当前位置：首页 > wzjs >正文

海南住房和城乡建设厅网站登陆中国站长工具

wzjs 2025/7/19 19:14:33

海南住房和城乡建设厅网站登陆,中国站长工具,免费云服务器有哪些,做网站用图片目录装饰器练习小结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(2024-6-1) ... >>> f now >>> f() 2024-6-1函数对象有一…

装饰器

练习

小结

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('2024-6-1')
...
>>> f = now
>>> f()
2024-6-1

函数对象有一个__name__属性（注意：是前后各两个下划线），可以拿到函数的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强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('2024-6-1')

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():
2024-6-1

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 wrapperreturn decorator

这个3层嵌套的decorator用法如下：

@log('execute')
def now():print('2024-6-1')

执行结果如下：

>>> now()
execute now():
2024-6-1

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 functoolsdef 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 functoolsdef log(text):def decorator(func):@functools.wraps(func)def wrapper(*args, **kw):print('%s %s():' % (text, func.__name__))return func(*args, **kw)return wrapperreturn decorator

import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。

练习

请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：

import time
import functoolsdef metric(fn):@functools.wraps(fn)def wrapper(*args, **kwargs):start_time = time.time()  # Start timingresult = fn(*args, **kwargs)  # Call the original functionend_time = time.time()  # End timingexecution_time = (end_time - start_time) * 1000  # Convert to millisecondsprint('%s executed in %.2f ms' % (fn.__name__, execution_time))return resultreturn wrapper# 测试
@metric
def fast(x, y):time.sleep(0.0012)return x + y@metric
def slow(x, y, z):time.sleep(0.1234)return x * y * zf = fast(11, 22)
s = slow(11, 22, 33)
if f != 33:print('测试失败!')
elif s != 7986:print('测试失败!')

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

import functoolsdef log_calls(fn):@functools.wraps(fn)def wrapper(*args, **kwargs):print('begin call')result = fn(*args, **kwargs)  # 调用原始函数print('end call')return resultreturn wrapper# 测试
@log_calls
def example_function(x, y):return x + y# 调用测试函数
result = example_function(5, 3)
print('Result:', result)