Python-进阶-装饰器小结

生活如麻

基本概念
　　具体概念自己google
　　装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能测试、事务处理, Web权限校验, Cache等。
　　很有名的例子，就是咖啡，加糖的咖啡，加牛奶的咖啡。
　　本质上，还是咖啡，只是在原有的东西上，做了“装饰”，使之附加一些功能或特性。
　　例如记录日志，需要对某些函数进行记录
　　笨的办法，每个函数加入代码，如果代码变了，就悲催了
　　装饰器的办法，定义一个专门日志记录的装饰器，对需要的函数进行装饰，搞定
优点
　　抽离出大量函数中与函数功能本身无关的雷同代码并继续重用
　　即，可以将函数“修饰”为完全不同的行为，可以有效的将业务逻辑正交分解，如用于将权限和身份验证从业务中独立出来
　　概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能
Python中的装饰器
　　在Python中，装饰器实现是十分方便的
　　原因是：函数可以被扔来扔去。
　　函数作为一个对象：
A.可以被赋值给其他变量，可以作为返回值　　

　　
B.可以被定义在另外一个函数内
　　def:
　　装饰器是一个函数,一个用来包装函数的函数，装饰器在函数申明完成的时候被调用，调用之后返回一个修改之后的函数对象，将其重新赋值原来的标识符，并永久丧失对原始函数对象的访问(申明的函数被换成一个被装饰器装饰过后的函数)
　　当我们对某个方法应用了装饰方法后， 其实就改变了被装饰函数名称所引用的函数代码块入口点，使其重新指向了由装饰方法所返回的函数入口点。
　　由此我们可以用decorator改变某个原有函数的功能，添加各种操作，或者完全改变原有实现
分类：
　　装饰器分为无参数decorator，有参数decorator
* 无参数decorator　　

