Python函数装饰器实现方法详解
本文实例讲述了Python函数装饰器实现方法。分享给大家供大家参考，具体如下：
编写函数装饰器
这里主要介绍编写函数装饰器的相关内容。
跟踪调用
如下代码定义并应用一个函数装饰器，来统计对装饰的函数的调用次数，并且针对每一次调用打印跟踪信息。
classtracer:
def__init__(self,func):
self.calls=0
self.func=func
def__call__(self,*args):
self.calls+=1
print('call%sto%s'%(self.calls,self.func.__name__))
self.func(*args)
@tracer
defspam(a,b,c):
print(a+b+c)
这是一个通过类装饰的语法写成的装饰器，测试如下：
>>>spam(1,2,3)
call1tospam
6
>>>spam('a','b','c')
call2tospam
abc
>>>spam.calls
2
>>>spam
<__main__.tracerobjectat0x03098410>
运行的时候，tracer类和装饰的函数分开保存，并且拦截对装饰的函数的随后的调用，以便添加一个逻辑层来统计和打印每次调用。
装饰之后，spam实际上是tracer类的一个实例。
@装饰器语法避免了直接地意外调用最初的函数。考虑如下所示的非装饰器的对等代码：
calls=0
deftracer(func,*args):
globalcalls
calls+=1
print('call%sto%s'%(calls,func.__name__))
func(*args)
defspam(a,b,c):
print(a+b+c)
测试如下：
>>>spam(1,2,3) 6 >>>tracer(spam,1,2,3) call1tospam 6
这一替代方法可以用在任何函数上，且不需要特殊的@语法，但是和装饰器版本不同，它在代码中调用函数的每个地方都需要额外的语法。尽管装饰器不是必需的，但是它们通常是最为方便的。
扩展——支持关键字参数
下述代码时前面例子的扩展版本，添加了对关键字参数的支持：
classtracer:
def__init__(self,func):
self.calls=0
self.func=func
def__call__(self,*args,**kargs):
self.calls+=1
print('call%sto%s'%(self.calls,self.func.__name__))
self.func(*args,**kargs)
@tracer
defspam(a,b,c):
print(a+b+c)
@tracer
defegg(x,y):
print(x**y)
测试如下：
>>>spam(1,2,3) call1tospam 6 >>>spam(a=4,b=5,c=6) call2tospam 15 >>>egg(2,16) call1toegg 65536 >>>egg(4,y=4) call2toegg 256
也可以看到，这里的代码同样使用【类实例属性】来保存状态，即调用的次数self.calls。包装的函数和调用计数器都是针对每个实例的信息。
使用def函数语法写装饰器
使用def定义装饰器函数也可以实现相同的效果。但是有一个问题，我们也需要封闭作用域中的一个计数器，它随着每次调用而更改。我们可以很自然地想到全局变量，如下：
calls=0
deftracer(func):
defwrapper(*args,**kargs):
globalcalls
calls+=1
print('call%sto%s'%(calls,func.__name__))
returnfunc(*args,**kargs)
returnwrapper
@tracer
defspam(a,b,c):
print(a+b+c)
@tracer
defegg(x,y):
print(x**y)
这里calls定义为全局变量，它是跨程序的，是属于整个模块的，而不是针对每个函数的，这样的话，对于任何跟踪的函数调用，计数器都会递增，如下测试：
>>>spam(1,2,3) call1tospam 6 >>>spam(a=4,b=5,c=6) call2tospam 15 >>>egg(2,16) call3toegg 65536 >>>egg(4,y=4) call4toegg 256
可以看到针对spam函数和egg函数，程序用的是同一个计数器。
那么如何实现针对每一个函数的计数器呢，我们可以使用Python3中新增的nonlocal语句，如下：
deftracer(func):
calls=0
defwrapper(*args,**kargs):
nonlocalcalls
calls+=1
print('call%sto%s'%(calls,func.__name__))
returnfunc(*args,**kargs)
returnwrapper
@tracer
defspam(a,b,c):
print(a+b+c)
@tracer
defegg(x,y):
print(x**y)
spam(1,2,3)
spam(a=4,b=5,c=6)
egg(2,16)
egg(4,y=4)
运行如下：
call1tospam
6
call2tospam
15
call1toegg
65536
call2toegg
256
这样，将calls变量定义在tracer函数内部，使之存在于一个封闭的函数作用域中，之后通过nonlocal语句来修改这个作用域，修改这个calls变量。如此便可以实现我们所需求的功能。
陷阱：装饰类方法
【注意，使用类编写的装饰器不能用于装饰某一类中带self参数的的函数，这一点在Python装饰器基础中介绍过】
即如果装饰器是如下使用类编写的：
classtracer:
def__init__(self,func):
self.calls=0
self.func=func
def__call__(self,*args,**kargs):
self.calls+=1
print('call%sto%s'%(self.calls,self.func.__name__))
returnself.func(*args,**kargs)
当它装饰如下在类中的方法时：
