本文已经收录于《Python黑魔法手册》v2.1 版本，在线文档请前往
Python黑魔法手册 2.0 文档
这个库可以帮你做什么呢 ？
其实很简单，就是可以帮你更方便地写python装饰器代码，更重要的是，它让 Python 中被装饰器装饰后的方法长得更像装饰前的方法。
不了解装饰器的可以先去阅读服务器之家之前的文章，非常全且详细的介绍了装饰器的各种实现方法。
常规的装饰器
下面这是一个最简单的装饰器示例，在运行 myfunc 函数的前后都会打印一条日志。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
def deco(func): def wrapper(*args, **kw): print("Ready to run task") func(*args, **kw) print("Successful to run task") return wrapper@decodef myfunc(): print("Running the task")myfunc() |
装饰器使用起来，似乎有些高端和魔幻，对于一些重复性的功能，往往我们会封装成一个装饰器函数。
在定义一个装饰器的时候，我们都需要像上面一样机械性的写一个嵌套的函数，对装饰器原理理解不深的初学者，往往过段时间就会忘记如何定义装饰器。
有一些比较聪明的同学，会利用 PyCharm 来自动生成装饰器模板
然后要使用的时候，直接敲入 deco 就会生成一个简单的生成器代码，提高编码的准备效率
使用神库
使用 PyCharm 的 Live Template ，虽然能降低编写装饰器的难度，但却要依赖 PyCharm 这一专业的代码编辑器。
这里，明哥要教你一个更加简单的方法，使用这个方法呢，你需要先安装一个库 ： decorator，使用 pip 可以很轻易地去安装它
|
1
|
$ python3 -m pip install decorator |
从库的名称不难看出，这是一个专门用来解决装饰器问题的第三方库。
有了它之后，你会惊奇的发现，以后自己定义的装饰器，就再也不需要写嵌套的函数了
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
from decorator import decorator@decoratordef deco(func, *args, **kw): print("Ready to run task") func(*args, **kw) print("Successful to run task")@decodef myfunc(): print("Running the task")myfunc() |
deco 作为装饰函数，第一个参数是固定的，都是指被装饰函数，而后面的参数都固定使用 可变参数 *args 和 **kw 的写法，代码被装饰函数的原参数。
这种写法，不得不说，更加符合直觉，代码的逻辑也更容易理解。
带参数的装饰器
装饰器根据有没有携带参数，可以分为两种
第一种：不带参数，最简单的示例，上面已经举例
|
1
2
3
4
|
def decorator(func): def wrapper(*args, **kw): func(*args, **kw) return wrapper |
第二种：带参数，这就相对复杂了，理解起来了也不是那么容易。
|
1
2
3
4
5
6
|
def decorator(arg1, arg2): def wrapper(func): def deco(*args, **kwargs) func(*args, **kwargs) return deco return wrapper |
那么对于需要带参数的装饰器，decorator 是否也一样能很好的支持呢？
下面是一个官方的示例
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
from decorator import decorator@decoratordef warn_slow(func, timelimit=60, *args, **kw): t0 = time.time() result = func(*args, **kw) dt = time.time() - t0 if dt > timelimit: logging.warn('%s took %d seconds', func.__name__, dt) else: logging.info('%s took %d seconds', func.__name__, dt) return result @warn_slow(timelimit=600) # warn if it takes more than 10 minutesdef run_calculation(tempdir, outdir): pass |
可以看到
- 装饰函数的第一个参数，还是被装饰器 func ，这个跟之前一样
- 而第二个参数 timelimit 写成了位置参数的写法，并且有默认值
- 再往后，就还是跟原来一样使用了可变参数的写法
不难推断，只要你在装饰函数中第二个参数开始，使用了非可变参数的写法，这些参数就可以做为装饰器调用时的参数。
签名问题有解决？
我们在自己写装饰器的时候，通常都会顺手加上一个叫 functools.wraps 的装饰器，我想你应该也经常见过，那他有啥用呢？
先来看一个例子
|
1
2
3
4
5
6
7
8
9
10
11
|
def wrapper(func): def inner_function(): pass return inner_function@wrapperdef wrapped(): passprint(wrapped.__name__)#inner_function |
为什么会这样子？不是应该返回 func 吗？
这也不难理解，因为上边执行func 和下边 decorator(func) 是等价的，所以上面 func.__name__ 是等价于下面decorator(func).__name__ 的，那当然名字是 inner_function
|
1
2
3
4
5
6
7
8
9
10
|
def wrapper(func): def inner_function(): pass return inner_functiondef wrapped(): passprint(wrapper(wrapped).__name__)#inner_function |
目前，我们可以看到当一个函数被装饰器装饰过后，它的签名信息会发生变化（譬如上面看到的函数名）
那如何避免这种情况的产生？
解决方案就是使用我们前面所说的 functools .wraps 装饰器。
它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
from functools import wrapsdef wrapper(func): @wraps(func) def inner_function(): pass return inner_function@wrapperdef wrapped(): passprint(wrapped.__name__)# wrapped |
那么问题就来了，我们使用了 decorator 之后，是否还会存在这种签名的问题呢？
写个例子来验证一下就知道啦
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
from decorator import decorator@decoratordef deco(func, *args, **kw): print("Ready to run task") func(*args, **kw) print("Successful to run task")@decodef myfunc(): print("Running the task")print(myfunc.__name__) |
输出的结果是 myfunc，说明 decorator 已经默认帮我们处理了一切可预见的问题。
总结一下
decorator 是一个提高装饰器编码效率的第三方库，它适用于对装饰器原理感到困惑的新手，可以让你很轻易的写出更符合人类直觉的代码。对于带参数装饰器的定义，是非常复杂的，它需要要写多层的嵌套函数，并且需要你熟悉各个参数的传递路径，才能保证你写出来的装饰器可以正常使用。这时候，只要用上 decorator 这个库，你就可以很轻松的写出一个带参数的装饰器。同时你也不用担心他会出现签名问题，这些它都为你妥善的处理好了。
这么棒的一个库，推荐你使用起来。
以上就是Python编程中非常重要却又被严重低估的库decorator的详细内容，更多关于Python编程库decorator的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/weixin_36338224/article/details/115946648
