一篇夯实一个知识点系列--python装饰器

写在前面

本系列目的:希望可以通过一篇文章,不望鞭辟入里,但求在工程应用中得心应手。
  • 装饰器模式是鼎鼎大名的23种设计模式之一。装饰器模式可以在不改变原有代码结构的情况下,扩展代码功能。
  • Python将装饰器作为Python的一种特性,内置了对装饰器的支持,使得Python使用者在使用装饰器时更加方便,合理使用装饰器,可以使Python代码极具美感。
  • 由于设计模式是一套被反复使用的代码设计经验,并不是编码必备的技能。所以在编码过程中,完全放弃使用装饰器。但是如果你不写出pythonic风格的,没有坏味道的代码,那么装饰器是这条路上绕不过的坎儿。

干货儿

包含八节内容:闭包(实现装饰器的基础),不带参数的函数装饰器,带参数的函数装饰器,不带参数的类装饰器,带参数的类装饰器,常用内建装饰器,装饰器总结(套路总结),装饰器经典实例(单例模式)。
  • 闭包

    装饰器是通过闭包实现的。闭包是一个比较复杂的话题,深了说可以讲到python对常量表和符号表的处理方式。这里只做简单介绍。个人认为只要记住以下三个特性,就明白了闭包的概念。
    • 一个闭包是一个作用域。一个闭包只能访问作用域内的local变量和作用域外的nonlocal变量。
    • 如果在作用域外有和作用域内同名的变量var,如果在作用域内先使用变量var,然后再定义变量var,那么会抛出a变量先使用后定义的错误。
    • 闭包可以将作用域"封装"。那么我们可以在闭包之外,访问闭包内的局部变量。因为局部变量被"封装"在了闭包内。
  • 不带参数函数装饰器
    假设有一个需求,我们需要在每个函数运行时,打印当下时刻的时间戳。那么有以下两种写法:

    • 不使用装饰器

      编写一个打印时间戳的工具函数,编写一个业务函数。传入业务函数对象到工具函数中,实现打印时间戳并执行业务函数的需求。代码如下:
      
      ```
      import time
      
      def f():
          print("f is running!")
      
      def f1():
          print("f1 is running!")
      
      def print_running_time(f):
          print("running time:", time.time())
          f()
      
      print_running_time(f)
      print_running_time(f1)
      
      >>> ('running time:', 1588864281.154459)
          f is running!
          ('running time:', 1588864281.154483)
          f1 is running!
      ```
      
    • 使用装饰器(函数装饰器)

      编写一个打印时间戳的装饰器函数,编写一个业务函数。装饰器函数装饰业务函数,实现打印时间戳并执行业务函数的需求。代码如下:
      
      ```
      import time
      
      def print_running_time(f):
          def wrapper():
              print("running time:", time.time())
              f()
          return wrapper
      
      @print_running_time
      def f():
          print("f is running!")
      
      @print_running_time
      def f1():
          print("f1 is running!")
      
      f()
      f1()
      
      >>> ('running time:', 1588864281.154459)
               f is running!
              ('running time:', 1588864281.154483)
              f1 is running!
      ```
      
    • 以上两种写法对比

      通过对比以上两种写法,我们可以发现最明显的区别是代码在运行时,第一种写法执行的print_running_time函数,第二种写法执行的是f函数。那么明显第二种写法中抽象出的语义更加接近我们的业务需求。在同样需求增加的情况下,第一种写法需要写更多的工具函数,并且在执行业务函数时需要进行多层嵌套,极大地增加了代码的复杂度。第二种写法可以增加多个装饰函数装饰到业务函数上方,在多需求下依旧保持代码的可读性和层次感,功能的独立性和扩展性。

      • 初探装饰器原理

        装饰器的代码运行分为两步,装饰器初始化(在运行至被装饰函数定义处)和执行被装饰函数(在运行至被装饰函数调用处)
        以第二种写法装饰器的写法为例,装饰器的原理如下:

        • 在代码加载过程中,代码从上往下执行,那么在执行到#1代码时,相当于执行了#2代码。(#1和#2的代码是等价的。@docorator_func装饰f,就相当于执行decorator_func(f))。根据#2代码中print_running_time可知,执行print_running_time(f)的返回值是wrapper(注意返回的是函数对象wrapper,不是wrapper()).

