浅析Python编写函数装饰器
编写函数装饰器
本节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:
? 1 2 3 4 5 >>>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.<locals>.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</locals>
有关Python编写函数装饰器相关知识小编就给大家介绍到这里,希望对大家有所帮助!