当前位置：首页 > wzjs >正文

大石桥网站建设公众号多少钱

wzjs 2025/9/22 4:53:05

大石桥网站建设,公众号多少钱,wordpress 图片本地化,网站建设怎么样找客户快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)