          # 1
          @print_running_time
          def f():
              print("f is running!")
          
          # 2
          print_running_time(f)
          
          # 3
          def print_running_time(f):          #3.1
              def wrapper():                  #3.2
                  print("running time:", time.time())     #3.3
                  f()                                     #3.4
              return wrapper
          
          # 4
          f()
          
        • 那么源码中#1处的三行代码,返回值为wrapper,即相当于通过增加@装饰函数,f现在已经指向了wrapper对象。
        • 根据之前提到闭包的特性:闭包可以访问作用之外的非局部变量,可以将作用域"封装",在闭包之外访问闭包内的变量。所以wrapper可以访问#3.1中到自己外层函数的参数f变量(被装饰器函数对象),并且可以封装wrapper作用域,保存f变量。
        • 执行#4处的业务函数f(),即执行#3.2的wrapper()代码,即执行#3.3和#3.4代码。
        • 整个过程中需要注意的是,在代码运行至#1时,f作为装饰器参数被#3.2wrapper闭包保留,在#1执行完之后,会存在两个f对象,#4的f对象指向wrapper,#3.4的f对象依旧是#1处的f对象。
        • 执行流程为f()==> wrapper()==> 执行#7.1 #7.2代码==>打印当前时刻时间戳,顺利执行了原有的业务函数。
  • 带参数的函数装饰器

    现在有新的需求,根据调试和生产环境的不同,需要往复地开关打印时间戳的功能,那么这时就需要为装饰器函数增加参数,来作为是否打印时间戳的开关。如以下代码所示,f()会打印当前函数的执行时间,f1()则不会打印函数的执行时间

     import time
    
     # 1
     def print_running_time(*flag):
         def outer_wrapper(f):
             def inner_wrapper():
                 if flag:
                     print("running time:", time.time())
                 f()
             return inner_wrapper
         return outer_wrapper
    
     # 2
     @print_running_time(1)
     def f():
         print("f is running!")
    
     # 3
     @print_running_time()
     def f1():
         print("f1 is running!")
     
     f()
     f1()
    
     >>> ('running time:', 1588860065.265516)
         f is running!
         f1 is running!

    带参数装饰器原理

    • 之前简单装饰器原理==>@decorator_func装饰业务函数f<=>decorator_func(f),那么#2处的代码<=>print_running_time(1)(f)<=>outer_wrapper(f)<=>inner_wrapper。需要注意的是inner_wrapper作为闭包,包含了外层两个变量flag和f的原始值。
    • 接下来调用f(),执行inner_wrapper(),通过判断flag真假,选择是否打印当前时间戳,然后执行业务函数,实现需求。
  • 不带参数类装饰器

    • 准确来说,装饰器的本质是将一个可调用对象作为参数传入另一个可调用对象,然后通过闭包保存变量,在适当的时候执行。我们知道,python有两个特性

      • Python中函数和类都是一等对象(这也是装饰器能作为python特性的原因之一)。
      • python中若callable(obj)为真,那么这个对象就是可调用的。所以类,函数,方法,实现了__call__魔术方法的类实例,都是可调用对象。
    • 根据装饰器的本质和以上Python两个特性可以得出以下结论:

      • 函数和类都可以作为装饰器,也可以被装饰器装饰。
      • 类装饰器和函数装饰器思路相同,__init__作为对象初始化的第一步,可以实现一层闭包的效果
    • 将之前简单函数装饰器的例子换成类装饰器,代码如下(为了与之前代码保持一致,所以类名不符合Python命名规范):

      
      ```
      import time
      
      class print_running_time:
          def __init__(self, f):  # 相当于闭包,通过实例属性保存变量f实现闭包中的变量封装
              self.f = f
      
          def __call__(self):     # 类实例可以被调用 
              print("running time:", time.time())
              return self.f()
      
      @print_running_time
      def f():
          print("f is running!")
      
