本文实例讲述了Python函数装饰器实现方法。分享给大家供大家参考，具体如下：
编写函数装饰器
这里主要介绍编写函数装饰器的相关内容。
跟踪调用
如下代码定义并应用一个函数装饰器，来统计对装饰的函数的调用次数，并且针对每一次调用打印跟踪信息。
|
1
2
3
4
5
6
7
8
9
10
11
|
class tracer: def __init__(self,func): self.calls = 0 self.func = func def __call__(self,*args): self.calls += 1 print('call %s to %s' %(self.calls, self.func.__name__)) self.func(*args)@tracerdef spam(a, b, c): print(a + b + c) |
这是一个通过类装饰的语法写成的装饰器，测试如下：
|
1
2
3
4
5
6
7
8
9
10
|
>>> spam(1,2,3)call 1 to spam6>>> spam('a','b','c')call 2 to spamabc>>> spam.calls2>>> spam<__main__.tracer object at 0x03098410> |
运行的时候，tracer类和装饰的函数分开保存，并且拦截对装饰的函数的随后的调用，以便添加一个逻辑层来统计和打印每次调用。
装饰之后，spam实际上是tracer类的一个实例。
@装饰器语法避免了直接地意外调用最初的函数。考虑如下所示的非装饰器的对等代码：
|
1
2
3
4
5
6
7
8
|
calls = 0def tracer(func,*args): global calls calls += 1 print('call %s to %s'%(calls,func.__name__)) func(*args)def spam(a,b,c): print(a+b+c) |
测试如下：
|
1
2
3
4
5
|
>>> spam(1,2,3)6>>> tracer(spam,1,2,3)call 1 to spam6 |
这一替代方法可以用在任何函数上，且不需要特殊的@语法，但是和装饰器版本不同，它在代码中调用函数的每个地方都需要额外的语法。尽管装饰器不是必需的，但是它们通常是最为方便的。
扩展——支持关键字参数
下述代码时前面例子的扩展版本，添加了对关键字参数的支持：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
class tracer: def __init__(self,func): self.calls = 0 self.func = func def __call__(self,*args,**kargs): self.calls += 1 print('call %s to %s' %(self.calls, self.func.__name__)) self.func(*args,**kargs)@tracerdef spam(a, b, c): print(a + b + c)@tracerdef egg(x,y): print(x**y) |
测试如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> spam(1,2,3)call 1 to spam6>>> spam(a=4,b=5,c=6)call 2 to spam15>>> egg(2,16)call 1 to egg65536>>> egg(4,y=4)call 2 to egg256 |
也可以看到，这里的代码同样使用【类实例属性】来保存状态，即调用的次数self.calls。包装的函数和调用计数器都是针对每个实例的信息。
使用def函数语法写装饰器
使用def定义装饰器函数也可以实现相同的效果。但是有一个问题，我们也需要封闭作用域中的一个计数器，它随着每次调用而更改。我们可以很自然地想到全局变量，如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
calls = 0def tracer(func): def wrapper(*args,**kargs): global calls calls += 1 print('call %s to %s'%(calls,func.__name__)) return func(*args,**kargs) return wrapper@tracerdef spam(a,b,c): print(a+b+c)@tracerdef egg(x,y): print(x**y) |
这里calls定义为全局变量，它是跨程序的，是属于整个模块的，而不是针对每个函数的，这样的话，对于任何跟踪的函数调用，计数器都会递增，如下测试：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> spam(1,2,3)call 1 to spam6>>> spam(a=4,b=5,c=6)call 2 to spam15>>> egg(2,16)call 3 to egg65536>>> egg(4,y=4)call 4 to egg256 |
可以看到针对spam函数和egg函数，程序用的是同一个计数器。
那么如何实现针对每一个函数的计数器呢，我们可以使用Python3中新增的nonlocal语句，如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
def tracer(func): calls = 0 def wrapper(*args,**kargs): nonlocal calls calls += 1 print('call %s to %s'%(calls,func.__name__)) return func(*args,**kargs) return wrapper@tracerdef spam(a,b,c): print(a+b+c)@tracerdef egg(x,y): print(x**y)spam(1,2,3)spam(a=4,b=5,c=6)egg(2,16)egg(4,y=4) |
运行如下：
call 1 to spam
6
call 2 to spam
15
call 1 to egg
65536
call 2 to egg
256
这样，将calls变量定义在tracer函数内部，使之存在于一个封闭的函数作用域中，之后通过nonlocal语句来修改这个作用域，修改这个calls变量。如此便可以实现我们所需求的功能。
陷阱：装饰类方法
【注意，使用类编写的装饰器不能用于装饰某一类中带self参数的的函数，这一点在Python装饰器基础中介绍过】
即如果装饰器是如下使用类编写的：
|
1
2
3
4
5
6
7
8
|
class tracer: def __init__(self,func): self.calls = 0 self.func = func def __call__(self,*args,**kargs): self.calls += 1 print('call %s to %s'%(self.calls,self.func.__name__)) return self.func(*args,**kargs) |
