实现
普通的装饰器
定义一个装饰器
def logger(func):
def wrapper(*args, **kwargs):
print('我准备开始执行：{} 函数了:'.format(func.__name__))
# 真正执行的是这行。
res = func(*args, **kwargs)
print('我执行完啦。')
return res
return wrapper
使用装饰器
@logger
def add(x, y):
print('{} + {} = {}'.format(x, y, x + y))
return x + y
add(1, 2)
装饰器是一种让代码简洁的方案，上面这个代码实际上等价于下面这个
def add(x, y):
print('{} + {} = {}'.format(x, y, x + y))
logger(add)(1, 2)
改进：
import functools
def logger(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
print('我准备开始执行：{} 函数了:'.format(func.__name__))
# 真正执行的是这行。
func(*args, **kwargs)
print('我执行完啦。')
return wrapper
@logger
def add(x, y):
print('{} + {} = {}'.format(x, y, x + y))
add(1, 2)
@functools.wraps(func)。它能把原函数的元信息拷贝到装饰器里面的 func 函数中。函数的元信息包括docstring、name、参数列表等等。- 如果删掉，会发现
add.__name__的名字变成了wrapper
带参数的装饰器
def say_hello(contry):
def deco(func):
def wrapper(*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 wrapper
return deco
# 小明，中国人
@say_hello("china")
def xiaoming():
pass
# jack，美国人
@say_hello("america")
def jack():
pass
functools.wraps 同上
import functools
def say_hello(contry):
def deco(func):
@functools.wraps(func)
def wrapper(*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 wrapper
return deco
# 小明，中国人
@say_hello("china")
def xiaoming():
pass
# jack，美国人
@say_hello("america")
def jack():
pass
普通的类装饰器
class logger(object):
def __init__(self, func):
# 这个方法用来接收被装饰的函数
self.func = func
def __call__(self, *args, **kwargs):
# 用来实现装饰逻辑
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")
带参数的类装饰器
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
@logger(level='WARNING')
def say(something):
print("say {}!".format(something))
say("hello")
更多内容：http://magic.iswbm.com/zh/latest/c03/c03_10.html
应用
1
我们要做一个 fibonacci 计算函数，自然想到用递归
def fibonacci(n):
if n < 0:
raise ValueError('n>=0')
return n if n in (0, 1) else fibonacci(n - 1) + fibonacci(n - 2)
你会发现这里有大量重复计算，导致计算效率极低。自然想到改进，把已经计算好的函数值记录下来
known = {0: 0, 1: 1}
def fibonacci2(n):
if n in known:
return known[0]
else:
res = fibonacci2(n - 1) + fibonacci2(n - 2)
known[n] = res
return res
实验发现，这个速度快了很多。新问题，如果你想写一个包，里面有不同的递归算法（帕斯卡三角等），这样写会让代码一团乱麻，因为每个方法你都要定义一个known。
2
能显示运行时间的装饰器
import time
def timer(func):
def d_func(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(end_time - start_time)
return result
return d_func
@timer
def myfunc(a):
time.sleep(2)
print(a)
myfunc(3)
附：scipy的做法
来源：
from scipy import optimize
optimize.fmin
解释一下，ncalls是一个计数器，记录函数被调用的次数
def wrap_function(function, args):
ncalls = [0]
if function is None:
return ncalls, None
def function_wrapper(*wrapper_args):
ncalls[0] += 1
return function(*(wrapper_args + args))
return ncalls, function_wrapper
参考资料
【印】Chetan Giridhar:《Python 设计模式》, 中国工信出版集团
