函数的装饰器
装饰器本质上就是函数,功能就是装饰它的函数,为其它函数添加附加功能。我们假设你写的几百个函数已经在线上运行了,但后期老板需要你添加一些函数原本没有的功能,这你不可能说一个个去原函数中修改吧,所以这时候就可以使用装饰器,解释的够清楚了吧!˘ᴗ˘
注意:
- 1.装饰器不能修改被装饰的函数的源代码
- 2.装饰器不能修改被装饰函数的调用方式
- 1.函数即变量
- 2.知道高阶函数、嵌套函数
- 3.高阶函数+嵌套函数—->装饰器
def foo():
print('i am foo() function')
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:
def foo():
print('i am foo() function')
logging.info("foo() function is running")
如果函数 foo1()、foo2() 也有类似的需求,怎么做?再写一个 logging 在 foo 函数里?这样就造成大量雷同的代码,为了减少重复写代码,我们可以这样做,重新定义一个新的函数:专门处理日志 ,日志处理完之后再执行真正的业务代码import logging
def use_logging(func):
logging.warning("%s is running" % func.__name__)
#创建warn警告的日志,.__name__是返回函数的名字
func()
def foo():
print('i am foo() function')
use_logging(foo) #这里foo函数当实参不要加(),在函数部分已经解释过原因
#分清函数之间的传递
这样做逻辑上是没问题的,功能是实现了,但是我们调用的时候不再是调用真正的业务逻辑 foo 函数,而是换成了 use_logging 函数,这就破坏了原有的代码结构, 现在我们不得不每次都要把原来的那个 foo 函数作为参数传递给 use_logging 函数,那么有没有更好的方式的呢?当然有,答案就是装饰器。
简单装饰器def use_logging(func):
def wrapper():
logging.warning("%s is running" % func.__name__)
return func() # 把 foo 当做实参传递进来时,执行func()就相当于执行foo()
return wrapper
def foo():
print('i am foo() function')
#return 'i am foooooo' #返回值实际上是None
foo = use_logging(foo) # 因为装饰器 use_logging(foo) 返回的时函数对象 wrapper,
#这条语句相当于 foo = wrapper
foo() # 执行foo()就相当于执行 wrapper()
这里我们需要注意执行foo()就相当于执行 wrapper()在原函数里面想要带有返回值,你就需要去修改装饰器wrapper函数,它有返回值的话,原函数就会有返回值的
use_logging 就是一个装饰器,它一个普通的函数,它把执行真正业务逻辑的函数 func 包裹在其中,看起来像 foo 被 use_logging 装饰了一样,use_logging 返回的也是一个函数,这个函数的名字叫 wrapper。在这个例子中,函数进入和退出时 ,被称为一个横切面,这种编程方式被称为面向切面的编程。
@ 语法糖
前面说了那么多废话就是为了把你们引到这里,装饰器就是用 @ 符号来把它装饰到函数上的,它放在函数开始定义的地方,这样就可以省略最后一步再次赋值的操作。
def use_logging(func):
def wrapper():
logging.warn("%s is running" % func.__name__)
return func()
return wrapper
@use_logging #相当于foo=use_logging(foo)
def foo():
print("i am foo() function")
foo()
如上所示,有了 @ ,我们就可以省去foo = use_logging(foo)这一句了,直接调用 foo() 即可得到想要的结果。你们看到了没有,foo() 函数不需要做任何修改,只需在定义的地方加上装饰器,调用的时候还是和以前一样,如果我们有其他的类似函数,我们可以继续调用装饰器来修饰函数,而不用重复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。那么你可以做一些练习题来检测一下自己是否真的理解了
*args、**kwargs
可能有人问,如果我的业务逻辑函数 foo 需要参数怎么办?
def wrapper(*args):
logging.warn("%s is running" % func.__name__)
return func(*args)
return wrapper
#*args可以传多个参数
如此一来,甭管 foo 定义了多少个参数,我都可以完整地传递到 func 中去。这样就不影响 foo 的业务逻辑了。这时还有读者会问,如果 foo 函数还定义了一些关键字参数呢?比如:
def foo(name, age=None, height=None):
print("I am %s, age %s, height %s" % (name, age, height))
#%s格式化字符串
这时,你就可以把 wrapper 函数指定关键字函数:
def wrapper(*args, **kwargs):
# args是一个数组,kwargs一个字典
logging.warn("%s is running" % func.__name__)
return func(*args, **kwargs)
return wrapper
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,该装饰器接收唯一的参数就是执行业务的函数 foo 。装饰器的语法允许我们在调用时,提供其它参数,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。比如,我们可以在装饰器中指定日志的等级,因为不同业务函数可能需要的日志级别是不一样的。
装饰器如果加了参数的话,就是在装饰器中再加一层函数,用来接受参数,里面的函数还是跟原来的一样
import logging
def use_logging(level): #用来接收装饰器的参数
def decorator(func): #传入函数foo1,
def wrapper(*args, **kwargs):
if level == "warn":
logging.warning("%s is running" % func.__name__)
elif level == "info":
#默认情况下debug信息和info信息都不会被显示出来,所以如果关键字是info的话,什么内容也没有添加
logging.info("%s is running" % func.__name__)
return func(*args)
return wrapper
return decorator
@use_logging(level="warn") #可以理解为foo1()=wapper()
def foo1(name='foo1'):
print("i am %s" % name)
foo1()
@use_logging(level="info")
def foo2(name='foo2'):
print("i am %s" % name)
foo2()
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。@use_logging(level=”warn”) 等价于 @decorator,对于新手来说不断地嵌套会有点模糊的,何况我还用了没有说明的logging模块,你可以在练习题中获得更深刻的理解
2. 本站不保证所提供下载的资源的准确性、安全性和完整性,资源仅供下载学习之用!如有链接无法下载、失效或广告,请联系客服处理!
3. 您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容资源!如用于商业或者非法用途,与本站无关,一切后果请用户自负!