Python 关键知识5：修饰器
2018-12-06 本文已影响22人
水之心
来源：AI 领域中的培养与开发 ——by 丁宁
1 Why？为什么会出现装饰器这个东西？
- 名称管理
- 显示调用
- 就近原则
- 充分复用
有时候，写一个闭包，仅仅是为了增强一个函数的功能。功能增强完了之后，只对增强了功能的最终函数感兴趣，装饰之前的函数引用就变得多余。因而出现了 func = decorated_by(func) 这种即席覆盖的写法。
一个例子：修改一个函数的 help 命令的帮助文档
def decorate(func):
func.__doc__ += '\nDecorated by decorate.'
return func
def add(x, y):
'''Return the sum of x and y.'''
return x + y
decorated_add = decorate(add)
分析：
- 引入了新的变量名：
decorated_add - 原来的
add函数一般情况下在后面的程序中不会再用到了
改进版一：
def decorate(func):
func.__doc__ += '\nDecorated by decorate.'
return func
def add(x, y):
'''Return the sum of x and y.'''
return x + y
add = decorate(add)
分析：
- 没有新的变量名的引入，变量名使用效率提升
- 装饰函数的执行代码需要单独调用，可能不符合就近原则
改进版二： @ 语法糖的横空出世
def decorate(func):
func.__doc__ += '\nDecorated by decorate.'
return func
@decorate
def add(x, y):
'''Return the sum of x and y.'''
return x + y
分析：
- 通过语法糖，保证了装饰过程与原函数彼此之间的独立性
- 同时，还保证了两者代码之间的就近原则，形成一个有机的整体
- 问题：装饰定义函数与被装饰函数在同一个模块中实现，影响了复用效率
分层封装，充分复用
改进版三：装饰器被单独封装在一个模块中：
DecorateToolBox.py
class DecorateToolBox:
@classmethod
def decorate(self, func):
func.__doc__ += '\nDecorated by decorate.'
return func
test.py
from DecorateToolBox import DecorateToolBox
@DecorateToolBox.decorate
def add(x, y):
'''Return the sum of x and y.'''
return x + y
分析：
- 将不同级别的功能模块封装在不同的文件中，是编写大型程序的基础
- 实现一个装饰器，并不一定需要写出一个闭包
- 类可以不依赖于一个实体而直接调用其方法，得益于
@classmethod装饰器
总结
- 避免重复，充分复用：装饰器的模块化使程序设计者完美的避免重复的前置和收尾代码
- 显示调用，就近原则：装饰器是显式的，并且在需要装饰器的函数中即席使用
2 What？什么是装饰器？
- 装饰器是一个可调用的对象，以某种方式增强函数的功能
- 装饰器是一个语法糖，在源码中标记函数（此源码指编译后的源码）
- 解释器解析源码的时候将被装饰的函数作为第一个位置参数传给装饰器
- 装饰器可能会直接处理被装饰函数，然后返回它（一般仅修改属性，不修改代码）
- 装饰器也可能用一个新的函数或可调用对象替换被装饰函数（但核心功能一般不变）
- 装饰器仅仅看着像闭包，其实功能的定位与闭包有重合也有很大区别
- 装饰器模式的本质是元编程：在运行时改变程序行为
- 装饰器的一个不可忽视的特性：在模块加载时立即执行
- 装饰器是可以堆叠的，自底向上逐个装饰
- 装饰器是可以带参数的，但此时至少要写两个装饰器 装饰器的更加Pythonic的实现方式其实是在类中实现
__call__()方法
2.1 装饰器的堆叠
def deco_1(func):
print('running deco_1 ...')
return func
def deco_2(func):
print('running deco_2 ...')
return func
@deco_1
@deco_2
def f():
print('running f ...')
if __name__ == '__main__':
f()
show：
running deco_2 ...
running deco_1 ...
running f ...
2 装饰器在导入时立即执行
def deco_1(func):
print('running deco_1 ...')
return func
def deco_2(func):
print('running deco_2 ...')
return func
@deco_1
@deco_2
def f():
print('running f ...')
if __name__ == '__main__':
pass
show：
running deco_2 ...
running deco_1 ...
