（点击
上方蓝字
，快速关注我们）
来源：xybaby
www.cnblogs.com/xybaby/p/6274187.html
如有好文章投稿，请点击 → 这里了解详情
正文
一般来说，装饰器是一个函数，接受一个函数（或者类）作为参数，返回值也是也是一个函数（或者类）。首先来看一个简单的例子：
# -*- coding: utf-8 -*-
def
log_cost_time
(
func
)
:
def
wrapped
(
*
args
,
**
kwargs
)
:
import
time
begin
=
time
.
time
()
try
:
return
func
(
*
args
,
**
kwargs
)
finally
:
print
'func %s cost %s'
%
(
func
.
__name__
,
time
.
time
()
-
begin
)
return
wrapped
@
log_cost_time
def
complex_func
(
num
)
:
ret
=
0
for
i
in
xrange
(
num
)
:
ret
+=
i
*
i
return
ret
#complex_func = log_cost_time(complex_func)
if
__name__
==
'__main__'
:
print
complex_func
(
100000
)
code
snippet
0
代码中，函数log_cost_time就是一个装饰器，其作用也很简单，打印被装饰函数运行时间。
装饰器的语法如下：
@dec
def func():pass
本质上等同于： func = dec(func)。
在上面的代码（code snippet 0）中，把line12注释掉，然后把line18的注释去掉，是一样的效果。另外staticmethod和classmethod是两个我们经常在代码中用到的装饰器，如果对pyc反编译，得到的代码一般也都是 func = staticmthod(func)这种模式。当然，@符号的形式更受欢迎些，至少可以少拼写一次函数名。
装饰器是可以嵌套的，如
@dec0
@dec1
def func():pass
等将于 func = dec0(dec1(fun))。
装饰器也有“副作用“”，对于被log_cost_time装饰的complex_calc, 我们查看一下complex_func.__name__，输出是：”wrapped“”。额，这个是log_cost_time里面inner function（wrapped）的名字，调用者当然希望输出是”complex_func”，为了解决这个问题，python提供了两个函数。
原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])
第三个参数，将wrapped的值直接复制给wrapper，默认为（__doc__, __name__, __module__)
第四个参数，update，默认为(__dict__)
This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.
简单改改代码：
import
functools
def
log_cost_time
(
func
)
:
@
functools
.
wraps
(
func
)
def
wrapped
(
*
args
,
**
kwargs
)
:
import
time
begin
=
time
.
time
()
try
:
return
func
(
*
args
,
**
kwargs
)
finally
:
print
'func %s cost %s'
%
(
func
.
__name__
,
time
.
time
()
-
begin
)
return
wrapped
再查看complex_func.__name__ 输出就是 “complex_func”
装饰器也是可以带参数的
。我们将上面的代码略微修改一下：
def
log_cost_time
(
stream
)
:
def
inner_dec
(
func
)
:
def
wrapped
(
*
args
,
**
kwargs
)
:
import
time
begin
=
time
.
time
()
try
:
return
func
(
*
args
,
**
kwargs
)
finally
:
stream
.
write
(
'func %s cost %s \n'
%
(
func
.
__name__
,
time
.
time
()
-
begin
))
return
wrapped
return
inner_dec
import
sys
@
log_cost_time
(
sys
.
stdout
)
def
complex_func
(
num
)
:
ret
=
0
for
i
in
xrange
(
num
)
:
ret
+=
i
*
i
return
ret
if
__name__
==
'__main__'
:
print
complex_func
(
100000
)
code
snippet
1
log_cost_time函数也接受一个参数，该参数用来指定信息的输出流，对于带参数的decorator
@dec(dec_args)
def func(*args, **kwargs):pass
等价于 func = dec(dec_args)(*args, **kwargs)。
装饰器对类的修饰也是很简单的，只不过平时用得不是很多。举个例子，我们需要给修改类的__str__方法，代码很简单。
def
Haha
(
clz
)
:
clz
.
__str__
=
lambda
s
:
"Haha"
return
clz
<
a
href
=
"http://www.jobbole.com/members/cxh1527"
>
@
Haha
a
>
class
Widget
(
object
)
:
''' class Widget '''
if
__name__
==
'__main__'
:
w
=
Widget
()
print
w
那什么场景下有必要使用decorator呢，设计模式中有一个模式也叫装饰器。我们先简单回顾一下设计模式中的装饰器模式，简单的一句话概述
动态地为某个对象增加额外的责任
由于装饰器模式仅从外部改变组件，因此组件无需对它的装饰有任何了解；也就是说，这些装饰对该组件是透明的。
下图来自《设计模式Java手册》或者GOF的《设计模式》
回到Python中来，用decorator语法实现装饰器模式是很自然的，比如文中的示例代码，在不改变被装饰对象的同时增加了记录函数执行时间的额外功能。当然，由于Python语言的灵活性，decorator是可以修改被装饰的对象的（比如装饰类的例子）。decorator在python中用途非常广泛，下面列举几个方面：
（1）修改被装饰对象的属性或者行为
（2）处理被函数对象执行的上下文，比如设置环境变量，加log之类
（3）处理重复的逻辑，比如有N个函数都可能跑出异常，但是我们不关心这些异常，只要不向调用者传递异常就行了，这个时候可以写一个catchall的decorator，作用于所用可能跑出异常的函数
def
catchall
(
func
)
:
@
functools
.
wraps
(
func
)
def
wrapped
(
*
args
,
**
kwargs
)
:
try
:
return
func
(
*
args
,
**
kwargs
)
except
:
pass
return
wrapped
（4）框架代码，如flask， bottle等等，让使用者很方便就能使用框架，本质上也避免了重复代码。
decorator的奇妙应用往往超出相应，经常在各种源码中看到各种神奇的用法，酷壳这篇文章举的例子也不错。
参考
看完本文有收获？请转
发分享给更多人
关注「P
ython开发者」，提升Python技能
