一则小故事带你弄清Python装饰器
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了一则小故事带你弄清Python装饰器，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6616字，纯文字阅读大概需要10分钟。
内容图文
装饰器
装饰器是程序开发中经常会用到的一个功能，用好了装饰器，开发效率如虎添翼，所以这也是Python面试中必问的问题。装饰器
(Decorators)是 Python 的一个重要部分。简而言之：Python中的装饰器就是拓展原来函数功能的一种函数。
回顾函数引用
#### 第一波 ####
def func():
print("func() called")
func # 表示是函数
func() # 表示执行func函数
#### 第二波 ####
def func():
print("func() called")
func = lambda x: x + 1
func() # 执行lambda表达式，而不再是原来的func函数，因为func这个名字被重新指向了另外一个匿名函数
从上一文 深入浅出Python闭包 中，就知道函数名仅仅是个变量，只不过指向了定义的函数而已，所以才能通过 函数名() 调用，如果 函数名 = xxx 被修改了，那么当在执行 函数名() 时，调用的就不知之前的那个函数了。
这里又提到 lambda 表达式，其就是一个 匿名函数。下面一图就可参透
小故事带你了解装饰器的功能
初创公司有N个业务部门，基础平台部门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，让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。太棒了，有充足的时间泡妹子…
当天Low B 被开除了…
老大把工作交给 Low BB，他是这么做的：
############### 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()
过了一周 Low BB 被开除了…
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 ###############
# 新增一个验证函数
def check():
# 验证1
# 验证2
# 验证3
pass
def f1():
check()
print('f1')
def f2():
check()
print('f2')
def f3():
check()
print('f3')
def f4():
check()
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 开放封闭 原则，虽然在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：
# 这个就是闭包应用，只不过传递过来的 func 是函数的引用
def check(func):
def inner():
# 验证1
# 验证2
# 验证3
func()
return inner
@check
def f1():
print('f1')
@check
def f2():
print('f2')
@check
def f3():
print('f3')
@check
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，恰巧屏保就是Low BBB的女友照片，老大一看一紧一抖，喜笑颜开，决定和Low BBB交个好朋友。
详细的开始讲解了：
单独以 f1() 为例：
def check(func):
def inner():
# 验证1
# 验证2
# 验证3
func()
return inner
@check
def f1():
print('f1')
Python解释器就会从上到下解释代码，步骤如下：
- def check(func): ==> 将check函数加载到内存
- @check
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 @check 这一句代码里却有大文章， @函数名是Python的一种语法糖。
上例@check内部会执行一下操作：
执行check函数
执行check函数 ，并将 @check 下面的函数作为 check函数的参数
即：@check 等价于 check(f1) 所以内部就会去执行：
def inner():
#验证 1
#验证 2
#验证 3
func() # 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
check函数的返回值
将执行完的check函数返回值 赋值 给@check下面的函数的函数名f1 即将check的返回值再重新赋值给 f1，即：
新f1 = def inner():
# 验证 1
# 验证 2
# 验证 3
原来f1()
return inner
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！！！
这则生动形象的小故事是引用网上的。
Python 装饰器简单应用
Python中装饰器的语法以
@开头，接着是装饰器函数的名字、可选参数。紧跟装饰器声明的是被装饰的函数和被装饰的函数的可选参数，如下：
@decorator(装饰器的可选参数)
def func(函数参数):
......
计算函数运行时间
寻找[0, 1000]之间三个数，条件:
a + b + c = 1000，且符合a*a + b*b = c*c， 结果不能重复，如(0, 500, 500) 和 (500, 0, 500)只能出现一个，注：
a, b, c就是要寻找的三个数。
"""
Python 重点知识装饰器
"""
import time
print("# -------------------- 计算函数运行时间 -------------------- #")
def calc_time(func):
"""
计算函数运行时间
"""
def calc():
# 函数调用前，记录开始时间
start_time = time.time()
func()
# 函数结束，计算运行时间
use_time = time.time() - start_time
print(func.__name__, "use time {} seconds".format(use_time))
return calc
@calc_time
def fun1():
"""
寻找[0, 1000]之间三个数
条件: a + b + c = 1000,
且符合a*a + b*b = c*c,
结果不能重复
"""
ret_set = set()
for i in range(0, 1001):
for j in range(0, 1001):
for m in range(0, 1001):
if (i + j + m) == 1000 and (i*i + j*j) == m*m:
# print(i, j, m)
li = [i, j, m]
# 记得排序后再去添加到集合中
# 防止[0, 500, 500]、[500, 0, 500]等不去重
li.sort()
ret_set.add(tuple(li))
print(ret_set)
@calc_time
def fun2():
"""
改进版
"""
ret_set = set()
for i in range(10001):
for j in range(1001 - i):
m = 1000 - i - j
if i*i + j*j == m*m:
# print(i, j, m)
li = [i, j, m]
li.sort()
ret_set.add(tuple(li))
print(ret_set)
def main():
fun1()
print()
fun2()
if __name__ == '__main__':
main()
运行结果
# -------------------- 计算函数运行时间 -------------------- #
{(0, 500, 500), (200, 375, 425)}
fun1 use time 99.87939643859863 seconds
{(0, 500, 500), (200, 375, 425)}
fun2 use time 0.12499618530273438 seconds
这段程序不仅说明了装饰器的强大，可复用性高，还提醒大家设计一个好程序，程序性能倍翻。
公众号
新建文件夹X
大自然用数百亿年创造出我们现实世界，而程序员用几百年创造出一个完全不同的虚拟世界。我们用键盘敲出一砖一瓦，用大脑构建一切。人们把1000视为权威，我们反其道行之，捍卫1024的地位。我们不是键盘侠，我们只是平凡世界中不凡的缔造者 。
内容总结
以上是互联网集市为您收集整理的一则小故事带你弄清Python装饰器全部内容，希望文章能够帮你解决一则小故事带你弄清Python装饰器所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。