周末加班想摸鱼？不如来点Python进阶干货呀！【超详细迭代器、生成器、装饰器使用教程】

Python基础及进阶内容持续更新中！欢迎小伙伴们一起关注学习！

目录

写在前面

一、深入理解迭代器和生成器

1、什么是迭代？（Iteration）

2、迭代器（Iterator）

（1）for 循环的迭代过程

（2）可迭代（Iterable）对象

（3）自定义迭代器

（4）迭代器的好处

3、生成器（Generator）

（1）生成器表达式（Generator Expression）

二、生成器表达式和列表生成式

1、列表生成式

（1）列表生成式的写法

2、字典生成式

3、集合生成式

4、生成器表达式

三、给凡人添加超能力：入手装饰器

1、函数中定义函数

2、函数返回函数

3、什么是装饰器？

4、自定义装饰器

（1）装饰器原理

5、functools.wraps 装饰器

6、带参数的装饰器

（1）带参数的装饰器原理

---

写在前面

Hello，你好呀！我是灰小猿！一个超会写bug的程序猿！

有多少人和我一样仍然在周末痛苦的加班工作中？哈哈哈，快来慢慢的读一下这篇文章，一起慢慢的摸鱼吧！

最近和大家分享了好几篇有关Python从基础到进阶的文章，帮助了很多不知道如何如学习Python的小伙伴，同时也为大家总结了有关Python中常见报错及其解决：感兴趣想学习的小伙伴可以去看一下，同时也欢迎小伙伴们关注我一起学习，之后为大家更新更多干货资源！传送门：

Python入门及进阶：

【全网力荐】堪称最易学的Python基础入门教程

万字长文爆肝Python基础入门【第二弹、超详细数据类型总结】

诺，你们要的Python进阶来咯！【函数、类进阶必备】

常见报错及解决：

全网最值得收藏的Python常见报错及其解决方案，再也不用担心遇到BUG了！

今天就继续来和大家分享一下在Python基础进阶中有关迭代器、生成器、装饰器的详细使用教程，【备好收藏，长文预警！】

一、深入理解迭代器和生成器

1、什么是迭代？（Iteration）

刚听到这个名词可能很多小伙伴会问，什么是迭代呢？在编程中，迭代指的是通过重复执行某个操作，不断获取被迭代对象中的数据。这样的每一次操作就是就是一次迭代。

简而言之，迭代是遍历的一种形式。例如我们之前所学习的 for 循环，它能不断从地从列表、元组、字符串、集合、字典等容器中取出新元素，每次一个元素直至所有元素被取完。这种 for 循环操作就是迭代。

>>> for item in [1, 2, 3, 4, 5]:
… print(item)
…
1
2
3
4
5

2、迭代器（Iterator）

迭代器是具有迭代功能的对象。我们使用迭代器来进行迭代操作。

列表、元组、字符串、集合、字典这些容器之所以能被迭代，是因为对它们调用内置函数 iter() 将返回一个迭代器，这个迭代器可被用于迭代操作。

iter() 的使用方法：

迭代器 = iter(容器)

>>> numbers = [1, 2, 3, 4, 5]
>>> iterator = iter(numbers)
>>> iterator

上面的「list_iterator」便是列表的迭代器。这个迭代器可用于迭代列表中的所有元素。

要使用迭代器，只需对迭代器调用内置函数 next()，便可逐一获取其中所有的值。

next() 的使用方法：

值 = next(迭代器)

对于上面的列表迭代器，可以像这样使用它：

>>> next(iterator)
1
>>> next(iterator)
2
>>> next(iterator)
3
>>> next(iterator)
4
>>> next(iterator)
5
>>> next(iterator)
Traceback (most recent call last):
     File “”, line 1, in
StopIteration

可以看到，每次调用 next() 将依次返回列表中的一个值。直至所有的值被遍历一遍，此时将抛出 StopIteration 异常以表示迭代终止。

（1）for 循环的迭代过程

for 循环的迭代就是通过使用迭代器来完成的。它在背后所做的事情是：

1. 对一个容器调用 iter() 函数，获取到该容器的迭代器
2. 每次循环时对迭代器调用 next() 函数，以获取一个值
3. 若捕获到 StopIteration 异常则结束循环

