suchen
HeimBackend-EntwicklungPython-TutorialFortgeschrittene Python-Dekoratoren: Verbessern Sie Ihren Code

Advanced Python Decorators: Elevating Your Code

Stellen Sie sich vor, Sie wären Koch in einer geschäftigen Küche. Sie haben ein Rezept – eine Funktion, wenn Sie so wollen. Mit der Zeit stellen Sie fest, dass die meisten Ihrer Gerichte vor dem Servieren einen Schuss Olivenöl, eine Prise Salz oder eine Prise Kräuter benötigen. Wäre es nicht praktisch, einen Assistenten zu haben, der sie automatisch anwendet, anstatt jedem Gericht manuell den letzten Schliff zu geben? Genau das können Python-Dekoratoren für Ihren Code tun – Funktionalität auf elegante, wiederverwendbare und ausdrucksstarke Weise hinzufügen.

In diesem Artikel erkunden wir die Welt der fortgeschrittenen Python-Dekoratoren. Wir gehen über die Grundlagen hinaus und tauchen in parametrisierte Dekoratoren, stapelbare Dekoratoren und sogar Dekoratoren mit Klassen ein. Wir werden außerdem Best Practices und Fallstricke hervorheben, die es zu vermeiden gilt. Bereit? Fangen wir an zu kochen!

Die Grundlagen überarbeitet

Bevor wir in die Tiefe stürzen, werfen wir noch einmal einen Blick auf das Fundament. Ein Dekorator in Python ist einfach eine Funktion, die eine andere Funktion (oder Methode) als Argument verwendet, diese erweitert und eine neue Funktion zurückgibt. Hier ist ein Beispiel:

# Basic decorator example
def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__}...")
        result = func(*args, **kwargs)
        print(f"{func.__name__} finished.")
        return result
    return wrapper

@simple_decorator
def say_hello():
    print("Hello, world!")

say_hello()

Ausgabe:

Calling say_hello...
Hello, world!
say_hello finished.

Jetzt kommen wir zu den erweiterten Anwendungsfällen.

Parametrisierte Dekoratoren

Manchmal muss ein Dekorateur seine eigenen Argumente akzeptieren. Was wäre beispielsweise, wenn wir einen Dekorator benötigen, der Nachrichten auf verschiedenen Ebenen (INFO, DEBUG, ERROR) protokolliert?

# Parameterized decorator example
def log(level):
    def decorator(func):
        def wrapper(*args, **kwargs):
            print(f"[{level}] Calling {func.__name__}...")
            result = func(*args, **kwargs)
            print(f"[{level}] {func.__name__} finished.")
            return result
        return wrapper
    return decorator

@log("INFO")
def process_data():
    print("Processing data...")

process_data()

Ausgabe:

[INFO] Calling process_data...
Processing data...
[INFO] process_data finished.

Diese Schichtstruktur – eine Funktion, die einen Dekorator zurückgibt – ist der Schlüssel zum Erstellen flexibler, parametrisierter Dekoratoren.

Stapelbare Dekoratoren

Python ermöglicht die Anwendung mehrerer Dekoratoren auf eine einzelne Funktion. Erstellen wir zwei Dekoratoren und stapeln sie.

# Stackable decorators

def uppercase(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result.upper()
    return wrapper

def exclaim(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result + "!!!"
    return wrapper

@uppercase
@exclaim
def greet():
    return "hello"

print(greet())

Ausgabe:

HELLO!!!

Hier werden die Dekoratoren von unten nach oben angewendet: @exclaim umschließt die Begrüßung und @uppercase umschließt das Ergebnis.

Verwendung von Klassen als Dekoratoren

Eine weniger bekannte Funktion von Python ist, dass Klassen als Dekoratoren verwendet werden können. Dies kann besonders nützlich sein, wenn Sie den Status aufrechterhalten müssen.

# Class-based decorator
class CountCalls:
    def __init__(self, func):
        self.func = func
        self.call_count = 0

    def __call__(self, *args, **kwargs):
        self.call_count += 1
        print(f"Call {self.call_count} to {self.func.__name__}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

say_hello()
say_hello()

Ausgabe:

Call 1 to say_hello
Hello!
Call 2 to say_hello
Hello!

