要理解什么是装饰器，您首先须要熟悉Python处理函数的方式。从它的观点来看，函数和对象没有什么不一样。它们有属性，能够从新分配:python
def func(): print('hello from func') func() > hello from func new_func = func new_func() > hello from func print(new_func.__name__) > func
此外，你还能够将它们做为参数传递给其余函数:编程
def func(): print('hello from func') def call_func_twice(callback): callback() callback() call_func_twice(func) > hello from func > hello from func
如今,咱们介绍装饰器。装饰器(decorator)用于修改函数或类的行为。实现这一点的方法是定义一个返回另外一个函数的函数(装饰器)。这听起来很复杂，可是经过这个例子你会理解全部的东西:swift
def logging_decorator(func): def logging_wrapper(*args, **kwargs): print(f'Before {func.__name__}') func(*args, **kwargs) print(f'After {func.__name__}') return logging_wrapper def sum(x, y): print(x + y) sum(2, 5)> Before sum> 7> After sum
让咱们一步一步来:缓存
首先，咱们在第1行定义logging_decorator函数。它只接受一个参数，也就是咱们要修饰的函数。微信
在内部，咱们定义了另外一个函数:logging_wrapper。而后返回logging_wrapper，并使用它来代替原来的修饰函数。app
在第7行，您能够看到如何将装饰器应用到sum函数。机器学习
在第11行，当咱们调用sum时，它不单单调用sum。它将调用logging_wrapper，它将在调用sum以前和以后记录日志。编辑器
这很简单:可读性。Python因其清晰简洁的语法而备受赞誉，装饰器也不例外。若是有任何行为是多个函数共有的，那么您可能须要制做一个装饰器。下面是一些可能会派上用场的例子:函数
在运行时检查实参类型学习
基准函数调用
缓存功能的结果
计数函数调用
检查元数据(权限、角色等)
元编程
和更多…
如今咱们将列出一些代码示例。
带有返回值的装饰器
假设咱们想知道每一个函数调用须要多长时间。并且，函数大多数时候都会返回一些东西，因此装饰器也必须处理它:
def timer_decorator(func): def timer_wrapper(*args, **kwargs): import datetime before = datetime.datetime.now() result = func(*args,**kwargs) after = datetime.datetime.now() print "Elapsed Time = {0}".format(after-before) return result def sum(x, y): print(x + y) return x + y sum(2, 5)> 7> Elapsed Time = some time
能够看到，咱们将返回值存储在第5行的result中。但在返回以前，咱们必须完成对函数的计时。这是一个没有装饰者就不可能实现的行为例子。
带有参数的装饰器
有时候，咱们想要一个接受值的装饰器(好比Flask中的@app.route('/login'):
def permission_decorator(permission): def _permission_decorator(func): def permission_wrapper(*args, **kwargs): if someUserApi.hasPermission(permission): result = func(*args, **kwargs) return result return None return permission wrapper return _permission_decorator
def delete_user(user): someUserApi.deleteUser(user)
为了实现这一点，咱们定义了一个额外的函数，它接受一个参数并返回一个装饰器。
带有类的装饰器
使用类代替函数来修饰是可能的。惟一的区别是语法，因此请使用您更熟悉的语法。下面是使用类重写的日志装饰器:
class Logging: def __init__(self, function): self.function = function def __call__(self, *args, **kwargs): print(f'Before {self.function.__name__}') self.function(*args, **kwargs) print(f'After {self.function.__name__}') def sum(x, y): print(x + y)
sum(5, 2)> Before sum> 7> After sum
这样作的好处是，您没必要处理嵌套函数。你所须要作的就是定义一个类并覆盖__call__方法。
装饰类
有时，您可能想要修饰类中的每一个方法。你能够这样写
class MyClass: def func1(self): pass def func2(self): pass
但若是你有不少方法，这可能会失控。值得庆幸的是，有一种方法能够一次性装饰整个班级:
def logging_decorator(func): def logging_wrapper(*args, **kwargs): print(f'Before {func.__name__}') result = func(*args, **kwargs) print(f'After {func.__name__}') return result return logging_wrapper
def log_all_class_methods(cls): class NewCls(object): def __init__(self, *args, **kwargs): self.original = cls(*args, **kwargs) def __getattribute__(self, s): try: x = super(NewCls,self).__getattribute__(s) except AttributeError: pass else: return x x = self.original.__getattribute__(s) if type(x) == type(self.__init__): return logging_decorator(x) else: return x return NewCls class SomeMethods: def func1(self): print('func1') def func2(self): print('func2') methods = SomeMethods()methods.func1()> Before func1> func1> After func1
如今，不要惊慌。这看起来很复杂，但逻辑是同样的:
首先，咱们让logging_decorator保持原样。它将应用于类的全部方法。
而后咱们定义一个新的装饰器:log_all_class_methods。它相似于普通的装饰器，但却返回一个类。
NewCls有一个自定义的__getattribute__。对于对原始类的全部调用，它将使用logging_decorator装饰函数。
内置的修饰符
您不只能够定义本身的decorator，并且在标准库中也提供了一些decorator。我将列出与我一块儿工做最多的三我的:
@property -一个内置插件的装饰器，它容许你为类属性定义getter和setter。
@lru_cache - functools模块的装饰器。它记忆函数参数和返回值，这对于纯函数(如阶乘)很方便。
@abstractmethod——abc模块的装饰器。指示该方法是抽象的，且缺乏实现细节。
·END·
机器学习·数据分析
本文分享自微信公众号 - Python学会（gh_39aead19f756）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。