      @print_running_time
      def f1():
          print("f1 is running!")
      
      f()
      f1()
      
      >>> 输出同简单函数装饰器
      ```
      
  • 带参数的类装饰器

    • 将之前简单函数装饰器的例子换成类装饰器,代码如下:

        import time
        
        class print_running_time:
            def __init__(self, *flag):  # 相当于闭包,通过实例属性保存变量flag实现闭包中的变量封装
                self.flag = flag
        
            def __call__(self, f):     # 类实例可以被调用,传入业务函数f
                def wrapper():
                    if self.flag:
                        print("running time:", time.time())
                    f()
                return wrapper
        
        @print_running_time(1)
        def f():
            print("f is running!")
        
        @print_running_time()
        def f1():
            print("f1 is running!")
        
        f()
        f1()
        
        >>> 输出同带参数的函数装饰器
  • 常用内建装饰器

    装饰器是Python最重要的特性之一,Python实现了很多对装饰器的支持
    • wraps
      wraps可以保留被装饰函数的__doc__。如下代码所示,wraps装饰器的开关会导致打印f.__doc__出现两种结果

      • 如果注释掉#1.1的代码,打印结果为#1.3
      • 如果加上#1.1的代码,打印结果为#2.1

        import time
        from functools import wraps
        
        # 1
        def print_running_time(f):
            @wraps(f)                   # 1.1
            def wrapper():
                '''the func wrapper'''  # 1.3
                print("running time:", time.time())
                f()
            return wrapper
        
        # 2
        @print_running_time
        def f():
            '''the func f'''        # 2.1
            print("f is running!")
        
        print(f.__doc__)
        
        >>> the func f
    • property 、setter、 deleter

      这三个是孪生兄弟,其中property用的最多,setter和deleter依附property。
      • property:将函数调用转化为属性
      • setter:设置属性
      • deleter:删除属性
      • 类似于JavaBean,可以将对属性的操作写入函数中,限制属性操作,保护属性安全。代码如下:

        class Student(object):
        
            @property
            def name(self):
                return self._name
        
            @name.setter
            def name(self, name):
                if len(name) < 2:
                    raise ValueError("无名大侠?")
                self._name = name
        
            @name.deleter
            def name(self):
                del self._name
        
        stu = Student()
        stu.name = "刘"      # name.setter
        print(stu.name)         ## property
        del stu.name           # name.deleter
        print(stu.name)         # raise AttributeError  
        
  • 多装饰器叠加

    多个装饰器叠加是python中很常见的骚操作,如Flask和Django中都会用到,举例如下:

    import sys
    
    # 1
    def f1(func):
        print('f1 start')
        def wrapper():              # 1.1
            print('f1 ' + sys._getframe().f_code.co_name + ' start')
            func()                  # 1.2
            print('f1 ' + sys._getframe().f_code.co_name + ' end')
        print('f1 end')
        return wrapper
    
    # 2 
    def f2(func):
        print('f2 start')
        def wrapper():                  # 2.1
            print('f2 ' + sys._getframe().f_code.co_name + ' start')
            func()                      # 2.2
            print('f2 ' + sys._getframe().f_code.co_name + ' end')
        print('f2 end')
        return wrapper
    
    # 3
    @f1
    @f2
    def func():                 #3.1
        print('the func')
    
    #4
    func()                      #4.1              
    
    >>> f2 start
        f2 end
        f1 start
        f1 end
        f1wrapper start
        f2wrapper start
        the func
        f2wrapper end
        f1wrapper end
    • 多装饰器执行过程分析

