python学习笔记 函数装饰器

函数装饰器

函数装饰器用于在源码中“标记”函数， 以某种方式加强函数的行为，这是一个强大的功能。

函数装饰器是一个可调用对象，其参数是另一个函数，即被装饰函数。装饰器可能处理被装饰函数，而后将其返回，或者将其替换成另外一个函数或可调用对象。

函数装饰器的一个重要特性就是，它们在被装饰的函数定义以后当即运行。

registry = []

def register(func):
    print('running register(%s)' % func)
    registry.append(func)
    return func

@register
def f1():
    print('running f1()')

@register
def f2():
    print('running f2()')

def f3():
    print('running f3()')

def main():
    print('running main()')
    print('registry ->', registry)
    f1()
    f2()
    f3()

if __name__ == '__main__':
    main()

运行结果：

running register(<function f1 at 0x0000022DC2D23620>)
running register(<function f2 at 0x0000022DC2D236A8>)
running main()
registry -> [<function f1 at 0x0000022DC2D23620>, <function f2 at 0x0000022DC2D236A8>]
running f1()
running f2()
running f3()

能够看到，被装饰的 f1() 和 f2() 首先被运行，随后才运行main()中的语句。

被装饰函数运行时，其自己的内容（示例中print语句）并无被执行，而是运行了装饰器函数中的print语句；这就是装饰器的做用，替代被装饰函数，同时装饰器也能够调用外界自由变量（registry），从而引出一个重要概念：

闭包

实例中registry变量和register函数组合的共同体，被成称为闭包。

该例中有两个不太寻常的地方：

• 装饰器函数和被装饰函数定义在一个模块之中；通常来讲，二者应该定义在不一样的模块；
• register装饰器返回的函数与经过参数传入的相同；实际上，大部分装饰器会在内部定义一个函数，而后将其返回。

实现一个简单的装饰器

# clockdeco.py 输出被装饰函数的运行时间
import time


def clock(func):
    def clocked(*args):
        t0 = time.perf_counter()
        result = func(*args)
        elapsed = time.perf_counter() - t0
        name = func.__name__
        arg_str = ','.join(repr(arg) for arg in args)
        print('[%0.8fs] %s(%s) -> %r' % (elapsed, name, arg_str, result))
        return result
    return clocked

简单运用：

# clockdeco_demo.py 
import time
from clockdeco import clock

@clock
def snooze(seconds):
    time.sleep(seconds)

@clock
def factorial(n):
    return 1 if n < 2 else n*factorial(n-1)

def main():
    print('*' * 40, 'Calling snooze(.123)')
    snooze(.123)
    print('*' * 40, 'Calling factorial(6)')
    print('6! =', factorial(6))

if __name__ == '__main__':
    main()

运行结果：

**************************************** Calling snooze(.123)
[0.12240868s] snooze(0.123) -> None
**************************************** Calling factorial(6)
[0.00000068s] factorial(1) -> 1
[0.00020317s] factorial(2) -> 2
[0.00039755s] factorial(3) -> 6
[0.00053638s] factorial(4) -> 24
[0.00062375s] factorial(5) -> 120
[0.00067319s] factorial(6) -> 720
6! = 720

运行过程当中，首先输出装饰器函数中的内容：

1. 被装饰函数运行时间长度；
2. 函数名称和实际参数
3. 计算结果

而后获得最终的计算结果。可见，装饰器函数的优先级较高

固然，该实例中的装饰器具备几个缺点：

• 不支持关键字参数
• 遮盖了被装饰函数的__name__和__doc__属性

下面的例子对其作出改进：

# clockdeco2.py
import time
import functools


def clock(func):
    @functools.wraps(func)
    def clocked(*args, **kwargs):
        t0 = time.time()
        result = func(*args, **kwargs)
        elapsed = time.time() - t0
        name = func.__name__
        arg_lst = []
        if args:
            arg_lst.append(','.join(repr(arg) for arg in args))
        if kwargs:
            pairs = ['%s=%r' % (k, w) for k, w in sorted(kwargs.items())]
            arg_lst.append(', '.join(pairs))
        arg_str = ', '.join(arg_lst)
        print('[%0.8fs] %s(%s) -> %r ' % (elapsed, name, arg_str, result))
        return result
    return clocked

运用：

# clockdeco_demo.py
import time
from clockdeco2 import clock

@clock
def snooze(seconds):
    time.sleep(seconds)

@clock
def factorial(n):
    return 1 if n < 2 else n*factorial(n-1)

def main():
    print('*' * 40, 'Calling snooze(.123)')
    snooze(.123)
    print('*' * 40, 'Calling factorial(6)')
    print('6! =', factorial(6))

if __name__ == '__main__':
    main()

