. Python type conversion and numerical operation
  17. The difference between tuple and list in Python
  18. Solve the delay problem of Python Tkinter and sleep
  19. Python string interception operation
  20. Python 100天速成中文教程,GitHub标星7700
  21. Python 100 day quick Chinese course, GitHub standard star 7700
  22. 以我的親身經歷,聊聊學python的流程,同時推薦學python的書
  23. With my own experience, I'd like to talk about the process of learning Python and recommend books for learning python
  24. python爬虫获取起点中文网人气排行Top100(快速入门,新手必备!)
  25. Python crawler to get the starting point of Chinese network popularity ranking Top100 (quick start, novice necessary!)
  26. 【Python常用包】itertools
  27. Itertools
  28. (国内首发)最新python初学者上手练习
  29. (国内首发)最新python初学者上手练习
  30. (first in China) the latest practice for beginners of Python
  31. (first in China) the latest practice for beginners of Python
  32. (数据科学学习手札104)Python+Dash快速web应用开发——回调交互篇(上)
  33. (data science learning notes 104) Python + dash rapid web application development -- callback interaction (Part 1)
  34. (数据科学学习手札104)Python+Dash快速web应用开发——回调交互篇(上)
  35. (data science learning notes 104) Python + dash rapid web application development -- callback interaction (Part 1)
  36. (資料科學學習手札104)Python+Dash快速web應用開發——回撥互動篇(上)
  37. (materials science learning notes 104) Python + dash rapid web application development -- callback interaction (Part 1)
  38. Python OpenCV 图片高斯模糊
  39. Python OpenCV image Gaussian blur
  40. Stargan V2: converse image synthesis for multiple domains reading notes and Python code analysis
  41. 零基础入门Python:基本命令、函数、数据结构
  42. Python: basic commands, functions and data structures
  43. 毫无基础的人如何入门Python?从入门到进阶三份教程,拿走不谢
  44. How can a person without foundation get into Python? From the introduction to the advanced three tutorials, take away
  45. Python设计模式面向对象编程
  46. Python design pattern object oriented programming
  47. Python设计模式面向对象编程
  48. Python design pattern object oriented programming
  49. 怎么样描述你的数据——用python做描述性分析
  50. GitHub上3k+star的python爬虫库你了解吗?详解MechanicalSoup爬虫库
  51. python数据分析——在python中实现线性回归
  52. 疫情来袭,30分钟学会用python开发部署疫情可视化网站
  53. How to describe your data
  54. Do you know the python crawler Library of 3K + star on GitHub? Mechanical soup crawler Library
  55. Python data analysis -- realizing linear regression in Python
  56. When the epidemic strikes, learn to develop and deploy the visualization website of epidemic situation with Python in 30 minutes
  57. 手机上利用python进行数据分析——创建自己的远程jupyter notebook
  58. python数据类型的强制转换
  59. Using Python for data analysis on mobile phones -- creating your own remote jupyter notebook
  60. Mandatory conversion of Python data type