看完这篇文章还会不懂Python装饰器?掐死小编吧

1. 必备

#### 第一波 ####
def foo():
    print('foo')
foo     #表示是函数
foo()   #表示执行foo函数
#### 第二波 ####
def foo():
    print('foo')
foo = lambda x: x + 1
foo(1)   # 执行下面的lambda表达式,而不再是原来的foo函数,因为函数 foo 被重新定义了

2. 需求来了

初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作、redis调用、监控API等功能。业务部门使用基础功能时,只需调用基础平台提供的功能即可。如下:

############### 基础平台提供的功能如下 ###############
def f1():
    print('f1')
def f2():
    print('f2')
def f3():
    print('f3')
def f4():
    print('f4')
############### 业务部门A 调用基础平台提供的功能 ###############
f1()
f2()
f3()
f4()
############### 业务部门B 调用基础平台提供的功能 ###############
f1()
f2()
f3()
f4()

目前公司有条不紊的进行着,但是,以前基础平台的开发人员在写代码时候没有关注验证相关的问题,即:基础平台的提供的功能可以被任何人使用。现在需要对基础平台的所有功能进行重构,为平台提供的所有功能添加验证机制,即:执行功能前,先进行验证。

  • 老大把工作交给 Low B,他是这么做的: 跟每个业务部门交涉,每个业务部门自己写代码,调用基础平台的功能之前先验证。诶,这样一来基础平台就不需要做任何修改了。 当天Low B 被开除了…
  • 老大把工作交给 Low BB,他是这么做的: 只对基础平台的代码进行重构,让N业务部门无需做任何修改 过了一周 Low BB 被开除了…
############### 基础平台提供的功能如下 ############### 
def f1():
    # 验证1
    # 验证2
    # 验证3
    print('f1')
def f2():
    # 验证1
    # 验证2
    # 验证3
    print('f2')
def f3():
    # 验证1
    # 验证2
    # 验证3
    print('f3')
def f4():
    # 验证1
    # 验证2
    # 验证3
    print('f4')
############### 业务部门不变 ############### 
### 业务部门A 调用基础平台提供的功能### 
f1()
f2()
f3()
f4()
### 业务部门B 调用基础平台提供的功能 ### 
f1()
f2()
f3()
f4()
  • 老大把工作交给 Low BBB,他是这么做的: 只对基础平台的代码进行重构,其他业务部门无需做任何修改。
############### 基础平台提供的功能如下 ############### 
def check_login():
    # 验证1
    # 验证2
    # 验证3
    pass
def f1(): 
    check_login()
    print('f1')
def f2():
    check_login()
    print('f2')
def f3():
    check_login()
    print('f3')
def f4():
    check_login()
    print('f4')

老大看了下Low BBB 的实现,嘴角漏出了一丝的欣慰的笑,语重心长的跟Low BBB聊了个天:

老大说:

写代码要遵循开发封闭原则,虽然这个原则是用的面向对象开发,但是也适用于函数式编程,简单来说,它规定已经实现的功能代码不允许被修改,但可以被扩展,即:

  • 封闭:已实现的功能代码块
  • 开放:对扩展开发

如果将开放封闭原则应用在上述需求中,那么就不允许在函数f1 f2 f3 f4 的内部进行修改代码,老板就给了Low BBB一个实现方案:

def w1(func):
    def inner():
        # 验证1
        # 验证2
        # 验证3
        return func()
    return inner
@w1
def f1():
    print('f1')
@w1
def f2():
    print('f2')
@w1
def f3():
    print('f3')
@w1
def f4():
    print('f4')

对于上述代码,也是仅仅对基础平台的代码进行修改,就可以实现在其他人调用函数 f1 f2 f3 f4 之前都进行验证操作,并且其他业务部门无需做任何操作。

Low BBB心惊胆战的问了下,这段代码的内部执行原理是什么呢?

老大正要生气,突然Low BBB的手机掉到地上,恰恰屏保就是Low BBB的女友照片,老大一看一紧一抖,喜笑颜开,交定了Low BBB这个朋友。详细的开始讲解了:

单独以f1为例:

def w1(func):
    def inner():
        # 验证1
        # 验证2
        # 验证3
        return func()
    return inner
@w1
def f1():
    print('f1')

当写完这段代码后(函数未被执行、未被执行、未被执行),python解释器就会从上到下解释代码,步骤如下:

  1. def w1(func): ==>将w1函数加载到内存
  2. @w1

没错,从表面上看解释器仅仅会解释这两句代码,因为函数在没有被调用之前其内部代码不会被执行。

从表面上看解释器着实会执行这两句,但是 @w1 这一句代码里却有大文章,@函数名 是python的一种语法糖。

如上例@w1内部会执行以下操作:

  • 执行w1函数,并将 @w1 下面的 函数 作为w1函数的参数,即:@w1 等价于 w1(f1)。

所以,内部就会去执行:

def inner:
    #验证
    return f1() # func是参数,此时 func 等于 f1
return inner # 返回的 inner,inner代表的是函数,非执行函数

其实就是将原来的 f1 函数塞进另外一个函数中。

  • 将执行完的 w1 函数返回值赋值给@w1下面的函数的函数名

w1函数的返回值是:

  def inner:
        #验证
        return 原来f1()  # 此处的 f1 表示原来的f1函数

然后,将此返回值再重新赋值给 f1,即:

新f1 = def inner:
            #验证
            return 原来f1()

所以,以后业务部门想要执行 f1 函数时,就会执行 新f1 函数,在 新f1 函数内部先执行验证,再执行原来的f1函数,然后将 原来f1 函数的返回值 返回给了业务调用者。

如此一来, 即执行了验证的功能,又执行了原来f1函数的内容,并将原f1函数返回值 返回给业务调用着。

Low BBB 你明白了吗?要是没明白的话,我晚上去你家帮你解决吧!!!