　　
生成一个新的装饰器函数
　　

　　
* 有参decorator
　　

　　
有参装饰，装饰函数先处理参数，再生成一个新的装饰器函数，然后对函数进行装饰
　　装饰器有参/无参，函数有参/无参，组合共4种
具体定义：
　　decorator方法
　　A.把要装饰的方法作为输入参数，
　　B.在函数体内可以进行任意的操作(可以想象其中蕴含的威力强大，会有很多应用场景)，
　　C.只要确保最后返回一个可执行的函数即可（可以是原来的输入参数函数， 或者是一个新函数）
无参数装饰器 – 包装无参数函数
　　不需要针对参数进行处理和优化
def decorator(func):　　
    print "hello"
　　
return func
　　
@decorator
　　
def foo():
　　
    pass
　　
foo()
　　foo()
　　等价于:
foo = decorator(foo)　　
foo()
无参数装饰器 – 包装带参数函数
def decorator_func_args(func):　　
def handle_args(*args, **kwargs): #处理传入函数的参数
　　
    print "begin"
　　
func(*args,**kwargs)   #函数调用
　　
    print "end"
　　
    return handle_args
　　
@decorator_func_args
　　
def foo2(a,b=2):
　　
    print a,b
　　
foo2(1)
　　foo2(1)
　　等价于
foo2 = decorator_func_args(foo2)　　
foo2(1)
带参数装饰器 – 包装无参数函数
def decorator_with_params(arg_of_decorator):#这里是装饰器的参数　　
    print arg_of_decorator
　　
#最终被返回的函数
　　
    def newDecorator(func):
　　
        print func
　　
        return func
　　
    return newDecorator
　　
@decorator_with_params("deco_args")
　　
def foo3():
　　
    pass
　　
foo3()
　　与前面的不同在于：比上一层多了一层封装，先传递参数，再传递函数名
　　第一个函数decomaker是装饰函数，它的参数是用来加强“加强装饰”的。由于此函数并非被装饰的函数对象，所以在内部必须至少创建一个接受被装饰函数的函数，然后返回这个对象（实际上此时foo3=decorator_with_params(arg_of_decorator)(foo3)）
带参数装饰器– 包装带参数函数
def decorator_whith_params_and_func_args(arg_of_decorator):　　
    def handle_func(func):
　　
        def handle_args(*args,**kwargs):
　　
            print "begin"
　　
            func(*args,**kwargs)
　　
            print "end"
　　
            print arg_of_decorator,func,args,kwargs
　　
        return handle_args
　　
    return handle_func
　　
@decorator_whith_params_and_func_args("123")
　　
def foo4(a,b=2):
　　
    print "Content"foo4(1,b=3)
内置装饰器
　　内置的装饰器有三个：staticmethod,classmethod, property
class A():　　
    @staticmethod
　　
    def test_static():
　　
        print "static"
　　
    def test_normal(self):
　　
        print "normal"
　　
    @classmethod
　　
    def test_class(cls):
　　
        print "class",cls
　　
a = A()
　　
A.test_static()
　　
a.test_static()
　　
a.test_normal()
　　
a.test_class()
　　结果：
static　　
static
　　
normal
　　
class __main__.A
　　A.test_static
　　staticmethod 类中定义的实例方法变成静态方法
　　基本上和一个全局函数差不多(不需要传入self，只有一般的参数)，只不过可以通过类或类的实例对象来调用，不会隐式地传入任何参数。
　　类似于静态语言中的静态方法
　　B.test_normal
　　普通对象方法：
　　普通对象方法至少需要一个self参数，代表类对象实例
　　C.test_class
　　类中定义的实例方法变成类方法
　　classmethod需要传入类对象，可以通过实例和类对象进行调用。
　　是和一个class相关的方法，可以通过类或类实例调用，并将该class对象（不是class的实例对象）隐式地当作第一个参数传入。
　　就这种方法可能会
比较奇怪一点，不过只要你搞清楚了python里class也是个真实地存在于内存中的对象，而不是静态语言中只存在于编译期间的类型，就好办了。正常的方法就是和一个类的实例对象相关的方法，通过类实例对象进行调用，并将该实例对象隐式地作为第一个参数传入，这个也和其它语言比较像。
　　D.区别
　　staticmethod，classmethod相当于全局方法，一般用在抽象类或父类中。一般与具体的类无关。
　　类方法需要额外的类变量cls，当有子类继承时，调用类方法传入的类变量cls是子类，而不是父类。
　　类方法和静态方法都可以通过类对象和类的实例对象访问
　　定义方式，传入的参数，调用方式都不相同。
　　E.property
　　对类属性的操作，类似于java中定义getter/setter
class B():　　
    def __init__(self):
　　
        self.__prop = 1
　　
    @property
　　
    def prop(self):
　　
        print "call get"
　　
    return self.__prop
　　
    @prop.setter
　　
    def prop(self,value):
　　
        print "call set"
　　
        self.__prop = value
　　
    @prop.deleter
　　
    def prop(self):
　　
        print "call del"
　　
        del self.__prop
其他
　　A.装饰器的顺序很重要，需要注意
@A　　
@B
　　
@C
　　
def f():
　　等价于
f = A(B(C(f)))　　B.decorator的作用对象可以是模块级的方法或者类方法
　　C.functools模块提供了两个装饰器。
　　这个模块是Python 2.5后新增的。
　　functools.wraps(func)
　　total_ordering(cls)
　　这个具体自己去看吧，后续用到了再补充
一个简单例子
　　通过一个变量，控制调用函数时是否统计时间
#!/usr/bin/env python　　
# -*- coding:utf-8 -*-
　　
#@author:wklken@yeah.net、
　　
#@version: a test of decorator
　　
#@date:20121027
　　
#@desc:just a test
　　
import logging
　　
from time import time
　　
logger = logging.getLogger()
　　
logger.setLevel(logging.DEBUG)is_debug = True
　　
def count_time(is_debug):
　　
    def handle_func(func):
　　
        def handle_args(*args,**kwargs):
　　
            if is_debug:
　　
                begin = time()
　　
                func(*args,**kwargs)
　　
                logging.debug("[" + func.__name__ + "] -> " + str(time() - begin))
　　
            else:
　　
                func(*args,**kwargs)
　　
        return handle_args
　　
    return handle_func
　　
def pr():
　　
    for i in range(1,1000000):
　　
        i = i * 2
　　
        print "hello world"、
　　
def test():
　　
    pr()
　　
@count_time(is_debug)
　　
def test2():
　　
    pr()
　　
@count_time(False)
　　
def test3():
　　
    pr()
　　
if __name__ == "__main__":
　　
    test()
　　
    test2()
　　
    test3()
　　结果：
hello world　　
hello world
　　
DEBUG:root:[test2] -> 0.0748538970947
　　
hello world
　　The end!
　　转自: http://wklken.sinaapp.com/