（2）可迭代（Iterable）对象

并不是所有的对象都可以被 iter() 函数使用。比如整数：

>>> iter(123)
Traceback (most recent call last):
     File “”, line 1, in
TypeError: ‘int’ object is not iterable

这里抛出 TypeError 异常，提示 int 对象不是可迭代的。

什么是可迭代(的)？

• 从表面来看，所有可用于 for 循环的对象是可迭代的，如列表、元组、字符串、集合、字典等容器
• 从深层来看，定义了 __iter__() 方法的类对象就是可迭代的。当这个类对象被 iter() 函数使用时，将返回一个迭代器对象。如果对象具有__iter__() 方法，则可以说它支持迭代协议。

判断一个已有的对象是否是可迭代的，有两个方法：

1. 通过内置函数 dir() 获取这个对象所有方法，检查是否有 '__iter__'

   >>> ‘__iter__’ in dir(list)
   True
   >>> ‘__iter__’ in dir(int)
   False

2. 使用内置函数 isinstance() 判断其是否为 Iterable 的对象

   from collections.abc import Iterable
   isinstance(对象, Iterable)
   

   >>> from collections.abc import Iterable
   >>> isinstance([1, 2, 3], Iterable)
   True

（3）自定义迭代器

我们可以自己来定义迭代器类，只要在类中定义 __next__() 和 __iter__() 方法即可。如：

class MyIterator:
    def __next__(self):
        代码块

    def __iter__(self):
        return self

我们来写一个迭代器，这个迭代器从 2^0 开始返回 2 的指数幂，至 2^10 终止。

class PowerOfTwo:
    def __init__(self):
        self.exponent = 0  					# 将每次的指数记录下来

    def __next__(self):
        if self.exponent > 10:
            raise StopIteration
        else:
            result = 2 ** self.exponent		# 以 2 为底数求指数幂
            self.exponent += 1
            return result

    def __iter__(self):
        return self

每次对迭代器使用内置函数 next() 时， next() 将在背后调用迭代器的 __next__() 方法。所以迭代器的重点便是 __next__() 方法的实现。在这个 __next__() 方法中，我们将求值时的指数记录在对象属性 self.exponent 中，求值结束时指数加 1，为下次求值做准备。

对于方法 __iter__() 的实现，我们直接返回迭代器对象自身即可。有了这个方法，迭代器对象便是可迭代的，可直接用于 for 循环。

扩展：如果对象具有 __iter__() 和 __next__() 方法，则可以说它支持迭代器协议。

迭代器 PowerOfTwo 使用示例：

>>> p = PowerOfTwo()
>>> next(p)
1
>>> next(p)
2
>>> next(p)
4
>>> next(p)
8
>>> next(p)
16
>>> next(p)
32
>>> next(p)
64
>>> next(p)
128
>>> next(p)
256
>>> next(p)
512
>>> next(p)
1024
>>> next(p)
Traceback (most recent call last):
     File “”, line 1, in
     File “”, line 6, in next
StopIteration

这个迭代器当然也可用于 for 循环：

>>> p = PowerOfTwo()
>>> for item in p:
… print(item)
…
1
2
4
8
16
32
64
128
256
512
1024

（4）迭代器的好处

• 一方面，迭代器可以提供迭代功能，当我们需要逐一获取数据集合中的数据时，使用迭代器可以达成这个目的
• 另一方面，数据的存储是需要占用内存的，数据量越大所占用的内存就越多。如果我们使用列表这样的结构来保存大批量的数据，并且数据使用频率不高的话，就十分浪费资源了。而迭代器可以不保存数据，它的数据可以在需要时被计算出来（这一特性也叫做惰性计算）。在合适的些场景下使用迭代器可以节省内存资源。

3、生成器（Generator）

刚才我们自定义了迭代器，其实创建迭代器还有另一种方式，就是使用生成器。

生成器是一个函数，这个函数的特殊之处在于它的 return 语句被 yield 语句替代。

如刚才用于生成 2 的指数幂的迭代器，可以通过生成器来实现：

def power_of_two():
	for exponent in range(11):	# range(11) 表示左闭右开区间 [0, 11)，不包含 11
		yield 2 ** exponent		# 以 2 为底数求指数幂

生成器使用方法：

p = power_of_two()				# 以函数调用的方式创建生成器对象
next(p)							# 同样使用 next() 来取值

生成器的关键在于 yield 语句。yield 语句的作用和 return 语句有几分相似，都可以将结果返回。不同在于，生成器函数执行至 yield 语句，返回结果的同时记录下函数内的状态，下次执行这个生成器函数，将从上次退出的位置（yield 的下一句代码）继续执行。当生成器函数中的所有代码被执行完毕时，自动抛出 StopIteration 异常。

我们可以看到，生成器的用法和迭代器相似，都使用 next() 来进行迭代。这是因为生成器其实就是创建迭代器的便捷方法，生产器会在背后自动定义 __iter__() 和 __next__() 方法。

（1）生成器表达式（Generator Expression）

可以用一种非常简便的方式来创建生成器，就是通过生成器表达式。生成器的写法非常简单，但是灵活性也有限，所能表达的内容相对简单。

生成器表达式的写法如下：

生成器 = (针对项的操作 for 项 in 可迭代对象)

如：

>>> letters = (item for item in ‘abc’)
>>> letters

>>> next(letters)
‘a’
>>> next(letters)
‘b’
>>> next(letters)
‘c’

>>> letters = (i.upper() * 2 for i in ‘abc’)
>>> next(letters)
‘AA’
>>> next(letters)
‘BB’
>>> next(letters)
‘CC’

 

二、生成器表达式和列表生成式

1、列表生成式

如果我们想要构造一个包含指定元素或者具有某种规则的列表，比如 2 的指数幂序列 [1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]， 该怎么做？

• 最简单的办法，直接将这些数原样写入代码来创建列表：

  nums = [1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]
  

  这种办法当然是可行的，不过也有很大的局限。像这样直接将数据写入代码的做法，叫做硬编码。很多情况下我们不会使用硬编码的方式来创建列表（或者其它容器），因为列表中有什么数据往往在写代码时是不能确定的，通常在程序运行过程中通过计算得到，或从程序外部读入（比如从数据库 / 文件 / 网络中读入）。另外当数据量很大时，使用硬编码也是一件繁琐低效的事。

• 还有一种办法，创建一个空的列表，之后通过计算（或其它操作）获得各个元素，并添加到列表中：

  nums = []
  exponent = 1
  while exponent <= 10:
      nums.append(2 ** exponent)
      exponent += 1
  

  >>> nums
  [2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]

  这样方式完全可行，也没有什么缺陷。

• 或者，对一个现有的可迭代对象中的各个元素做处理，构造出一个新的列表：

  nums = []
  for i in range(1, 11):		# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
      nums.append(2 ** i)
  

  >>> nums
  [2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]

  这段代码可以用一种简洁的方式写出，只需要一行代码：

  nums = [2 ** i for i in range(1, 11)]
  

  >>> nums
  [2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]

  这行代码就是我们这个章节要所讲的列表生成式。顾名思义，列表生成式最终生成的是一个列表，它是用已有的可迭代对象来构造新列表的便捷方法。

提示：如果不清楚什么是可迭代对象，可以看一下上一篇文章《深入理解迭代器和生成器》。

 

（1）列表生成式的写法

列表生成式的语法如下：

[对项的操作 for 项 in 可迭代对象]

这个写法怎么理解呢？

首先，这句代码的阅读顺序是：for 项 in 可迭代对象 -> 对项的操作。其次，外围的方括号（[]）表明这是列表生成式，最终的结果是一个列表。

for 项 in 可迭代对象 这部分和 for 循环很相似，通过迭代可迭代对象，每次取出一个项。对于取出的项，我们可以对它做一些处理，也就是表达式中的 对项的操作 部分。最终，可迭代对象中的所有项都会被迭代和处理，并被收集起来形成一个新的列表。

这个过程用伪代码来描述的话是这样的：

列表 = []

for 项 in 可迭代对象:
	新项 = 对项的操作(项)
    列表.appent(新项)

来看一个例子：

这里有个列表：['a', 'b', 'c', 'd', 'e']，怎样把其中的每个小写字母转换为大写？可以这样：

[char.upper() for char in ['a', 'b', 'c', 'd', 'e']]

>>> [char.upper() for char in [‘a’, ‘b’, ‘c’, ‘d’, ‘e’]]
[‘A’, ‘B’, ‘C’, ‘D’, ‘E’]

如果你不能一下子理解，不妨比较一下用 for 循环来实现的版本。它们之间是等价的：

chars = []
for char in ['a', 'b', 'c', 'd', 'e']:
    chars.append(char.upper())

>>> chars
[‘A’, ‘B’, ‘C’, ‘D’, ‘E’]

再来谈谈 [对项的操作 for 项 in 可迭代对象] 中的 对项的操作，这个操作它可以简单，也可以很复杂。

简单来看，我们可以直接使用 项 本身而不做任何处理。如：

>>> [char for char in ‘ABCDEF’]
[‘A’, ‘B’, ‘C’, ‘D’, ‘E’, ‘F’]

当然如果是要得到这个结果，我们应该直接使用 list('ABCDEF')：

>>> list(‘ABCDEF’)
[‘A’, ‘B’, ‘C’, ‘D’, ‘E’, ‘F’]

复杂来看，我们可以对 项 进行一系列的处理。如分别将 'abcde' 中每个字母的大写形式和小写形式放到元组中：

[(char.upper(), char) for char in 'abcde']

>>> [(char.upper(), char) for char in ‘abcde’]
[(‘A’, ‘a’), (‘B’, ‘b’), (‘C’, ‘c’), (‘D’, ‘d’), (‘E’, ‘e’)]

这里我们将每个 char 转换为了 (char.upper(), char)，并且其中 char 被多次用到。

上个例子等价于：

result = []
for char in 'abcde':
    result.append((char.upper(), char))

>>> result
[(‘A’, ‘a’), (‘B’, ‘b’), (‘C’, ‘c’), (‘D’, ‘d’), (‘E’, ‘e’)]

列表生成式中使用 if

在列表生成式的中，每次迭代的 项 是可以被筛选过滤的，使用 if 关键字。如：

[对项的操作 for 项 in 可迭代对象 if 对项的判断]

它的阅读顺序是：for 项 in 可迭代对象 -> if 对项的判断 -> 对项的操作。

每次迭代时所取出的 项，要先经过 对项的判断，如果结果为 True，才会由 对项的操作 处理。如果 对项的判断 的结果为 False，后续 对项的操作 会被跳过，此时最终列表的长度也会减少。

举个例子，[2 ** i for i in range(1, 11)] 可以生成出 20～210 间的整数，如果我们只想要其中的奇数次方的值，该怎么做？

这时就可以在列表中使用 if 关键字：

[2 ** i for i in range(1, 11) if i % 2 == 1 ]

>>> [2 ** i for i in range(1, 11) if i % 2 == 1 ]
[2, 8, 32, 128, 512]

这里的阅读顺序是：

1. for e in range(1, 11)
2. if e % 2 == 1
3. 2 ** e

上述代码等价于：

nums = []
for i in range(1, 11):
    if i % 2 == 1:
        nums.append(2 ** i)

>>> nums
[2, 8, 32, 128, 512]

列表生成式中嵌套 for

列表生成式中的 for 中还可以再嵌套 for。如：

[对项1和(或)项2的操作 for 项1 in 可迭代对象1 for 项2 in 可迭代对象2]

它等价于：

列表 = []
for 项1 in 可迭代对象1:
    for 项2 in 可迭代对象2:
        新项 = 对项1和(或)项2的操作()
        列表.append(新项)

看起来有点复杂，我们看个例子：

nums = [1, 2, 3]
chars = ['a', 'b', 'c']
[c * n for n in nums for c in chars]

>>> nums = [1, 2, 3]
>>> chars = [‘a’, ‘b’, ‘c’]
>>> [c * n for n in nums for c in chars]
[‘a’, ‘b’, ‘c’, ‘aa’, ‘bb’, ‘cc’, ‘aaa’, ‘bbb’, ‘ccc’]

它等价于：

nums = [1, 2, 3]
chars = ['a', 'b', 'c']
result = []
for n in nums:
    for c in chars:
        result.append(c * n)

>>> result
[‘a’, ‘b’, ‘c’, ‘aa’, ‘bb’, ‘cc’, ‘aaa’, ‘bbb’, ‘ccc’]

