python中装饰器的深度剖析!

自定义的修饰器.
一个不带参数的装饰器:

@decorator
def func():
    pass

上面这段代码就等于下面的实现:

fun = decorator(fun)

而带有参数的装饰器:

@decorator('Amrzs')
def func():
     pass

这段代码就等于下面的实现:

fun = decorator('Amrzs')(func)

但是这个操作因为每次实现装饰器都要这样实现一遍的话太麻烦,所以python内置的@语法给我们实现了这些功能.

又由于被decorator装饰之后的函数，它们的__name__已经从原来的now变成了装饰器中的函数签名, 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。

即需要编写wrapper.__name__ = func.__name__这样的代码，但是Python内置的functools.wraps函数已经帮我们做了这个事情. 所以，一个完整的decorator的写法如下：

import functools
def log(func):
    @functools.wraps(func) 
    def wrapper(*args, **kw): 
        print('call %s():' % func.__name__) 
        return func(*args, **kw)
return wrapper

或者说带参数的:

import functools
def 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

而有了上面的知识,再基于这个装饰器的@原理就很容易实现一个更加具有特定功能的装饰器,比如我们现在有一个@permission_required(permission)这样的装饰器.这个装饰器的功能是根据permission参数来执行相应权限的操作.
现在我们来实现一个只允许管理员操作的装饰器:

def admin_required(func):
    return permission_required(Permission.ADMINISTER)(func)

原理很简单,其实就是内定了permission_required()函数参数的值,默认为管理员权限,又因为这种结构符合python的@语法糖,所以直接就可以用@admin_required这样的方式来使用这个装饰器!

哈哈!