classPerson: def__init__(self,name,pay): self.name=name self.pay=pay @tracer defgiveRaise(self,percent): self.pay*=(1.0+percent)
这时程序肯定会出错。问题的根源在于，tracer类的__call__方法的self——它是一个tracer实例，当我们用__call__把装饰方法名重绑定到一个类实例对象的时候，Python只向self传递了tracer实例，它根本没有在参数列表中传递Person主体。此外，由于tracer不知道我们要用方法调用处理的Person实例的任何信息，没有办法创建一个带有一个实例的绑定的方法，所以也就没有办法正确地分配调用。
这时我们只能通过嵌套函数的方法来编写装饰器。
计时调用
下面这个装饰器将对一个装饰的函数的调用进行计时——既有针对一次调用的时间，也有所有调用的总的时间。
importtime
classtimer:
def__init__(self,func):
self.func=func
self.alltime=0
def__call__(self,*args,**kargs):
start=time.clock()
result=self.func(*args,**kargs)
elapsed=time.clock()-start
self.alltime+=elapsed
print('%s:%.5f,%.5f'%(self.func.__name__,elapsed,self.alltime))
returnresult
@timer
deflistcomp(N):
return[x*2forxinrange(N)]
@timer
defmapcall(N):
returnlist(map((lambdax:x*2),range(N)))
result=listcomp(5)
listcomp(50000)
listcomp(500000)
listcomp(1000000)
print(result)
print('allTime=%s'%listcomp.alltime)
print('')
result=mapcall(5)
mapcall(50000)
mapcall(500000)
mapcall(1000000)
print(result)
print('allTime=%s'%mapcall.alltime)
print('map/comp=%s'%round(mapcall.alltime/listcomp.alltime,3))
运行结果如下：
listcomp:0.00001,0.00001
listcomp:0.00885,0.00886
listcomp:0.05935,0.06821
listcomp:0.11445,0.18266
[0,2,4,6,8]
allTime=0.18266365607537918
mapcall:0.00002,0.00002
mapcall:0.00689,0.00690
mapcall:0.08348,0.09038
mapcall:0.16906,0.25944
[0,2,4,6,8]
allTime=0.2594409060462425
map/comp=1.42
这里要注意的是，map操作在Python3中返回一个迭代器，所以它的map操作不能和一个列表解析的工作直接对应，即实际上它并不花时间。所以要使用list(map())来迫使它像列表解析那样构建一个列表
添加装饰器参数
有时我们需要装饰器来做一个额外的工作，比如提供一个输出标签并且可以打开或关闭跟踪消息。这就需要用到装饰器参数了，我们可以使用装饰器参数来制定配置选项，这些选项可以根据每个装饰的函数而编码。例如，像下面这样添加标签：
deftimer(label=''):
defdecorator(func):
defonCall(*args):
...
print(label,...)
returnonCall
returndecorator
@timer('==>')
deflistcomp(N):...
我们可以将这样的结果用于计时器中，来允许在装饰的时候传入一个标签和一个跟踪控制标志。比如，下面这段代码：
importtime deftimer(label='',trace=True): classTimer: def__init__(self,func): self.func=func self.alltime=0 def__call__(self,*args,**kargs): start=time.clock() result=self.func(*args,**kargs) elapsed=time.clock()-start self.alltime+=elapsed iftrace: ft='%s%s:%.5f,%.5f' values=(label,self.func.__name__,elapsed,self.alltime) print(format%value) returnresult returnTimer
这个计时函数装饰器可以用于任何函数，在模块中和交互模式下都可以。我们可以在交互模式下测试，如下：
>>>@timer(trace=False) deflistcomp(N): return[x*2forxinrange(N)] >>>x=listcomp(5000) >>>x=listcomp(5000) >>>x=listcomp(5000) >>>listcomp <__main__.timer..Timerobjectat0x036DCC10> >>>listcomp.alltime 0.0011475424533080223 >>> >>>@timer(trace=True,label='\t=>') deflistcomp(N): return[x*2forxinrange(N)] >>>x=listcomp(5000) =>listcomp:0.00036,0.00036 >>>x=listcomp(5000) =>listcomp:0.00034,0.00070 >>>x=listcomp(5000) =>listcomp:0.00034,0.00104 >>>listcomp.alltime 0.0010432902706075842
更多关于Python相关内容可查看本站专题：《Python数据结构与算法教程》、《PythonSocket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。