python裝飾器深入學習_python

這篇文章主要深入學習了python裝飾器的相關資料,什麼是裝飾器？裝飾器遵循的原則等，具有一定的參考價值，有興趣的小伙伴們可以參考一下

什麼是裝飾器

在我們的軟體產品升級時，常常需要為各個函數新增功能，而在我們的軟體產品中，相同的函數可能會被調用上百次，這種情況是很常見的，如果我們一個個的修改，那我們的碼農豈不要掛掉了(有人就說了，你笨呀，修改函數定義不就行了！同學，你醒醒吧，如果要新加的功能會修改參數，或者返回值呢？)。這時候，就是我們裝飾器大顯神通的時候了。裝飾器就可以實現，在不改變原函數的呼叫形式下（即函數的透明化處理），為函數新增功能的作用。如何實現，以及實現原理，下文會詳解。

裝飾者遵循的原則

裝飾器，顧名思義就是起裝飾的作用，既然是裝飾，那麼被裝飾的物件是啥樣就是啥樣，不能有絲毫改變。 在這裡，我們寫裝飾器就是必須掌握不能修改被修飾函數的原始碼這條鐵律。 如何遵循這條鐵律，我們還需還需做一些鋪墊，必須先了解三個概念，如下：

函數名稱即「變數」

在python中，函數名其實就像是c語言的函數指針，代表的是我們的函數位址，只有解釋器取得到這個位址，它才會去執行這塊記憶體的代碼。因此，本質上，函數名就和不同變數沒什麼區別，只不過函數名和普通變數所指涉的那塊記憶體的使用方式不同罷了，這些都是底層解釋器的機制所決定的，對於程式猿來說，都是透明的，所以，我們可以認為兩者是沒有差別的。

高階函數

什麼是高階函數其實很簡單，把握兩個原則就好：

• #形式參數有函數名稱

• 傳回值有函數名稱
  

#只要滿足這兩個原則之一，就可以稱為是高階函數。翻回頭來看，這裡出現了我們上面說的函數名，仔細體會一下，我們在這裡不就是把其當成實參看待的嗎？

巢狀函數字

#什麼是巢狀函數其實也很簡單，要把握一個原則就好：

• 在一個函數的函數體中去定義另一個函數
  

在這裡需要強調的是，函數定義時是不會執行函數體的，就和定義變數是不會去讀取變數裡的內容一樣。這一點至關重要，對於我們理解裝飾器實作原理非常有幫助。

如何寫裝飾器

有了上文的鋪墊，在現在來詳解一下如何寫裝飾器，就好理解多了。

裝飾器本質

　　其實裝飾器本質上就是一個函數，它也有函數名，參數和傳回值。但在python中，我們用「@auth」來表示。

@auth    # 其等价于：func = auth(func)
def func():
  print("func called")

 這個範例就是python中如何修飾func函數的格式，當然我們還沒有實作我們的裝飾函數。我們要注意的是註解裡寫的內容，我們可以看出：

• 裝飾函數其實是高階函數(參數和回傳值都為函數名)。

• 「auth(func)」是在呼叫我們的裝飾器函數，也就是裝飾器函數的函數體會被執行，一定要記好這一點。
  

設計想法

#裝飾子即是函數，又有上述介紹的等價關係，那我們就可以這樣設計我們的裝飾器：

• 在我們裝飾器的函數體內去定義一個新的函數，在這個新定義的函數內去呼叫被修飾的函數，同時，在被修飾的函數的上下文去加入新功能。最後，利用裝飾器函數的回傳值來傳回我們新定義函數的函數名稱。
  

• 由此可以知道，「func = auth(func)」中的回傳值func表示的就是在裝飾器中新定義的函數的函數名稱。

前面做了大量的鋪墊，就是想在這裡揭示裝飾器的實作機制，其實沒什麼什麼的，很簡單：

• 装饰器机制改变了被修饰函数的函数名表示的地址数据。说白了就是，被修饰前，函数名代表的是A内存块；被修饰后，函数名代表的是B内存块；只不过，在执行B内存块时，会调用A内存块罢了。B内存块中的代码就是我们新加的功能。而这种机制的实现，使用了“高阶函数”和“嵌套函数”的机制。
  

• 最终的效果就是，但在调用被修饰过的函数时，其实调用的不是原来的内存块，而是修饰器新申请的内存块。

第一步：设计装饰器函数

装饰器函数定义跟普通函数定义没什么区别，关键是函数体怎么写的问题。这里，为了便于理解，先用无参数的装饰器函数说明。

#装饰器函数定义格式
def deco(func):
  '''函数体...'''
return func

这里说的无参数，指的是没有除了“func”之外的参数
难点是函数体的编写，下面的示例先告诉你为什么要有第二步：

#使用语法糖@来装饰函数，相当于“myfunc = deco(myfunc)”
def deco(func):
  print("before myfunc() called.")
  func()
  print("after myfunc() called.")
  return func
 
@deco
def myfunc():
  print("myfunc() called.")
 
myfunc()
myfunc()
 
#output：
before myfunc() called.
myfunc() called.
after myfunc() called.
myfunc() called.
myfunc() called.

由输出结果可以看出，我们的装饰器并没有生效。别跟我说装饰器只生效了一次，那是大家忽略了“@deco”的等效机制。解释到“@deco”时，会解释成“myfunc = deco(myfunc)”。注意了，前面我提到了，这里其实在调用deco函数的，因此，deco的函数体会被执行。所以output的前三行并不是调用myfunc函数时产生的效果，那有怎能说装饰器生效了一次呢？第二步就是解决装饰器没生效的问题的。

第二步：包装被修饰函数

#基本格式
def deco(func):
  def _deco()
    #新增功能
    #...
    #...
    func() #别修饰函数调用
  return_deco

 下面给出个示例：

#使用内嵌包装函数来确保每次新函数都被调用，
#内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
 
def deco(func):
  def _deco():
    print("before myfunc() called.")
    func()
    print("after myfunc() called.")
    # 不需要返回func，实际上应返回原函数的返回值
  return _deco
 
@deco
def myfunc():
  print("myfunc() called.")
  return 'ok'
 
myfunc()
 
#output:
before myfunc() called.
myfunc() called.
after myfunc() called.

  第三步：被修饰函数参数和返回值透明化处理

当完成了第二步时，其实装饰器已经完成了主要部分，下面就是对被修饰函数的参数和返回值的处理。这样才能真正实现装饰器的铁律。话不多说，直接上代码：

#基本格式
def deco(func):
  def _deco(*args, **kwargs) #参数透明化
    #新增功能
    #...
    #...
    res = func(*args, **kwargs) #别修饰函数调用
    return res #返回值透明化
  return_deco

通过上面的分析知：

参数透明化：当我们在调用被装饰后的函数时，其实调用的时这里的_deco函数。那么，我们就给_deco函数加上可变参数，并把得到的可变参数传递给func函数不就可以了。
返回值透明化：和参数透明化同理，给_deco函数定义返回值，并返回func的返回值就可以了。

透明化处理就是这么简单！至此，我们的装饰器编写完成。给个示例吧：

#对带参数的函数进行装饰，
#内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
 
def deco(func):
  def _deco(*agrs, **kwagrs):
    print("before myfunc() called.")
    ret = func(*agrs, **kwagrs)
    print(" after myfunc() called. result: %s" % ret)
    return ret
  return _deco
 
@deco
def myfunc(a, b):
  print(" myfunc(%s,%s) called." % (a, b))
  return a + b
 
print("sum=",myfunc(1, 2))
print("sum=",myfunc(3, 4))
 
#output:
before myfunc() called.
 myfunc(1,2) called.
 after myfunc() called. result: 3
sum= 3
before myfunc() called.
 myfunc(3,4) called.
 after myfunc() called. result: 7
sum= 7

装饰器进阶

带参数装饰器

装饰器即然也是函数，那么我们也可以给其传递参数。我这里说的是：“@auth(auth_type = 'type1')”这中形式哟。先上个代码吧：

#基本格式
def deco(deco_type)
  def _deco(func):
    def __deco(*args, **kwargs) #参数透明化
      #新增功能
      #...
      #...
      print("deco_type:",deco_type) #使用装饰器参数
      res = func(*args, **kwargs) #别修饰函数调用
      return res #返回值透明化
    return __deco
  return_deco

 说白了，就是在原来的装饰器的基础上再在最外层套一个deco函数，并用其来接收装饰器参数。由于是在最外层套了一个函数，那么这个函数的形参的作用范围就是函数体内部，所以里面的函数定义中随便用啦，就这么任性。
那怎么理解解释器的解析过程呢？在这里，只要我们明白一点就好，那就是： “@auth(auth_type = 'type1')”等价于“func = auth(auth_type = 'type1')(func)” 。解释器会先翻译“auth(auth_type = 'type1')”，再将其返回值(假设给了_func这个不存在的函数名)当作函数指针，这里的_func函数名代表的是_deco，然后再去执行“func = _func(func)”，而这个func函数名代表的其实就是__deco。

至此，就达到了通过装饰器来传参的目的。给个示例吧：

#示例7: 在示例4的基础上，让装饰器带参数，
#和上一示例相比在外层多了一层包装。
#装饰函数名实际上应更有意义些
 
def deco(deco_type):
  def _deco(func):
    def __deco(*args, **kwagrs):
      print("before %s called [%s]." % (func.__name__, deco_type))
      func(*args, **kwagrs)
      print(" after %s called [%s]." % (func.__name__, deco_type))
    return __deco
  return _deco
 
@deco("mymodule")
def myfunc():
  print(" myfunc() called.")
 
@deco("module2")
def myfunc2():
  print(" myfunc2() called.")
 
myfunc()
myfunc2()
 
#output:
before myfunc called [mymodule].
 myfunc() called.
 after myfunc called [mymodule].
before myfunc2 called [module2].
 myfunc2() called.
 after myfunc2 called [module2].

多重装饰器修饰函数

如果说，我上面说的内容都理解了，那么这个东东，就太简单不过了。不就是把我们的是装饰器当中被修饰的函数，对它进行装饰吗？但我在这里还想说的是，我们换个角度看问题。我们的关注点放在原来的被修饰的函数上，就会发现，NB呀，我可以给它添加若干个功能撒。给个示例吧：

def deco(deco_type):
  def _deco(func):
    def __deco(*args, **kwagrs):
      print("before %s called [%s]." % (func.__name__, deco_type))
      func(*args, **kwagrs)
      print(" after %s called [%s]." % (func.__name__, deco_type))
    return __deco
  return _deco
 
@deco("module1")
@deco("mymodule")
def myfunc():
  print(" myfunc() called.")
 
@deco("module2")
def myfunc2():
  print(" myfunc2() called.")
 
myfunc()
 
#output：
before __deco called [module1].
before myfunc called [mymodule].
 myfunc() called.
 after myfunc called [mymodule].
 after __deco called [module1].

 注意结果哟，@deco("module1"),来修饰的deco("mymdule")的，和我们想的是一样的，完美！

相关推荐：

深度理解Python装饰器的概念和含义

python裝飾器的深入淺出

#

以上是python裝飾器深入學習_python的詳細內容。更多資訊請關注PHP中文網其他相關文章！