Python学习，粗浅聊聊装饰器

通常情况下，给一个对象添加新功能有三种方式：

• 直接给对象所属的类添加方法
• 使用组合（在新类中创建原有类的对象，重复利用已有类的功能）
• 使用继承（可以使用现有类的，无需重复编写原有类进行功能上的扩展）

一般情况下，优先使用组合，而不是继承，但是装饰器属于第四种，动态的改变对象从而扩展对象的功能。

一般装饰器的应用场景有打印日志、性能测试、事务处理、权限校验。

Python内置装饰器的工作原理

理解Python装饰器工作原理，首先需要理解闭包这一概念。闭包指的是一个函数嵌套一个函数，内部嵌套的函数调用外部函数的变量，外部函数返回内嵌函数，这样的结构就是闭包。

装饰器就是闭包的一种应用，但是装饰器参数传递的是函数。

简单的闭包示例：

def add_num(x):    def sum_num(y):        return x+y    return sum_num
add_num5 = add_num(5)total_num = add_num5(100)print(total_num)

注解：add_num外函数接受参数x，返回内函数sum_num，而内函数sum_num接受参数y，将和add_num外函数接受参数x相加，返回结果。

add_num5对象则是定义了add_num外函数接受的参数x为5，最后add_num5(100)返回的结果则是105。

装饰器的基本使用

简单计算函数运行时间装饰器示例：

def times_use(func):    def count_times(*args, **kwargs):        start = time.time()        result  = func(*args, **kwargs)        end = time.time()        print(end-start)        return result    return count_times
@times_usedef test_decorator():    time.sleep(2)    print("Test Decorator")test_decorator()

注解：这里将函数test_decorator作为参数，传入到times_use函数中，然后内部函数count_times则是会保留原有test_decorator函数代码逻辑。

在执行test_decorator前保存执行前时间，然后和执行后的时间进行比较，得出相应的耗时。

通过装饰器的好处则是能在保留原有函数的基础上，不用进行对原有函数的修改或者增加新的封装，就能修饰函数增加新的功能。

根据日志等级打印日志装饰器示例(带参数的装饰器）：

def use_logging(level):    def decorator(func):        def wrapper(*args, **kwargs):            if level == "warn":                logging.warn("%s is running"% func.__name__)            result = func(*args, **kwargs)            print(result)             return result        return wrapper    return decorator
@use_logging("warn")def test_decorator():    print("Test Decorator")    return "Success"test_decorator()

计算函数运行时间的类装饰器示例：

class logTime:    def __init__(self, use_log=False):        self._use_log = use_log
    def __call__(self, func):
        def _log(*args, **kwargs):            start_time = time.time()            result = func(*args, **kwargs)            print(result)            end_time = time.time()            if self._use_log:                print(end_time-start_time)            return result        return _log
    @logTime(True)def test_decorator():    time.sleep(2)    print("Test Decorator")    return "Success"

functools wraps使用场景

使用装饰器虽然能在保存原有代码逻辑的基础上扩展功能，但是原有函数中的元信息会丢失，比如__name__, __doc__,参数列表。

针对这种情况可以使用functools.wraps，wraps也是一个装饰器，但是会将原函数的元信息拷贝到装饰器函数中。

具体使用方法：

from functools import wraps
def use_logging(level):    def decorator(func):        @wraps(func)        def wrapper(*args, **kwargs):
            if level == "warn":                logging.warn("%s is running"% func.__name__)            result = func(*args, **kwargs)            print(result)             return result        return wrapper    return decorator
@use_logging("warn")def test_decorator():    """" Test Decorator DocString""""    time.sleep(2)    print("Test Decorator")    return "Success"
print(test_decorator.__name__)print(test_decorator.__doc__)

注解：wraps装饰器将传入的test_decorator函数中的元信息拷贝到wrapper这个装饰器函数中，使得wrapper拥有和test_decorator的元信息。

关于装饰器的执行顺序

在日常业务中经常会使用多个装饰器，比如权限验证、登录验证、日志记录、性能检测等等使用场景。

所以在使用多个装饰器时，就会涉及到装饰器执行顺序的问题。

先说结论，关于装饰器执行顺序，可以分为两个阶段：（被装饰函数）定义阶段、（被装饰函数）执行阶段：

• 函数定义阶段，执行顺序时从最靠近函数的装饰器开始，从内向外的执行；
• 函数执行阶段，执行顺序时从外而内，一层层执行。

多装饰器示例：

def decorator_a(func):    print("Get in Decorator_a")
    def inner_a(*args, **kwargs):        print("Get in Inner_a")        result = func(*args, **kwargs)        return result    return inner_a
def decorator_b(func):    print("Get in Decorator_b")
    def inner_b(*args, **kwargs):        print("Get in Inner_b")        result = func(*args, **kwargs)        return result    return inner_b
@decorator_b    @decorator_adef test_decorator():    """test decorator DocString"""    print("Test Decorator")    return "Success"

运行结果：

Get in Decorator_aGet in Decorator_bGet in Inner_bGet in Inner_aTest Decorator

代码注解：上述函数使用装饰器可以相当于decorator_b(decorator_a(test_decorator())，即test_dcorator函数作为参数传入到decorator_a函数中，然后打印"Get in Decorator_a"，并且返回inner_a函数，给上层decorator_b函数，decorator_b函数接受了作为参数的inner_a函数，打印"Get in Decorator_b",然后返回inner_b函数。

此时test_decorator(),即调用了该inner_b函数，inner_b函数打印"Get in inner_b"，然后调用inner_a函数，inner_a打印了"Get in Decorator_a",最后调用test_decorator函数。这样从最外层看，就像直接调用了test_decorator函数一样，但是可以在刚刚的过程中实现功能的扩展。

更多Python技术干货内容欢迎前往公众号【Python编程学习圈】了解，关注即可领取大量学习资料以及教程，内容覆盖Python电子书、教程、数据库编程、Django，爬虫，云计算等等。