Python中Decorator的作用是什么

本篇文章给大家分享的是有关python中Decorator的作用是什么，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

首先来看一个简单的例子：

# -*- coding: utf-8 -*-  def log_cost_time(func):      def wrapped(*args, **kwargs):          import time          begin = time.time()          try:              return func(*args, **kwargs)          finally:              print 'func %s cost %s' % (func.__name__, time.time() - begin)      return wrapped     @log_cost_time  def complex_func(num):      ret = 0      for i in xrange(num):          ret += i * i      return ret  #complex_func = log_cost_time(complex_func)     if __name__ == '__main__':      print complex_func(100000)     code snippet 0

代码中，函数log_cost_time就是一个装饰器，其作用也很简单，打印被装饰函数运行时间。

装饰器的语法如下：

@dec  def func():pass

本质上等同于： func = dec(func)。

在上面的代码(code snippet  0)中，把line12注释掉，然后把line18的注释去掉，是一样的效果。另外staticmethod和claSSMethod是两个我们经常在代码中用到的装饰器，如果对pyc反编译，得到的代码一般也都是  func = staticmthod(func)这种模式。当然，@符号的形式更受欢迎些，至少可以少拼写一次函数名。

装饰器是可以嵌套的，如

@dec0  @dec1  def func():pass

等将于 func = dec0(dec1(fun))。

装饰器也有“副作用“”，对于被log_cost_time装饰的complex_calc,  我们查看一下complex_func.__name__，输出是：”wrapped“”。额，这个是log_cost_time里面inner  function(wrapped)的名字，调用者当然希望输出是”complex_func”，为了解决这个问题，Python提供了两个函数。

• functools.update_wrapper

原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])

第三个参数，将wrapped的值直接复制给wrapper，默认为(__doc__, __name__, __module__)

第四个参数，update，默认为(__dict__)

• unctools.wraps： update_wrapper的封装

This is a convenience function for invoking  partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a  function decorator when defining a wrapper function.

简单改改代码：

import functools  def log_cost_time(func):      @functools.wraps(func)      def wrapped(*args, **kwargs):          import time          begin = time.time()          try:              return func(*args, **kwargs)          finally:              print 'func %s cost %s' % (func.__name__, time.time() - begin)      return wrapped

再查看complex_func.__name__ 输出就是 “complex_func”

装饰器也是可以带参数的。我们将上面的代码略微修改一下：

def log_cost_time(stream):      def inner_dec(func):          def wrapped(*args, **kwargs):              import time              begin = time.time()              try:                  return func(*args, **kwargs)              finally:                  stream.write('func %s cost %s \n' % (func.__name__, time.time() - begin))          return wrapped      return inner_dec     import sys  @log_cost_time(sys.stdout)  def complex_func(num):      ret = 0      for i in xrange(num):          ret += i * i      return ret     if __name__ == '__main__':      print complex_func(100000)     code snippet 1

log_cost_time函数也接受一个参数，该参数用来指定信息的输出流，对于带参数的decorator

@dec(dec_args)  def func(*args, **kwargs):pass

等价于 func = dec(dec_args)(*args, **kwargs)。

装饰器对类的修饰也是很简单的，只不过平时用得不是很多。举个例子，我们需要给修改类的__str__方法，代码很简单。

def Haha(clz):      clz.__str__ = lambda s: "Haha"      return clz     @Haha  class Widget(object):      ''' class Widget '''     if __name__ == '__main__':      w = Widget()      print w

那什么场景下有必要使用decorator呢，设计模式中有一个模式也叫装饰器。我们先简单回顾一下设计模式中的装饰器模式，简单的一句话概述

动态地为某个对象增加额外的责任

由于装饰器模式仅从外部改变组件，因此组件无需对它的装饰有任何了解;也就是说，这些装饰对该组件是透明的。

下图来自《设计模式Java手册》或者GoF的《设计模式》

回到Python中来，用decorator语法实现装饰器模式是很自然的，比如文中的示例代码，在不改变被装饰对象的同时增加了记录函数执行时间的额外功能。当然，由于Python语言的灵活性，decorator是可以修改被装饰的对象的(比如装饰类的例子)。decorator在python中用途非常广泛，下面列举几个方面：

(1)修改被装饰对象的属性或者行为

(2)处理被函数对象执行的上下文，比如设置环境变量，加log之类

(3)处理重复的逻辑，比如有N个函数都可能跑出异常，但是我们不关心这些异常，只要不向调用者传递异常就行了，这个时候可以写一个catchall的decorator，作用于所用可能跑出异常的函数

def catchall(func):      @functools.wraps(func)      def wrapped(*args, **kwargs):          try:              return func(*args, **kwargs)          except:              pass      return wrapped

以上就是Python中Decorator的作用是什么，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注编程网Python频道。