2.2 带参数的装饰器
既然装饰器只能接受一个位置参数，并且是被动的接受解释器传过来的函数引用，那么如何实现带 数的装饰器呢？
问题分析：
- 限制条件一：装饰器本身只能接受一个位置参数
- 限制条件二：这个位置参数已经被被装饰函数的引用占据了
- 问题目标：希望装饰器能够使用外部传入的其他参数
- 推论：装饰器需要访问或修改外部参数
三种备选方案：
- 在装饰器内访问全局不可变对象，若需要修改，则使用
global声明（不安全） - 在装饰器内访问外部可变对象（不安全）
- 让装饰器成为闭包的返回（较安全）
方案：编写一个闭包，接受外部参数，返回一个装饰器
先来看一下参数化之前的装饰器：
registry = set()
def register(func):
registry.add(func)
return func
@register
def f1():
print("running f1.")
@register
def f2():
print("running f2.")
def f3():
print("running f3.")
def main():
f1()
f2()
f3()
if __name__ == '__main__':
print(registry)
main()
show：
{<function f2 at 0x000001F4F2E61400>, <function f1 at 0x000001F4F2E61730>}
running f1.
running f2.
running f3.
参数化之后的装饰器，增加了开关功能：
registry = set()
def register(flag=True):
def decorate(func):
if flag:
registry.add(func)
else:
registry.discard(func)
return func
return decorate
# register(False) 被调用并返回一个装饰器
@register()
def f1():
print("running f1.")
@register(False)
def f2():
print("running f2.")
@register(True)
def f3():
print("running f3.")
def main():
f1()
f2()
f3()
if __name__ == '__main__':
print(registry)
main()
show：
{<function f1 at 0x000001F4F2E61488>, <function f3 at 0x000001F4F2E61730>}
running f1.
running f2.
running f3.
分析：
此时， register 变量被使用了两次，第一次是后面的调用：()（调用之后才变成一个装饰器），第二次是前面的装饰： @ （装饰器符合仅能用于装饰器）
注意：
register不是装饰器；register()或register(False)才是
3 How？装饰器怎么用
从模仿开始
装饰器的常见使用场景
- 运行前处理：如确认用户授权
- 运行时注册：如注册信号系统
- 运行后清理：如序列化返回值
注册机制或授权机制（往往跟应用开发相关）
- 函数的注册，参考上面的例子
- 将某个功能注册到某个地方，比如 Flask 框架中 URL 的注册
- 比如验证身份信息或加密信息，以确定是否继续后续的运算或操作
- 比如查询一个身份信息是否已经被注册过，如果没有则注册，如果有则直接返回账户信息
参数的数据验证或清洗（往往跟数据清洗或异常处理相关）
我们可以强行对输入参数进行特殊限制：
def require_ints(func):
def temp_func(*args):
if not all([isinstance(arg, int) for arg in args]):
raise TypeError("{} only accepts integers as argument s.".format(
func.__name__))
return func(*args)
return temp_func
def add(x, y):
return x + y
@require_ints
def require_ints_add(x, y):
return x + y
if __name__ == '__main__':
print(add(1.0, 2.0))
print(require_ints_add(1.0, 2.0))
show：
3.0
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-5-7f14452d18fc> in <module>()
20 if __name__ == '__main__':
21 print(add(1.0, 2.0))
---> 22 print(require_ints_add(1.0, 2.0))
<ipython-input-5-7f14452d18fc> in temp_func(*args)
3 if not all([isinstance(arg, int) for arg in args]):
4 raise TypeError("{} only accepts integers as argument s.".format(
----> 5 func.__name__))
6 return func(*args)
7
TypeError: require_ints_add only accepts integers as argument s.
复用核心计算模块，仅改变输出方式
让原本返回 Python 原生数据结构的函数变成输出 JSON 结构
import json
def json_output(func):
def temp_func(*args, **kw):
result = func(*args, **kw)
return json.dumps(result)
return temp_func
def generate_a_dict(x):
return {str(i): i**2 for i in range(x)}
@json_output
def generate_a_dict_json_output(x):
return {str(i): i**2 for i in range(x)}
if __name__ == '__main__':
a, b = generate_a_dict(5), generate_a_dict_json_output(5)
print(a, type(a))
print(b, type(b))
show：
{'0': 0, '1': 1, '2': 4, '3': 9, '4': 16} <class 'dict'>
{"0": 0, "1": 1, "2": 4, "3": 9, "4": 16} <class 'str'>
