由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。
|
1
2
3
4
5
6
|
>>> def now():... print '2013-12-25'...>>> f = now>>> f()2013-12-25 |
函数对象有一个__name__属性，可以拿到函数的名字：
|
1
2
3
4
|
>>> now.__name__'now'>>> f.__name__'now' |
现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：
|
1
2
3
4
5
|
def log(func): def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) return wrapper |
观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
|
1
2
3
|
@logdef now(): print '2013-12-25' |
调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
|
1
2
3
|
>>> now()call now():2013-12-25 |
把@log放到now()函数的定义处，相当于执行了语句：
|
1
|
now = log(now) |
由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
|
1
2
3
4
5
6
7
|
def log(text): def decorator(func): def wrapper(*args, **kw): print '%s %s():' % (text, func.__name__) return func(*args, **kw) return wrapper return decorator |
这个3层嵌套的decorator用法如下：
|
1
2
3
|
@log('execute')def now(): print '2013-12-25' |
执行结果如下：
|
1
2
3
|
>>> now()execute now():2013-12-25 |
和两层嵌套的decorator相比，3层嵌套的效果是这样的：
|
1
|
>>> now = log('execute')(now) |
我们来剖析上面的语句，首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
|
1
2
|
>>> now.__name__'wrapper' |
因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：
|
1
2
3
4
5
6
7
8
|
import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) return wrapper |
或者针对带参数的decorator：
|
1
2
3
4
5
6
7
8
9
10
|
import functoolsdef log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print '%s %s():' % (text, func.__name__) return func(*args, **kw) return wrapper return decorator |
import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
小结
在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。
decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。
请编写一个decorator，能在函数调用的前后打印出'begin call'和'end call'的日志。
再思考一下能否写出一个@log的decorator，使它既支持：
|
1
2
3
|
@logdef f(): pass |
又支持：
|
1
2
3
|
@log('execute')def f(): pass |