先把上述流程看懂,之后还会继续更新…

3. 问答时间

  • 问题:被装饰的函数如果有参数呢?

一个参数:

def w1(func):
    def inner(arg):
        # 验证1
        # 验证2
        # 验证3
        return func(arg)
    return inner
@w1
def f1(arg):
    print('f1')

两个参数:

def w1(func):
    def inner(arg1,arg2):
        # 验证1
        # 验证2
        # 验证3
        return func(arg1,arg2)
    return inner
@w1
def f1(arg1,arg2):
    print('f1')

三个参数:

def w1(func):
    def inner(arg1,arg2,arg3):
        # 验证1
        # 验证2
        # 验证3
        return func(arg1,arg2,arg3)
    return inner
@w1
def f1(arg1,arg2,arg3):
    print('f1')
  • 问题:可以装饰具有处理n个参数的函数的装饰器?
def w1(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
@w1
def f1(arg1,arg2,arg3):
    print('f1')
  • 问题:一个函数可以被多个装饰器装饰吗?
def w1(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
def w2(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
@w1
@w2
def f1(arg1,arg2,arg3):
    print('f1')
  • 问题:还有什么更吊的装饰器吗?
#!/usr/bin/env python
#coding:utf-8
def Before(request,kargs):
    print('before')
def After(request,kargs):
    print('after')
def Filter(before_func,after_func):
    def outer(main_func):
        def wrapper(request,kargs):
            before_result = before_func(request,kargs)
            if(before_result != None):
                return before_result;
            main_result = main_func(request,kargs)
            if(main_result != None):
                return main_result;
            after_result = after_func(request,kargs)
            if(after_result != None):
                return after_result;
        return wrapper
    return outer
@Filter(Before, After)
def Index(request,kargs):
    print('index')

4. functools.wraps

上述的装饰器虽然已经完成了其应有的功能,即:装饰器内的函数代指了原函数,注意其只是代指而非相等,原函数的元信息没有被赋值到装饰器函数内部。例如:函数的注释信息。

def outer(func):
    def inner(*args, **kwargs):
        print(inner.__doc__)  # None
        return func()
    return inner
@outer
def function():
    """
    asdfasd
    :return:
    """
    print('func')

如果使用@functools.wraps装饰装饰器内的函数,那么就会代指元信息和函数。

def outer(func):
    @functools.wraps(func)
    def inner(*args, **kwargs):
        print(inner.__doc__)  # None
        return func()
    return inner
@outer
def function():
    """
    asdfasd
    :return:
    """
    print('func')

至此,关于Python装饰器的介绍就完毕了,你get到了吗?

本文转载自公众号:Python开发 作者:武沛齐 原文链接:http://www.cnblogs.com/wupeiqi/

原文发布于微信公众号 - 进击的Coder(FightingCoder)

原文发表时间:2018-05-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Python数据科学

当面试官问你:什么是Python装饰器?

初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作、redis调用、监控API等功能。业务部门使用基础功能时,只需调用基础平台...

562
来自专栏Java架构

百度Java架构师分享分布式锁的技术选型及思考锁和分布式锁总结

1492
来自专栏CSDN技术头条

容器化RDS|计算存储分离架构下的IO优化

在基于 Kubernetes 和 Docker 构建的私有 RDS 中,普遍采用了计算存储分离架构。该架构优势明显, 但对于数据库类 Latency Sensi...

2526
来自专栏CSDN技术头条

史上更全的 MySQL 高性能优化实战总结!

MySQL 对于很多 Linux 从业者而言,是一个非常棘手的问题,多数情况都是因为对数据库出现问题的情况和处理思路不清晰。在进行 MySQL 的优化之前必须要...

682
来自专栏Python入门

看完这篇文章还不懂Python装饰器?

初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作、redis调用、监控API等功能。业务部门使用基础功能时,只需调用基础平台...

1014
来自专栏腾讯云技术沙龙

王甲坤:如何设计和实现高可用的MySQL

下面开始我们今天的主要内容,今天主要是通过什么、为什么、怎么做,这条思路跟大家呈现MySQL的高可用。

2165
来自专栏Java技术分享

为什么要使用存储过程?

项目组,几乎每个面试官问到数据库的时候都要问用没用过存储过程,烦人不?大家去面的程序员,又不是

37115
来自专栏开发 & 运维分享

学习PHP性能问题优化开篇

902
来自专栏java架构技术

推荐:非常全面的 MySQL 高性能优化实战总结~

MySQL对于很多Linux从业者而言,是一个非常棘手的问题,多数情况都是因为对数据库出现问题的情况和处理思路不清晰。在进行MySQL的优化之前必须要了解的就是...

972
来自专栏大数据和云计算技术

HDFS学习:HDFS机架感知与副本放置策略

洋哥YARN和HDFS实践系列大作,这是第三篇,前面两篇分别是: Yarn【label-based scheduling】实战总结(二) Yarn【label-...

50510

扫码关注云+社区