Python 装饰器

闭包：

     攻克装饰器之前，我们需要找到一些武器来帮助我们。

装饰器：

概念

      装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

先来看一个简单例子：

现在有一个新的需求，希望可以记录下函数的执行前后的时间，于是在代码中添加日志代码：

bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间 

逻辑上不难理解，而且运行正常。 但是这样的话，我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成show_time(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

简单装饰器

   if  bar()==show_time(bar) :问题解决!  

   所以，我们需要show_time(bar)返回一个函数对象，而这个函数对象内则是核心业务函数:func()与装饰函数：两个时间函数，修改如下：

函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像bar被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。

conclusion：

@show_time帮我们做的事情就是当我们执行业务逻辑bar()时，执行的代码由红框部分转到绿框部分

装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

带参数的被装饰函数

带参数的装饰器

装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

def cal_time(flag):

    def show_time(func):

            def wrapper(*args,**kwargs):
                before_time=time.ctime()
                print("Begin:",before_time)
                func(*args,**kwargs)
                time.sleep(2)
                after_time=time.ctime()
                print("End:",after_time)
                if flag=="true":
                    print("expend_time:",time.mktime(time.strptime(after_time))-time.mktime(time.strptime(before_time)))
            return wrapper

    return show_time


@cal_time("true") #add = show_time(add)
def add(*args,**kwargs):
    sum=0
    for i in args:
        sum+=i
    print(sum)

add(2,7,9)

  上面的cal_time是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我 们使用@cal_time("true")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

类装饰器

再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

class Foo(object):
    def __init__(self, func):
        self._func = func

    def __call__(self):
        print (‘class decorator runing‘)
        self._func()
        print (‘class decorator ending‘)

@Foo
def bar():
    print (‘bar‘)

bar()    #bar=Foo(bar)()>>>>>>>active __call__方法


# class decorator runing
# bar
# class decorator ending

functools.wraps

使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

装饰器

def sb():
    print("alex")

print(sb.__name__)


def logged(func):
    def with_logging(*args, **kwargs):
        print (func.__name__ + " was called")
        return func(*args, **kwargs)
    return with_logging


@logged
def ft(x):
   return x + x * x


print(ft.__name__)
########
# sb
# with_logging

函数

@logged
def f(x):
   return x + x * x

该函数完成等价于：

def f(x):
    return x + x * x
f = logged(f)

不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。

print f.__name__    # prints ‘with_logging‘
print f.__doc__     # prints None

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wraps
def sb():
    print("alex")

print(sb.__name__)


def logged(func):

    @wraps(func)
    
    def with_logging(*args, **kwargs):
        print (func.__name__ + " was called")
        return func(*args, **kwargs)
    return with_logging

@logged
def ft(x):
   return x + x * x

print(ft.__name__)
########
# sb
# ft

 

内置装饰器

@staticmathod、@classmethod、@property

装饰器的顺序

@a
@b
@c
def f ():

等效于

f = a(b(c(f)))