Hier ermöglicht die call-Methode der Klasse, sich wie eine Funktion zu verhalten, sodass sie die Zielfunktion nahtlos umschließen kann.

Dekorateure für Methoden

Dekorateure arbeiten genauso gut mit Methoden im Unterricht. Der richtige Umgang mit sich selbst ist jedoch unerlässlich.

# Method decorator example
def log_method(func):
    def wrapper(self, *args, **kwargs):
        print(f"Method {func.__name__} called on {self}")
        return func(self, *args, **kwargs)
    return wrapper

class Greeter:
    @log_method
    def greet(self, name):
        print(f"Hello, {name}!")

obj = Greeter()
obj.greet("Alice")

Ausgabe:

Method greet called on <__main__.greeter object at>
Hello, Alice!
</__main__.greeter>

Kombination von Dekorateuren mit Kontextmanagern

Manchmal müssen Sie Dekorateure in die Ressourcenverwaltung integrieren. Lassen Sie uns zum Beispiel einen Dekorator erstellen, der die Ausführung einer Funktion zeitlich begrenzt.

import time

# Timing decorator
def time_it(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} took {end - start:.2f} seconds")
        return result
    return wrapper

@time_it
def slow_function():
    time.sleep(2)
    print("Done sleeping!")

slow_function()

Ausgabe:

# Basic decorator example
def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__}...")
        result = func(*args, **kwargs)
        print(f"{func.__name__} finished.")
        return result
    return wrapper

@simple_decorator
def say_hello():
    print("Hello, world!")

say_hello()

Best Practices

Bei der Arbeit mit Dekorateuren ist es entscheidend, die Lesbarkeit und Wartbarkeit im Auge zu behalten. Hier sind einige Tipps:

  • Verwenden Sie functools.wraps: Dadurch bleiben Metadaten der ursprünglichen Funktion erhalten.
Calling say_hello...
Hello, world!
say_hello finished.
  • Gründlich testen: Dekoratoren können subtile Fehler verursachen, insbesondere wenn mehrere Dekoratoren verkettet werden.

  • Dekorateure dokumentieren: Dokumentieren Sie eindeutig, was jeder Dekorateur tut und welche Parameter er erwartet.

  • Vermeiden Sie übermäßigen Gebrauch: Obwohl Dekoratoren leistungsstark sind, kann ihre übermäßige Verwendung dazu führen, dass der Code schwer zu befolgen ist.

Zusammenfassung

Dekoratoren sind eine der ausdrucksstärksten Funktionen von Python. Sie ermöglichen es Ihnen, das Verhalten auf saubere und wiederverwendbare Weise zu erweitern und zu ändern. Von parametrisierten Dekoratoren bis hin zu klassenbasierten Implementierungen sind die Möglichkeiten endlos. Wenn Sie Ihre Fähigkeiten verfeinern, werden Sie feststellen, dass Sie Dekorateure nutzen, um saubereren, pythonischeren Code zu schreiben – und vielleicht, wie ein großer Koch, Ihre charakteristischen Akzente in jedes Rezept einbringen, das Sie kreieren.

Hinweis: KI-unterstützte Inhalte

Das obige ist der detaillierte Inhalt vonFortgeschrittene Python-Dekoratoren: Verbessern Sie Ihren Code. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Wie werden Arrays im wissenschaftlichen Computer mit Python verwendet?Wie werden Arrays im wissenschaftlichen Computer mit Python verwendet?Apr 25, 2025 am 12:28 AM

Arraysinpython, besondersvianumpy, arecrucialInScientificComputingFortheirefficience undvertilität.1) Sie haben festgelegt, dass die Fornerikerne, Datenanalyse und Machinelarning.2) Numpy'SimplementationIncensuresFasteroperationsdanpythonlisten.3) Araysensableableableableableableableableableableableableableableableableableableableableableableableableableable

Wie gehen Sie mit verschiedenen Python -Versionen im selben System um?Wie gehen Sie mit verschiedenen Python -Versionen im selben System um?Apr 25, 2025 am 12:24 AM