      执行分为两步,装饰器初始化,被装饰函数执行。顺序如下:

      1. 装饰器初始化,根据装饰器原理,#3处的代码等价于f1(f2(func))
      2. 执行f2(func); >>> f2 start f2 end; return #2.1处的wrapper(#2.2处的func为#3.1处的func)
      3. 执行f1(f2(func))==> f1(#2.1处的wrapper); >>> f1 start f1 end; return #1.1处的wrapper(#1.2处的func为#2.1处的wrapper)
      4. 装饰器初始化结束, 以上两步的输出如下:

        >>> f2 start
                f2 end
                f1 start
                f1 end
      5. 被装饰函数执行:func() <=> #1.1处的wrapper,替换之后代码如下

        print('f1 ' + sys._getframe().f_code.co_name + ' start')
        func()                  # 1.2
        print('f1 ' + sys._getframe().f_code.co_name + ' end')
        
        \#1.2处的func <=> # 2.1处的wrapper,替换之后代码如下
        
        ```
        print('f1 ' + sys._getframe().f_code.co_name + ' start')
        print('f2 ' + sys._getframe().f_code.co_name + ' start')
        func()                      # 2.2
        print('f2 ' + sys._getframe().f_code.co_name + ' end')
        print('f1 ' + sys._getframe().f_code.co_name + ' end')
        ```
        
        \#2.2处的func即为#4.1处的func,执行以上代码,输出结果如下:
         ```
          >>> f1wrapper start
              f2wrapper start
              the func
              f2wrapper end
              f1wrapper end
         ```
        
  • 装饰器总结

    • 装饰器原理:#1代码与#2代码等价

         # 1
         @decorator_func
         def func():
             pass
      
         # 2
         decorator_func(func)
    • 装饰器套路

      • 不带参数的函数装饰器需要有两层函数:

        • 外层函数参数为被装饰函数对象
        • 内层参数为被装饰函数的参数
      • 带参数的函数装饰器需要有三层函数:

        • 外层函数参数为装饰器函数参数(简直是废话,外层函数本来就是装饰器函数)
        • 中层函数参数为被装饰函数对象
        • 内层参数为被装饰函数的参数
        • 类装饰器同理,最外层函数可以用__init_函数代替,中层(如果有和内层函数写在__call__中
    • 多个装饰器叠加

      根据业务函数和装饰器函数的距离,由近及远执行装饰器函数(外层函数),然后由远到近执行内层函数。

  • 装饰器经典实例:单例模式

    以下均单进程可行,多线程需要加锁

    单例模式

    # eg:1
    class Singleton:
        _singleton = None
    
        def __new__(cls):
            if cls._singleton is None:
                cls._singleton = super().__new__(cls)
            return cls._singleton
    
    ins1 = Singleton()
    ins2 = Singleton()
    print(ins1 is ins2)
    
    # eg:2
    def singleton(cls):
        ins_pool = {}
    
        def inner():
            if cls not in ins_pool:
                ins_pool[cls] = cls()
            return ins_pool[cls]
        return inner
    
    @singleton
    class Cls:
        def __init__(self):
            pass
    
    ins1 = Cls()
    ins2 = Cls()
    print(ins1 is ins2)
    
    # eg:3
    class Singleton:
    
        def __init__(self, cls):
            self.ins_pool = {}
            self.cls = cls
    
        def __call__(self):
            print(self.ins_pool)
            if self.cls not in self.ins_pool:
                self.ins_pool[self.cls] = self.cls()
            return self.ins_pool[self.cls]
    
    @Singleton
    class Cls:
        def __init__(self):
            pass
    
    ins1 = Cls()
    ins2 = Cls()
    print(ins1 is ins2)

写在最后

希望大家可以通过本文掌握装饰器这个杀手级特性。欢迎关注个人博客:药少敏的博客

你可能感兴趣的:(python,装饰器,设计模式,闭包)