运行结果：

**************************************** Calling snooze(.123)
[0.12328553s] snooze(0.123) -> None
**************************************** Calling factorial(6)
[0.00000000s] factorial(1) -> 1
[0.00000000s] factorial(2) -> 2
[0.00000000s] factorial(3) -> 6
[0.00099683s] factorial(4) -> 24
[0.00099683s] factorial(5) -> 120
[0.00099683s] factorial(6) -> 720
6! = 720

改进后的clockdeco2.py中，使用functools.wraps装饰器把相关属性从func复制到clocked中，此外，这个新版本还能正确处理关键字参数。functools.wraps是标准库中的装饰器，它能够用于装饰一个函数，可是对于被装饰函数自己的功能没有任何影响，它的功能只是传递函数内置参数。

参数化clock装饰器

# clockdeco_param.py
import time


DEFAULT_FMT = '[{elapsed:0.8f}s] {name}({args}) -> {result}'

def clock(fmt=DEFAULT_FMT):
    def decorate(func):
        def clocked(*_args):
            t0 = time.time()
            _result = func(*_args)
            elapsed = time.time() - t0
            name = func.__name__
            args = ','.join(repr(arg) for arg in _args)
            result = repr(_result)
            print(fmt.format(**locals()))
            return _result
        return clocked
    return decorate

• def clock 是参数化装饰器工厂函数
• decorate(func) 是真正的装饰器
• clocked 包装被装饰的函数

示例1：

# clockdeco_param_demo.py
import time
from clockdeco_param import clock

@clock()
def snooze(seconds):
    time.sleep(seconds)

for i in range(3):
    snooze(.123)

运行结果：

[0.12367034s] snooze(0.123) -> None
[0.12367010s] snooze(0.123) -> None
[0.12366986s] snooze(0.123) -> None

示例2：

# clockdeco_param_demo.py
import time
from clockdeco_param import clock

@clock('{name}:{elapsed}s')
def snooze(seconds):
    time.sleep(seconds)

for i in range(3):
    snooze(.123)

运行结果：

snooze:0.12366843223571777s
snooze:0.12369871139526367s
snooze:0.12366509437561035s

示例3：

# clockdeco_param_demo.py
import time
from clockdeco_param import clock

@clock('{name}({args}) dt={elapsed:0.3f}s')
def snooze(seconds):
    time.sleep(seconds)

for i in range(3):
    snooze(.123)

运行结果：

snooze(0.123) dt=0.124s
snooze(0.123) dt=0.124s
snooze(0.123) dt=0.124s

分析三个示例能够看出，当装饰器clock的参数不一样时，被装饰函数运行所得结果也会不一样。

python中参数化装饰器的用意在于将更多的参数传送给装饰器，由于装饰器的第一个参数必定是被装饰函数。

备忘装饰器 functools.lru_cache

functools.lru_cache和functools.wraps同样，也是一个python内置装饰器，它的功能是将耗时的函数结果保存起来，避免传图相同的参数形成重复计算，从而节省代码运行时间。

下面以斐波那契数列写一个案例:

1. 使用functools.lru_cache

   import functools
   from clockdeco import clock

   @functools.lru_cache()
   @clock
   def fibonacci(n):

   if n < 2:
       return  n
   return fibonacci(n-2) + fibonacci(n-1)

   if __name__=='__main__':

   print(fibonacci(30))

运行结果：

[0.00000000s] fibonacci(0) -> 0
[0.00000068s] fibonacci(1) -> 1
......
[0.00000271s] fibonacci(29) -> 514229
[0.00542815s] fibonacci(30) -> 832040
832040

屡次运行，计算fibonacci(30)大概耗时0.005秒左右

做为对比：

import functools
from clockdeco import clock


@clock
def fibonacci(n):
    if n < 2:
        return  n
    return fibonacci(n-2) + fibonacci(n-1)

if __name__=='__main__':
    print(fibonacci(30))

运行结果：

.......
[156.42139917s] fibonacci(28) -> 317811
[230.80184171s] fibonacci(29) -> 514229
[368.52227404s] fibonacci(30) -> 832040
832040

嗯……陷入沉思，虽然笔记本渣渣配置，可是运行了6分钟，差距太大

总结

• 函数装饰器就是用来装饰函数的函数，并使用内置函数替代被装饰函数
• 被装饰函数在定义时就运行，无需显示调用
• 内置装饰器functools.wraps能够为被装饰函数赋值内置属性
• 参数化装饰器能够接受不一样参数并适用于被装饰函数，显示不一样的做用，至关于装饰器中的定制化
• 参数化的装饰器嵌套层次较深，逻辑相对复杂
• 内置装饰器functools.lru_cache采用缓存机制，存储须要屡次调用的函数值，从而下降代码运行时间