Sie können verschiedene Python -Versionen mithilfe von Pyenv, Venv und Anaconda verwalten. 1) Verwalten Sie PYENV, um mehrere Python -Versionen zu verwalten: Installieren Sie PyEnv, setzen Sie globale und lokale Versionen. 2) Verwenden Sie VenV, um eine virtuelle Umgebung zu erstellen, um Projektabhängigkeiten zu isolieren. 3) Verwenden Sie Anaconda, um Python -Versionen in Ihrem Datenwissenschaftsprojekt zu verwalten. 4) Halten Sie das System Python für Aufgaben auf Systemebene. Durch diese Tools und Strategien können Sie verschiedene Versionen von Python effektiv verwalten, um den reibungslosen Betrieb des Projekts zu gewährleisten.

Was sind einige Vorteile bei der Verwendung von Numpy -Arrays gegenüber Standard -Python -Arrays?Was sind einige Vorteile bei der Verwendung von Numpy -Arrays gegenüber Standard -Python -Arrays?Apr 25, 2025 am 12:21 AM

NumpyarrayShaveseveraladVantagesOverStandardPythonArrays: 1) SiearemuchfasterDuetoc-basiert, 2) sie istaremoremory-effizient, insbesondere mit mit LaShlargedatasets und 3) sie können sich mit vektorisierten Funktionsformathematical und Statistical opertical opertical opertical operticaloperation, Making

Wie wirkt sich die homogene Natur der Arrays auf die Leistung aus?Wie wirkt sich die homogene Natur der Arrays auf die Leistung aus?Apr 25, 2025 am 12:13 AM

Der Einfluss der Homogenität von Arrays auf die Leistung ist doppelt: 1) Homogenität ermöglicht es dem Compiler, den Speicherzugriff zu optimieren und die Leistung zu verbessern. 2) aber begrenzt die Typ -Vielfalt, was zu Ineffizienz führen kann. Kurz gesagt, die Auswahl der richtigen Datenstruktur ist entscheidend.

Was sind einige Best Practices für das Schreiben von ausführbaren Python -Skripten?Was sind einige Best Practices für das Schreiben von ausführbaren Python -Skripten?Apr 25, 2025 am 12:11 AM

TocraftexecutablePythonScripts, folge theseBestPractices: 1) addashebangline (#!/Usr/bin/envpython3) tomakethescriptexcutable.2 SetPermissions withchmod xyour_script.py.3) organisation -bithacleardocstringanduseInname == "__ __": FormAcleardocstringanduseInname

Wie unterscheiden sich Numpy Arrays von den Arrays, die mit dem Array -Modul erstellt wurden?Wie unterscheiden sich Numpy Arrays von den Arrays, die mit dem Array -Modul erstellt wurden?Apr 24, 2025 pm 03:53 PM

NumpyarraysarebetterFornumericaloperations und multi-dimensionaldata, whilethearraymoduleiStableforbasic, an Gedächtniseffizienten

Wie vergleichen sich die Verwendung von Numpy -Arrays mit der Verwendung der Array -Modularrays in Python?Wie vergleichen sich die Verwendung von Numpy -Arrays mit der Verwendung der Array -Modularrays in Python?Apr 24, 2025 pm 03:49 PM

NumpyarraysarebetterforeheavynumericalComputing, während der projectwithsimpledatatypes.1) numpyarraysoferversatility und -PerformanceForlargedataSets und Compoxexoperations.2) thearraysoferversStility und Mächnory-Effefef

Wie bezieht sich das CTypes -Modul auf Arrays in Python?Wie bezieht sich das CTypes -Modul auf Arrays in Python?Apr 24, 2025 pm 03:45 PM

ctypesallowscreatingandmanipulationsc-stylearraysinpython.1) usectypestoInterfaceWithClibraryForperformance.2) createCec-stylearraysFornumericalComputationen.3) PassarrayStocfunctionsFectionFicecher-Operationen.

See all articles

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

mPDF

mPDF

mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),

VSCode Windows 64-Bit-Download

VSCode Windows 64-Bit-Download

Ein kostenloser und leistungsstarker IDE-Editor von Microsoft

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

Leistungsstarke integrierte PHP-Entwicklungsumgebung