当它装饰如下在类中的方法时：
|
1
2
3
4
5
6
7
|
class Person: def __init__(self,name,pay): self.name = name self.pay = pay @tracer def giveRaise(self,percent): self.pay *= (1.0 + percent) |
这时程序肯定会出错。问题的根源在于，tracer类的__call__方法的self——它是一个tracer实例，当我们用__call__把装饰方法名重绑定到一个类实例对象的时候，Python只向self传递了tracer实例，它根本没有在参数列表中传递Person主体。此外，由于tracer不知道我们要用方法调用处理的Person实例的任何信息，没有办法创建一个带有一个实例的绑定的方法，所以也就没有办法正确地分配调用。
这时我们只能通过嵌套函数的方法来编写装饰器。
计时调用
下面这个装饰器将对一个装饰的函数的调用进行计时——既有针对一次调用的时间，也有所有调用的总的时间。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
import timeclass timer: def __init__(self,func): self.func = func self.alltime = 0 def __call__(self,*args,**kargs): start = time.clock() result = self.func(*args,**kargs) elapsed = time.clock()- start self.alltime += elapsed print('%s:%.5f,%.5f'%(self.func.__name__,elapsed,self.alltime)) return result@timerdef listcomp(N): return [x*2 for x in range(N)]@timerdef mapcall(N): return list(map((lambda x :x*2),range(N)))result = listcomp(5)listcomp(50000)listcomp(500000)listcomp(1000000)print(result)print('allTime = %s'%listcomp.alltime)print('')result = mapcall(5)mapcall(50000)mapcall(500000)mapcall(1000000)print(result)print('allTime = %s'%mapcall.alltime)print('map/comp = %s '% round(mapcall.alltime/listcomp.alltime,3)) |
运行结果如下：
listcomp:0.00001,0.00001
listcomp:0.00885,0.00886
listcomp:0.05935,0.06821
listcomp:0.11445,0.18266
[0, 2, 4, 6, 8]
allTime = 0.18266365607537918
mapcall:0.00002,0.00002
mapcall:0.00689,0.00690
mapcall:0.08348,0.09038
mapcall:0.16906,0.25944
[0, 2, 4, 6, 8]
allTime = 0.2594409060462425
map/comp = 1.42
这里要注意的是，map操作在Python3中返回一个迭代器，所以它的map操作不能和一个列表解析的工作直接对应，即实际上它并不花时间。所以要使用list(map())来迫使它像列表解析那样构建一个列表
添加装饰器参数
有时我们需要装饰器来做一个额外的工作，比如提供一个输出标签并且可以打开或关闭跟踪消息。这就需要用到装饰器参数了，我们可以使用装饰器参数来制定配置选项，这些选项可以根据每个装饰的函数而编码。例如，像下面这样添加标签：
|
1
2
3
4
5
6
7
8
9
|
def timer(label = ''): def decorator(func): def onCall(*args): ... print(label,...) return onCall return decorator@timer('==>')def listcomp(N):... |
我们可以将这样的结果用于计时器中，来允许在装饰的时候传入一个标签和一个跟踪控制标志。比如，下面这段代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import timedef timer(label= '', trace=True): class Timer: def __init__(self,func): self.func = func self.alltime = 0 def __call__(self,*args,**kargs): start = time.clock() result = self.func(*args,**kargs) elapsed = time.clock() - start self.alltime += elapsed if trace: ft = '%s %s:%.5f,%.5f' values = (label,self.func.__name__,elapsed,self.alltime) print(format % value) return result return Timer |
这个计时函数装饰器可以用于任何函数，在模块中和交互模式下都可以。我们可以在交互模式下测试，如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
>>> @timer(trace = False)def listcomp(N): return [x * 2 for x in range(N)]>>> x = listcomp(5000)>>> x = listcomp(5000)>>> x = listcomp(5000)>>> listcomp<__main__.timer.<locals>.Timer object at 0x036DCC10>>>> listcomp.alltime0.0011475424533080223>>>>>> @timer(trace=True,label='\t=>')def listcomp(N): return [x * 2 for x in range(N)]>>> x = listcomp(5000) => listcomp:0.00036,0.00036>>> x = listcomp(5000) => listcomp:0.00034,0.00070>>> x = listcomp(5000) => listcomp:0.00034,0.00104>>> listcomp.alltime0.0010432902706075842 |
希望本文所述对大家Python程序设计有所帮助。
原文链接：https://blog.csdn.net/gavin_john/article/details/50899210
