装饰器

• 问题
  定义了一个方法，想在运行时动态增加函数的功能，又不改动函数的代码
• 通过高阶函数返回新函数

def f1(x):
    reurn x*2
def new_fn(f):
    def fn(x):#定义一个新方法
        print 'call'+f.__name__+'()' #增强新方法的功能
        return f(x)#调用原函数
    return fn#返回被增强后的方法
fi = new_fn(f1)
print f1(5)

使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = new_fn(f) 这样的代码。

不带参数的装饰器

import time

def performance(f):
    def print_time(*args, **kw):
        print 'call '+f.__name__+'() in '+time.strftime('%Y-%m-%d',time.localtime(time.time()))
        return f(*args,**kw)
    return print_time
        

@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial(10)

带参数的装饰器

实现方法：
带参数的log函数先返回一个decorator函数，在用这个decorator函数接收要调用的函数并返回新函数
也就是说两层装饰

def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print '[%s] %s()...' % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log('DEBUG')
def test():
    pass
print test()

对于这种三层嵌套的decorator定义可以拆开

# 标准decorator:
def log_decorator(f):
    def wrapper(*args, **kw):
        print '[%s] %s()...' % (prefix, f.__name__)
        return f(*args, **kw)
    return wrapper
return log_decorator

# 返回decorator:
def log(prefix):
    return log_decorator(f)

import time

def performance(unit):
    def perfor_decorator(f):
        def wapper(*args,**kw):
            t1 = time.time()
            t2 = time.time()
            t = (t2 - t1)*1000 if unit =='ms' else (t2 - t1)
            print 'call %s() in %f %s'%(f.__name__, t, unit)
            return f(*args,**kw)
        return wapper
    return perfor_decorator

@performance('ms')
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial(10)

python中完善decorator

@decorator可以动态实现函数功能的增加，但是，经过@decorator“改造”后的函数，和原函数相比，除了功能多一点外，有没有其它不同的地方？
在没有decorator的情况下，打印函数名：

def f1(x):
    pass
print f1.__name__

输出： f1

def log(f):
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper
@log
def f2(x):
    pass
print f2.__name__

输出： wrapper
可见，由于decorator返回的新函数函数名已经不是'f2'，而是@log内部定义的'wrapper'。这对于那些依赖函数名的代码就会失效。decorator还改变了函数的doc等其它属性。如果要让调用者看不出一个函数经过了@decorator的“改造”，就需要把原函数的一些属性复制到新函数中：

def log(f):
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    wrapper.__name__ = f.__name__
    wrapper.__doc__ = f.__doc__
    return wrapper

这样写decorator很不方便，因为我们也很难把原函数的所有必要属性都一个一个复制到新函数上，所以Python内置的functools可以用来自动化完成这个“复制”的任务：

import functools
def log(f):
    @functools.wraps(f)
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper