详解Python的装饰器

时间  2019-12-14
标签 详解 python 装饰 栏目 Python 繁體版
原文   原文链接

Python中的装饰器是你进入Python大门的一道坎，无论你跨不跨过去它都在那里。html

为何须要装饰器

咱们假设你的程序实现了say_hello()和say_goodbye()两个函数。python

def say_hello():
    print "hello!"
    
def say_goodbye():
    print "hello!"  # bug here

if __name__ == '__main__':
    say_hello()
    say_goodbye()

可是在实际调用中，咱们发现程序出错了，上面的代码打印了两个hello。通过调试你发现是say_goodbye()出错了。老板要求调用每一个方法前都要记录进入函数的名称，好比这样：git

[DEBUG]: Enter say_hello()
Hello!
[DEBUG]: Enter say_goodbye()
Goodbye!

好，小A是个毕业生，他是这样实现的。github

def say_hello():
    print "[DEBUG]: enter say_hello()"
    print "hello!"

def say_goodbye():
    print "[DEBUG]: enter say_goodbye()"
    print "hello!"

if __name__ == '__main__':
    say_hello()
    say_goodbye()

很low吧？ 嗯是的。小B工做有一段时间了，他告诉小A能够这样写。缓存

def debug():
    import inspect
    caller_name = inspect.stack()[1][3]
    print "[DEBUG]: enter {}()".format(caller_name)   

def say_hello():
    debug()
    print "hello!"

def say_goodbye():
    debug()
    print "goodbye!"

if __name__ == '__main__':
    say_hello()
    say_goodbye()

是否是好一点？那固然，可是每一个业务函数里都要调用一下debug()函数，是否是很难受？万一老板说say相关的函数不用debug，do相关的才须要呢？闭包

那么装饰器这时候应该登场了。app

装饰器本质上是一个Python函数，它可让其余函数在不须要作任何代码变更的前提下增长额外功能，装饰器的返回值也是一个函数对象。它常常用于有切面需求的场景，好比：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，咱们就能够抽离出大量与函数功能自己无关的雷同代码并继续重用。函数

归纳的讲，装饰器的做用就是为已经存在的函数或对象添加额外的功能。post

怎么写一个装饰器

在早些时候 (Python Version < 2.4，2004年之前)，为一个函数添加额外功能的写法是这样的。性能

def debug(func):
    def wrapper():
        print "[DEBUG]: enter {}()".format(func.__name__)
        return func()
    return wrapper

def say_hello():
    print "hello!"

say_hello = debug(say_hello)  # 添加功能并保持原函数名不变

上面的debug函数其实已是一个装饰器了，它对原函数作了包装并返回了另一个函数，额外添加了一些功能。由于这样写实在不太优雅，在后面版本的Python中支持了@语法糖，下面代码等同于早期的写法。

def debug(func):
    def wrapper():
        print "[DEBUG]: enter {}()".format(func.__name__)
        return func()
    return wrapper

@debug
def say_hello():
    print "hello!"

这是最简单的装饰器，可是有一个问题，若是被装饰的函数须要传入参数，那么这个装饰器就坏了。由于返回的函数并不能接受参数，你能够指定装饰器函数wrapper接受和原函数同样的参数，好比：

def debug(func):
    def wrapper(something):  # 指定一毛同样的参数
        print "[DEBUG]: enter {}()".format(func.__name__)
        return func(something)
    return wrapper  # 返回包装过函数

@debug
def say(something):
    print "hello {}!".format(something)

这样你就解决了一个问题，但又多了N个问题。由于函数有千千万，你只管你本身的函数，别人的函数参数是什么样子，鬼知道？还好Python提供了可变参数*args和关键字参数**kwargs，有了这两个参数，装饰器就能够用于任意目标函数了。

def debug(func):
    def wrapper(*args, **kwargs):  # 指定宇宙无敌参数
        print "[DEBUG]: enter {}()".format(func.__name__)
        print 'Prepare and say...',
        return func(*args, **kwargs)
    return wrapper  # 返回

@debug
def say(something):
    print "hello {}!".format(something)

至此，你已彻底掌握初级的装饰器写法。

高级一点的装饰器

带参数的装饰器和类装饰器属于进阶的内容。在理解这些装饰器以前，最好对函数的闭包和装饰器的接口约定有必定了解。(参见http://betacat.online/posts/p...

带参数的装饰器

假设咱们前文的装饰器须要完成的功能不只仅是能在进入某个函数后打出log信息，并且还需指定log的级别，那么装饰器就会是这样的。

def logging(level):
    def wrapper(func):
        def inner_wrapper(*args, **kwargs):
            print "[{level}]: enter function {func}()".format(
                level=level,
                func=func.__name__)
            return func(*args, **kwargs)
        return inner_wrapper
    return wrapper

@logging(level='INFO')
def say(something):
    print "say {}!".format(something)

# 若是没有使用@语法，等同于
# say = logging(level='INFO')(say)

@logging(level='DEBUG')
def do(something):
    print "do {}...".format(something)

if __name__ == '__main__':
    say('hello')
    do("my work")

是否是有一些晕？你能够这么理解，当带参数的装饰器被打在某个函数上时，好比@logging(level='DEBUG')，它实际上是一个函数，会立刻被执行，只要这个它返回的结果是一个装饰器时，那就没问题。细细再体会一下。

基于类实现的装饰器

装饰器函数实际上是这样一个接口约束，它必须接受一个callable对象做为参数，而后返回一个callable对象。在Python中通常callable对象都是函数，但也有例外。只要某个对象重载了__call__()方法，那么这个对象就是callable的。

class Test():
    def __call__(self):
        print 'call me!'

t = Test()
t()  # call me

像__call__这样先后都带下划线的方法在Python中被称为内置方法，有时候也被称为魔法方法。重载这些魔法方法通常会改变对象的内部行为。上面这个例子就让一个类对象拥有了被调用的行为。

回到装饰器上的概念上来，装饰器要求接受一个callable对象，并返回一个callable对象（不太严谨，详见后文）。那么用类来实现也是也能够的。咱们可让类的构造函数__init__()接受一个函数，而后重载__call__()并返回一个函数，也能够达到装饰器函数的效果。

class logging(object):
    def __init__(self, func):
        self.func = func

    def __call__(self, *args, **kwargs):
        print "[DEBUG]: enter function {func}()".format(
            func=self.func.__name__)
        return self.func(*args, **kwargs)
@logging
def say(something):
    print "say {}!".format(something)

带参数的类装饰器

若是须要经过类形式实现带参数的装饰器，那么会比前面的例子稍微复杂一点。那么在构造函数里接受的就不是一个函数，而是传入的参数。经过类把这些参数保存起来。而后在重载__call__方法是就须要接受一个函数并返回一个函数。

class logging(object):
    def __init__(self, level='INFO'):
        self.level = level
        
    def __call__(self, func): # 接受函数
        def wrapper(*args, **kwargs):
            print "[{level}]: enter function {func}()".format(
                level=self.level,
                func=func.__name__)
            func(*args, **kwargs)
        return wrapper  #返回函数

@logging(level='INFO')
def say(something):
    print "say {}!".format(something)

内置的装饰器

内置的装饰器和普通的装饰器原理是同样的，只不过返回的不是函数，而是类对象，因此更难理解一些。

@property

在了解这个装饰器前，你须要知道在不使用装饰器怎么写一个属性。

def getx(self):
    return self._x

def setx(self, value):
    self._x = value
    
def delx(self):
   del self._x

# create a property
x = property(getx, setx, delx, "I am doc for x property")

以上就是一个Python属性的标准写法，其实和Java挺像的，可是太罗嗦。有了@语法糖，能达到同样的效果但看起来更简单。

@property
def x(self): ...

# 等同于

def x(self): ...
x = property(x)

属性有三个装饰器：setter, getter, deleter ，都是在property()的基础上作了一些封装，由于setter和deleter是property()的第二和第三个参数，不能直接套用@语法。getter装饰器和不带getter的属性装饰器效果是同样的，估计只是为了凑数，自己没有任何存在的意义。通过@property装饰过的函数返回的再也不是一个函数，而是一个property对象。

>>> property()
<property object at 0x10ff07940>

@staticmethod，@classmethod

有了@property装饰器的了解，这两个装饰器的原理是差很少的。@staticmethod返回的是一个staticmethod类对象，而@classmethod返回的是一个classmethod类对象。他们都是调用的是各自的__init__()构造函数。

class classmethod(object):
    """
    classmethod(function) -> method
    """    
    def __init__(self, function): # for @classmethod decorator
        pass
    # ...
class staticmethod(object):
    """
    staticmethod(function) -> method
    """
    def __init__(self, function): # for @staticmethod decorator
        pass
    # ...

装饰器的@语法就等同调用了这两个类的构造函数。

class Foo(object):

    @staticmethod
    def bar():
        pass
    
    # 等同于 bar = staticmethod(bar)

至此，咱们上文提到的装饰器接口定义能够更加明确一些，装饰器必须接受一个callable对象，其实它并不关心你返回什么，能够是另一个callable对象（大部分状况），也能够是其余类对象，好比property。

装饰器里的那些坑

装饰器可让你代码更加优雅，减小重复，但也不全是优势，也会带来一些问题。

位置错误的代码

让咱们直接看示例代码。

def html_tags(tag_name):
    print 'begin outer function.'
    def wrapper_(func):
        print "begin of inner wrapper function."
        def wrapper(*args, **kwargs):
            content = func(*args, **kwargs)
            print "<{tag}>{content}</{tag}>".format(tag=tag_name, content=content)
        print 'end of inner wrapper function.'
        return wrapper
    print 'end of outer function'
    return wrapper_

@html_tags('b')
def hello(name='Toby'):
    return 'Hello {}!'.format(name)

hello()
hello()

在装饰器中我在各个可能的位置都加上了print语句，用于记录被调用的状况。你知道他们最后打印出来的顺序吗？若是你内心没底，那么最好不要在装饰器函数以外添加逻辑功能，不然这个装饰器就不受你控制了。如下是输出结果：

begin outer function.
end of outer function
begin of inner wrapper function.
end of inner wrapper function.
<b>Hello Toby!</b>
<b>Hello Toby!</b>

错误的函数签名和文档

装饰器装饰过的函数看上去名字没变，其实已经变了。

def logging(func):
    def wrapper(*args, **kwargs):
        """print log before a function."""
        print "[DEBUG] {}: enter {}()".format(datetime.now(), func.__name__)
        return func(*args, **kwargs)
    return wrapper

@logging
def say(something):
    """say something"""
    print "say {}!".format(something)

print say.__name__  # wrapper

为何会这样呢？只要你想一想装饰器的语法糖@代替的东西就明白了。@等同于这样的写法。

say = logging(say)

logging其实返回的函数名字恰好是wrapper，那么上面的这个语句恰好就是把这个结果赋值给say，say的__name__天然也就是wrapper了，不只仅是name，其余属性也都是来自wrapper，好比doc，source等等。

使用标准库里的functools.wraps，能够基本解决这个问题。

from functools import wraps

def logging(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """print log before a function."""
        print "[DEBUG] {}: enter {}()".format(datetime.now(), func.__name__)
        return func(*args, **kwargs)
    return wrapper

@logging
def say(something):
    """say something"""
    print "say {}!".format(something)

print say.__name__  # say
print say.__doc__ # say something

看上去不错！主要问题解决了，但其实还不太完美。由于函数的签名和源码仍是拿不到的。

import inspect
print inspect.getargspec(say)  # failed
print inspect.getsource(say)  # failed

若是要完全解决这个问题能够借用第三方包，好比wrapt。后文有介绍。

不能装饰@staticmethod 或者 @classmethod

当你想把装饰器用在一个静态方法或者类方法时，很差意思，报错了。

class Car(object):
    def __init__(self, model):
        self.model = model

    @logging  # 装饰实例方法，OK
    def run(self):
        print "{} is running!".format(self.model)

    @logging  # 装饰静态方法，Failed
    @staticmethod
    def check_model_for(obj):
        if isinstance(obj, Car):
            print "The model of your car is {}".format(obj.model)
        else:
            print "{} is not a car!".format(obj)

"""
Traceback (most recent call last):
...
  File "example_4.py", line 10, in logging
    @wraps(func)
  File "C:\Python27\lib\functools.py", line 33, in update_wrapper
    setattr(wrapper, attr, getattr(wrapped, attr))
AttributeError: 'staticmethod' object has no attribute '__module__'
"""

前面已经解释了@staticmethod这个装饰器，其实它返回的并非一个callable对象，而是一个staticmethod对象，那么它是不符合装饰器要求的（好比传入一个callable对象），你天然不能在它之上再加别的装饰器。要解决这个问题很简单，只要把你的装饰器放在@staticmethod以前就行了，由于你的装饰器返回的仍是一个正常的函数，而后再加上一个@staticmethod是不会出问题的。

class Car(object):
    def __init__(self, model):
        self.model = model

    @staticmethod
    @logging  # 在@staticmethod以前装饰，OK
    def check_model_for(obj):
        pass

如何优化你的装饰器

嵌套的装饰函数不太直观，咱们可使用第三方包类改进这样的状况，让装饰器函数可读性更好。

decorator.py

decorator.py 是一个很是简单的装饰器增强包。你能够很直观的先定义包装函数wrapper()，再使用decorate(func, wrapper)方法就能够完成一个装饰器。

from decorator import decorate

def wrapper(func, *args, **kwargs):
    """print log before a function."""
    print "[DEBUG] {}: enter {}()".format(datetime.now(), func.__name__)
    return func(*args, **kwargs)

def logging(func):
    return decorate(func, wrapper)  # 用wrapper装饰func

你也可使用它自带的@decorator装饰器来完成你的装饰器。

from decorator import decorator

@decorator
def logging(func, *args, **kwargs):
    print "[DEBUG] {}: enter {}()".format(datetime.now(), func.__name__)
    return func(*args, **kwargs)

decorator.py实现的装饰器能完整保留原函数的name，doc和args，惟一有问题的就是inspect.getsource(func)返回的仍是装饰器的源代码，你须要改为inspect.getsource(func.__wrapped__)。

wrapt

wrapt是一个功能很是完善的包，用于实现各类你想到或者你没想到的装饰器。使用wrapt实现的装饰器你不须要担忧以前inspect中遇到的全部问题，由于它都帮你处理了，甚至inspect.getsource(func)也准确无误。

import wrapt

# without argument in decorator
@wrapt.decorator
def logging(wrapped, instance, args, kwargs):  # instance is must
    print "[DEBUG]: enter {}()".format(wrapped.__name__)
    return wrapped(*args, **kwargs)

@logging
def say(something): pass

使用wrapt你只须要定义一个装饰器函数，可是函数签名是固定的，必须是(wrapped, instance, args, kwargs)，注意第二个参数instance是必须的，就算你不用它。当装饰器装饰在不一样位置时它将获得不一样的值，好比装饰在类实例方法时你能够拿到这个类实例。根据instance的值你可以更加灵活的调整你的装饰器。另外，args和kwargs也是固定的，注意前面没有星号。在装饰器内部调用原函数时才带星号。

若是你须要使用wrapt写一个带参数的装饰器，能够这样写。

def logging(level):
    @wrapt.decorator
    def wrapper(wrapped, instance, args, kwargs):
        print "[{}]: enter {}()".format(level, wrapped.__name__)
        return wrapped(*args, **kwargs)
    return wrapper

@logging(level="INFO")
def do(work): pass

关于wrapt的使用，建议查阅官方文档，在此不在赘述。

小结

Python的装饰器和Java的注解（Annotation）并非同一回事，和C#中的特性（Attribute）也不同，彻底是两个概念。

装饰器的理念是对原函数、对象的增强，至关于从新封装，因此通常装饰器函数都被命名为wrapper()，意义在于包装。函数只有在被调用时才会发挥其做用。好比@logging装饰器能够在函数执行时额外输出日志，@cache装饰过的函数能够缓存计算结果等等。

而注解和特性则是对目标函数或对象添加一些属性，至关于将其分类。这些属性能够经过反射拿到，在程序运行时对不一样的特性函数或对象加以干预。好比带有Setup的函数就当成准备步骤执行，或者找到全部带有TestMethod的函数依次执行等等。

至此我所了解的装饰器已经讲完，可是还有一些内容没有提到，好比装饰类的装饰器。有机会再补充。谢谢观看。

本文源码 https://github.com/tobyqin/py...

关于做者：Python技术爱好者，目前从事测试开发相关工做，转载请注明原文出处。

欢迎关注个人博客 http://betacat.online，你能够到个人公众号中去当吃瓜群众。

Betacat.online

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程