Python中的装饰器
装饰器本质上是一个Python函数,它可以让其他函数在不需要做任何代码变动的前提下增加额外功能,装饰器的返回值也是一个函数对象。
它经常用于有切面需求的场景,比如:插入日志、性能检测、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,我们就可以抽离出大量与函数功能无关的雷同代码并继续重用。概括地讲,装饰器的作用就是为已经存在对象添加额外的功能。
先看一个简单例子:
1 | def foo(): |
现在有一个新的需求,希望可以记录下函数的执行日志,于是在代码中添加日志代码:
1 | import logging |
如果有些函数也有类似的需求,怎么做?都写一个logging在函数内?这样就造成了大量雷同的代码,为了减少重复写代码,可以这么做,重新定义一个函数专门处理日志,日志处理完之后再执行真正的业务代码:
1 | def use_logging(func): |
逻辑上不难理解,但这样的话,我们每次都要将一个函数作为参数传递给use_logging
函数。而且这种方式已经破坏了原有的代码逻辑结构,之前执行业务逻辑时,执行运行bar()
,但是现在不得不改成use_logging(bar)
。那么有没有更好的方式呢?当然有,答案就是装饰器。
简单装饰器
1 | def use_logging(func): |
函数use_logging
就是装饰器,它把执行真正业务方法的func包裹在函数里面,看起来像bar
被logging
包起来,被装饰了。在这个例子中,函数进入和退出时,被称为一个横切面(Aspect),这种编程方法称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖,在定义函数的时候使用,避免再一次赋值操作。
1 | def use_logging(func): |
如上所示,使用@符号我们就可以省去bar = use_logging(bar)
这一句了,直接调用bar()
即可得到想要的结果。如果我们有其他的类似函数,我们就可以继续调用装饰器来修饰函数,而不用重新修改函数或者增加新的封装。这样,我们就提高了程序的可重复利用性,并增加了程序的可读性。
装饰器在Python中使用如此方便都要归功于Python的函数能像普通的对象一样能作为参数传递给其他函数,可以被赋值给其他的变量,可以作为返回值,可以被定义在另一个函数内。
带参数的装饰器
装饰器还有更大的灵活性,例如带参数的装饰器:在上面的装饰器调用中,比如@use_logging
,该装饰器唯一的参数就是执行业务的函数。装饰器的语法云溪我们在调用时,提供其他参数比如@decorator(a)
。这样,就为装饰器的编写和使用提供了更大的灵活性。
1 | def use_logging(level): |
上面的use_logging
是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装,并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我们使用@use_logging(level="warn")
调用的时候,Python能够发现这一层的封装,并把参数传递到装饰器的环境中。
类装饰器
再来看看类装饰器,相比函数装饰器,类装饰器具有灵活度大,高内聚,封装性等优点。使用类装饰器还可以依赖类内部的__call__
方法,当使用@形式将装饰器附加到函数上时,就会调用此方法。
1 | class Foo(object): |
functools.wraps
使用装饰器极大地复用了代码,但是它有个缺点就是原函数的元信息不见了,比如函数的docstring
、__name__
、参数列表,先看例子:
装饰器:
1 | def logged(func): |
函数:
1 |
|
该函数完全等价于:
1 | def f(x): |
不难发现,函数f
被with_logging
替代了,当然它的docstring
、__name__
就变成了with_logging
函数的信息了。
1 | print(f.__name__) |
这个问题就比较严重了,好在我们有function.wraps
,wraps
本身也是一个装饰器,它能把原函数的元信息拷贝到装饰器函数中,这使得装饰器函数也有和原函数一样的元信息了。
1 | from functools import wraps |
内置装饰器
@staticmethod
、@classmethod
、@property
装饰器的顺序:
1 |
|
等效于
1 | f = a(b(c(f))) |
引用资料: