【设计模式】装饰器模式

前言

1. 单例模式（Singleton Pattern）：保证一个类只有一个实例，并提供一个全局的访问点。

2. 工厂模式（Factory Pattern）：定义一个创建对象的接口，但由子类决定要实例化的类是哪一个。

3. 观察者模式（Observer Pattern）：定义对象之间的一对多依赖关系，使得当一个对象的状态发生改变时，所有依赖于它的对象都会被自动通知并更新。

4. 装饰器模式（Decorator Pattern）：动态地给一个对象添加一些额外的职责，而不会影响到其他对象。

5. 策略模式（Strategy Pattern）：定义一系列的算法，将每个算法封装起来，并使它们可以相互替换。

6. 命令模式（Command Pattern）：将请求封装成一个对象，从而使用户可以用不同的请求对客户进行参数化。

7. 适配器模式（Adapter Pattern）：将一个类的接口转换成客户希望的另外一个接口，使得原本由于接口不兼容而不能一起工作的类能够一起工作。

8. 外观模式（Facade Pattern）：为子系统中的一组接口提供一个统一的接口，从而使得子系统更加容易使用。

9. 状态模式（State Pattern）：允许一个对象在其内部状态改变时改变其行为。

10. 模板方法模式（Template Method Pattern）：定义一个操作中的算法的骨架，而将一些步骤延迟到子类中实现。

这些是Python中常用的设计模式，通过使用这些设计模式可以提高代码的可读性、可维护性和重用性。

装饰器模式是一种结构型设计模式，它允许你动态地给一个对象添加额外的功能，而无需修改其代码。装饰器模式通过创建一系列装饰器类，每个装饰器类都包装了一个具体组件（component）的实例，从而实现透明的、可叠加的功能扩展。

装饰器模式

 普通装饰器

def decorator(func):
    def new_func(*args,**kwargs):
        "do something"
        res = func(*args,**kwargs)
        "do something"
        return res

    return new_func

@decorator
def get_name():
    pass

 带参数装饰器

def new_decorator(pas=""):
    def decorator(func):
        def new_func(*args,**kwargs):
            "do something"
            print(pas)
            res = func(*args,**kwargs)
            "do something"
            return res

        return new_func
    return decorator


@new_decorator('new prams')
def get_name():
    pass

缺点

 装饰器的用处不用多说，函数校验、进入日志、函数执行前后处理等多场景都需要用到，它也有一点副作用。

def tow_decorator(func):
    def new_func(*args, **kwargs):
        """new_func function"""
        res = func(*args, **kwargs)
        print("do other something")
        return res

    return new_func

@tow_decorator
def get_name():
    """get_name function"""
    print('jjjjjj')
if __name__ == '__main__':
    import inspect
    print(inspect.signature(get_name))
    x = inspect.getsource(get_name)
    print(x)
    print(get_name.__doc__)

# 结果
(*args, **kwargs) # 函数签名
    def new_func(*args, **kwargs): # 函数源码
        """new_func function"""
        res = func(*args, **kwargs)
        print("do other something")
        return res
‘new_func function’ # 函数文档

 由于get_name被装饰后指向的是new_func函数，所以获取的信息不再是get_name函数的说明了，对于调试是不方便的。我们可以使用functools模块的wraps函数基本消除这个副作用。

改进 

def tow_decorator(func):
    @functools.wraps(func)
    def new_func(*args, **kwargs):
        """new_func function"""
        res = func(*args, **kwargs)
        print("do other something")
        return res

    return new_func

@tow_decorator
def get_name():
    """get_name function"""
    print('jjjjjj')
if __name__ == '__main__':
    print(get_name.__doc__)

# 结果
()
@tow_decorator
def get_name():
    """get_name function"""
    print('jjjjjj')
get_name function

 应用场景

•  日志记录： 装饰器可以用于添加日志记录功能，记录函数或方法的调用时间、参数和返回值，以便进行调试或性能分析。

def log_decorator(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        print(f"Function {func.__name__} called with arguments {args} and result {result}")
        return result
    return wrapper

@log_decorator
def add(a, b):
    return a + b

• 权限检查： 装饰器可以用于检查用户权限，确保只有具有特定权限的用户才能访问某个函数或方法。

def check_permission(permission_required):
    def decorator(func):
        def wrapper(*args, **kwargs):
            if user_has_permission(permission_required):
                return func(*args, **kwargs)
            else:
                raise PermissionError("Permission denied")
        return wrapper
    return decorator

@check_permission("admin")
def delete_user(user_id):
    # 删除用户的逻辑

• 缓存： 装饰器可以用于添加缓存功能，避免重复计算相同输入的函数结果。

def cache_decorator(func):
    cache = {}

    def wrapper(*args, **kwargs):
        key = (args, frozenset(kwargs.items()))
        if key not in cache:
            result = func(*args, **kwargs)
            cache[key] = result
        return cache[key]

    return wrapper

@cache_decorator
def expensive_operation(x, y):
    # 执行具体函数操作

•  性能分析： 装饰器可以用于测量函数或方法的执行时间，以便进行性能分析。

import time

def performance_analysis(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time} seconds to execute")
        return result
    return wrapper

@performance_analysis
def time_consuming_operation():
    # 执行耗时的操作

参考链接：

https://www.cnblogs.com/cwp-bg/p/9547797.html、

装饰器 - 廖雪峰的官方网站