[对项1和(或)项2的操作 for 项1 in 可迭代对象1 for 项2 in 可迭代对象2] 中的 可迭代对象2 可以是 项1 本身。也就是可以写成：

[对项和(或)子项的操作 for 项 in 可迭代对象 for 子项 in 项]

例如：

strings = ['aa', 'bb', 'cc']
[char for string in strings for char in string]

>>> strings = [‘aa’, ‘bb’, ‘cc’]
>>> [char for string in strings for char in string]
[‘a’, ‘a’, ‘b’, ‘b’, ‘c’, ‘c’]

它等价于：

strings = ['aa', 'bb', 'cc']
result = []
for string in strings:
    for char in string:
        result.append(char)

>>> result
[‘a’, ‘a’, ‘b’, ‘b’, ‘c’, ‘c’]

 

2、字典生成式

便捷地构造列表可以使用列表生成式，同样的，想要通过已有的可迭代对象来便捷地构造字典，可以使用字典生成式。

字典生成式的写法是：

{键: 值 for 项 in 可迭代对象}

和列表生成式非常相似，不同之处在于它使用的是花括号（{}），另外还使用 键: 值 形式。

举个例子，有字符串 'abcde'，以每个小字母作为键，对应大写字母作为值的来构造个字典：

{char: char.upper() for char in 'abcde'}

>>> {char: char.upper() for char in ‘abcde’}
{‘a’: ‘A’, ‘b’: ‘B’, ‘c’: ‘C’, ‘d’: ‘D’, ‘e’: ‘E’}

同样的，字典生成式中也可以使用 if 和嵌套 for，使用方法参照列表生成式。

 

3、集合生成式

想要通过已有的可迭代对象来构造集合，可以使用集合生成式。

你可能已经猜到了，只需要将列表生成式的方括号（[]）替换为花括号（{}）即可：

{对项的操作 for 项 in 可迭代对象}

例如：

{char.lower() for char in 'ABCDABCD'}

>>> {char.lower() for char in ‘ABCDABCD’}
{‘c’, ‘a’, ‘d’, ‘b’}

提示：通过这个例子也能看到集合的重要特性——无序且无重复。

同样的，集合生成式中也可以使用 if 和嵌套 for。

 

4、生成器表达式

上面有列表生成式、字典生成式、集合生成式，那么是不是也有「元组生成式」？是不是用圆括号来表示就可以了？

不是的，Python 中并没有「元组生成式」！虽然 Python 中确实有类似的圆括号的写法：

(对项的操作 for 项 in 可迭代对象)

但这可不是什么「元组生成式」，而是我们上一章节学习过的生成器表达式。

生成器表达式是一种创建生成器的便捷方法。虽然写法上和列表生成式、字典生成式、集合生成式相似，却有着本质的不同，因为它创建出来的是生成器，而不是列表、字典、集合这类容器。

(char.lower() for char in 'ABCDEF')

>>> g = (char.lower() for char in ‘ABCDEF’)
>>> g

>>> next(g)
‘a’
>>> next(g)
‘b’

提示：如果你对生成器有些遗忘，不妨看下前一篇文章《深入理解迭代器和生成器》。

生成器表达式中同样可以使用 if 和嵌套 for，使用方法和列表生成式相同。

 

三、给凡人添加超能力：入手装饰器

在学习装饰器前，我们先来了解两个函数概念。

1、函数中定义函数

在 Python 中，函数内部是可以嵌套地定义函数的。如：

def print_twice(word):
    def repeat(times):
        return word * times
    
    print(repeat(2))

>>> print_twice('go ')
gogo

内层函数只能在包裹它的外层函数中使用，而不能在外层函数外使用。比如上面的 repeat() 可以在 print_twice() 中使用，但是不能在 print_twice() 的外部使用。

另外，内层函数中可以使用外层函数的参数或其它变量。如上面的参数 word。

 

2、函数返回函数

之前我们学习过，函数可以作为另一个函数的参数。类似的，函数的返回值也可以是一个函数。

如：

def print_words(word):
    def repeat(times):
        return word * times
    
    return repeat

>>> f = print_words(‘go’)
>>> f

我们调用 print_words() 并用变量 f 接收其返回值，f 是个函数，是 print_words 下的 repeat 函数。

既然 f 是个函数，自然可以被调用，这也就相当于调用 repeat()：

>>> f(2)
‘gogo’

扩展：我们直接调用 f（也就是 repeat()）时，repeat() 内部会使用变量 word，而这个变量时定义在外层函数 print_words() 中的，却会一直伴随 repeat() 而存在，这在 Python 中叫作闭包。

 

3、什么是装饰器？

好了，回到正题，来看看什么是装饰器。我们在《类进阶》章节中介绍过类方法和静态方法的定义方式，还记得吗，定义它们时需要用到 @classmethod 和 @staticmethod，它们就是装饰器。写法为 @装饰器名称。

装饰器用来增强一个现有函数的功能，并且不改变这个函数的调用方式。这种增强是非侵入式的，也就是说无需直接修改函数内部的代码，而是在函数的外部做文章。

举个例子，假设我们有这样一个函数：

def say_hello():
    print('Hello!')

>>> say_hello()
Hello!

这个函数非常简单，每次调用会输出「Hello!」，假如我们想在每次输出「Hello!」的同时附带上当前的时间，像这样：

>>> say_hello()
[ 2019-09-14 16:38:10.942802 ]
Hello!
>>> say_hello()
[ 2019-09-14 16:42:58.409742 ]
Hello!

如果想具备上面的功能，但又不想修改 say_hello() 函数的内部实现，该怎么做？

这就是装饰器的典型使用场景了——非侵入的情况下让函数具备更多的功能。

假设我们已经有了一个能满足该需求的装饰器 @time ，只要像这样来装饰 say_hello() 即可：

@time
def say_hello():
    print('Hello!') 

函数的调用方式依然不变：

>>> say_hello()

当然，虽然 Python 中内置有一些装饰器，如 @classmethod、@staticmethod，但并没 @time，所以我们需要自己来定义它。

 

4、自定义装饰器

我们来自定义之前所说的装饰器 @time，要求是使用它可以在函数调用时输出调用时间。

这里直接给出 @time 的实现：

import datetime    # 日期时间相关库，用于后续获取当前时间

def time(func):
    def wrapper(*args, **kw):
        print('[', datetime.datetime.now(), ']')
        return func(*args, **kw)
    return wrapper

我们暂且不关注具体的实现细节，先使用一下看看：

@time
def say_hello():
    print('Hello!')

>>> say_hello()
[ 2019-09-14 16:42:58.409742 ]
Hello!
>>> say_hello()
[ 2019-09-15 09:44:06.155869 ]
Hello!

没有问题，效果和预期相同！那这是什么原理呢？

 

（1）装饰器原理

其实，

@time
def say_hello():
    print('Hello!')

等效于：

def say_hello():
    print('Hello!')

say_hello = time(say_hello)

也就是说，我们用 @time 装饰 say_hello() 时，Python 会在背后做了这样一个操作（重点）：

say_hello = time(say_hello)

@time（包括所有装饰器）本质上是个以函数作为参数，并返回函数的函数。不妨回过头来观察下 @time 实现:

import datetime    # 日期时间相关库，用于后续获取当前时间

def time(func):
    def wrapper(*args, **kw):
        print('[', datetime.datetime.now(), ']')
        return func(*args, **kw)
    return wrapper

say_hello = time(say_hello) 这句代码将函数 say_hello 作为参数来调用 time()，time() 将其内部定义的函数返回了出来，并替换了函数 say_hello。结合装饰器实现来看， say_hello() 其实变成了 time() 中的 wrapper()。

>>> say_hello

那就来具体看下 wrapper()：

def wrapper(*args, **kw):
    print('[', datetime.datetime.now(), ']')
    return func(*args, **kw)

wrapper() 其实也非常简单，其内部的 print('[', datetime.datetime.now(), ']') 以 [ 时间 ] 的格式将当前时间输出出来，达成了「输出函数调用时间」的目的。其中 datetime.datetime.now() 用于获取当前的时间。

最后一句 return func(*args, **kw) 比较关键，这里调用函数 func() 并将其结果返回出去。func() 是什么？它就是 say_hello()。最初 say_hello 作为参数被传入 time() 中，其参数名便是 func。

参数 *args 和 **kw 是什么？还记得我们在《函数进阶》中的内容吗，*args 可以接收一切非关键字参数，而 **kw 可以接收一切关键字参数，两个结合起来一起使用就可以接收一切参数了。用在这里的作用是，接收调用 say_hello() 时的所有参数，并悉数传给 func()。

稍作梳理我们就能明白，装饰器之所以能够增强一个函数的功能，其实就是将被装饰函数用新函数替换，虽然还是同一个函数名，但函数内部实现已经变了。而这个新函数的内部在添加了一些功能的后，还会调用之前被装饰的函数。这样就相当于对被装饰的函数做了非侵入的扩展。

 

5、functools.wraps 装饰器

当一个函数不被装饰器装饰时，其函数名称就是自己。如：

>>> def say_hello():
…     print(‘Hello!’)
…
>>> say_hello

>>> say_hello.__name__
‘say_hello’

在解释器中直接输入 say_hello，显示其为 function say_hello。使用 say_hello.__name__，可以直接获取到其函数名称，此处显示为 say_hello。

如果我们用装饰器 @time 来修饰这个函数，那结果就不同了：

>>> @time
… def say_hello():
…     print(‘Hello!’)
…
>>> say_hello

>>> say_hello.__name__
‘wrapper’

可以看到其名字信息被装饰器中的函数 wrapper 覆盖了。

是的，由于装饰器本质上是用一个新的函数来替换被装饰的函数，所以函数的元信息会被覆盖。

那有没有什么方式保留被装饰函数的元信息呢？有的，可以在定义装饰器时使用 @functools.wraps 装饰器。使用如下：

import datetime
import functools

def time(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('[', datetime.datetime.now(), ']')
        return func(*args, **kw)
    return wrapper

>>> say_hello

>>> say_hello.__name__
‘say_hello’

可以看到使用 @functools.wraps 后，元信息恢复如初，不留痕迹。

 

6、带参数的装饰器

既然装饰器本质上是个函数，那这个函数能不能有参数呢？答案是可以有。

举个例子，刚才我们输出的时间格式是 [ 2019-09-14 16:42:58.409742 ]，如果我们想要自行指定这个格式，可以考虑用装饰器参数的形式来设置。

带时间格式的装饰器如下：

import datetime
import functools

def time(format):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print(datetime.datetime.now().strftime(format))
            return func(*args, **kw)
        return wrapper
    return decorator

可以看到，这回装饰器变成了三层函数嵌套的形式。是的，如果需要指定装饰器的参数，那么就需要在原来装饰器的基础上在再加一层函数。

wrapper() 中原本的 print('[', datetime.datetime.now(), ']') 被修改为 print(datetime.datetime.now().strftime(format))，其中的 format 便是装饰器的参数，也就是时间格式。

使用时，在装饰器 @time 后添加括号并写上参数：

@time('%Y/%m/%d %H:%M:%S')
def say_hello():
    print('Hello!')

>>> say_hello()
2019/09/15 10:00:24
Hello!

可以看到时间格式已经根据我们的设置而生效。

扩展：

'%Y/%m/%d %H:%M' 是 datetime 包中用于指定时间格式的字符串，其中：

• %Y 表示年
• %m 表示月
• %d 表示天
• %H 表示小时
• %M 表示分钟
• %S 表示秒。

 

（1）带参数的装饰器原理

带参数的装饰器的实现为什么要三层函数嵌套？看了下面的等效代码你就明白了！

@time('%Y/%m/%d %H:%M:%S')
def say_hello():
    print('Hello!')

等效于：

def say_hello():
    print('Hello!')

say_hello = time('%Y/%m/%d %H:%M:%S')(say_hello)

而不带参数的装饰器的等效代码是 say_hello = time(say_hello)。对比可以看出，带参数的装饰器的等效代码多了一次函数调用，通过这种方式将装饰器参数传递到内部的两层函数中，这之后便回到了不带参数的装饰器的情形。

关于Python进阶中迭代器、生成器、装饰器的讲解就和大家分享到这里，其中有不懂的地方欢迎小伙伴评论提出！

之后持续为大家分享更多进阶内容，欢迎小伙伴们点赞关注呀！

灰小猿陪你一起进步！