关于python类函数装饰器的信息

python装饰器使用

装饰器是从英文decorator翻译过来的，从字面上来看就是对某个东西进行修饰，增强被修饰物的功能，下面我们对装饰器做下简单介绍。

一、怎么编写装饰器

装饰器的实现很简单，本质是一个可调用对象，可以是函数、方法、对象等，它既可以装饰函数也可以装饰类和方法，为了简单说明问题，我们实现一个函数装饰器，如下代码：

有了这个装饰器，我们就可以打印出什么时候开始和结束调用函数，对于排查函数的调用链非常方便。

二、带参数的装饰器

上面的例子无论什么时候调用sum都会输出信息，如果我们需要按需输出信息怎么实现呢，这时就要用到带参数的装饰器了，如下代码：

对sum使用装饰器时没有参数，这时debug为0，所以调用sum时不会输出函数调用相关信息。

对multi使用装饰器时有参数，这时debug为1，所以调用multi时会输出函数调用相关信息。

三、函数名字问题

当我们打印被装饰后的函数名字时，不知道大家有没发现输出的不是函数本身的名字，如下代码会输出‘wrap’而不是‘sum’：

有时这种表现并不是我们想要的，我们希望被装饰后的函数名字还是函数本身，那要怎么实现呢？很简单，只需要引入functools.wraps即可，如下代码就会输出‘sum’了：

看完后是不是觉得python装饰器很简单，只要了解它的本质，怎么写都行，有好多种玩法呢。

相关问答

Q1: Python笔记：Python装饰器

装饰器是通过装饰器函数修改原函数的一些功能而不需要修改原函数，在很多场景可以用到它，比如① 执行某个测试用例之前，判断是否需要登录或者执行某些特定操作；② 统计某个函数的执行时间；③ 判断输入合法性等。合理使用装饰器可以极大地提高程序的可读性以及运行效率。本文将介绍Python装饰器的使用方法。

python装饰器可以定义如下：

输出：

python解释器将test_decorator函数作为参数传递给my_decorator函数，并指向了内部函数 wrapper()，内部函数 wrapper() 又会调用原函数 test_decorator()，所以decorator()的执行会先打印'this is wrapper'，然后打印'hello world'， test_decorator()执行完成后，打印 'bye' ，*args和**kwargs，表示接受任意数量和类型的参数。

装饰器 my_decorator() 把真正需要执行的函数 test_decorator() 包裹在其中，并且改变了它的行为，但是原函数 test_decorator() 不变。

一般使用如下形式使用装饰器：

@my_decorator就相当于 decorator = my_decorator(test_decorator) 语句。

内置装饰器@functools.wrap可用于保留原函数的元信息（将原函数的元信息，拷贝到对应的装饰器函数里）。先来看看没有使用functools的情况：

输出：

从上面的输出可以看出test_decorator() 函数被装饰以后元信息被wrapper() 函数取代了，可以使用@functools.wrap装饰器保留原函数的元信息：

输出：

装饰器可以接受自定义参数。比如定义一个参数来设置装饰器内部函数的执行次数：

输出：

Python 支持多个装饰器嵌套：

装饰的过程：

顺序从里到外：

test_decorator('hello world') 执行顺序和装饰的过程相反。

输出：

类也可以作为装饰器，类装饰器主要依赖__call__()方法，是python中所有能被调用的对象具有的内置方法（python魔术方法），每当调用一个类的实例时，__call__()就会被执行一次。

下面的类装饰器实现统计函数执行次数：

输出：

下面介绍两种装饰器使用场景

统计函数执行所花费的时间

输出：

在使用某些web服务时，需要先判断用户是否登录，如果没有登录就跳转到登录页面或者提示用户登录：

--THE END--

Q2: 推荐 8 个炫酷的 Python 装饰器

1、 lru_cache

这个装饰器来自functools模块。该模块包含在标准库中，非常易于使用。它还包含比这个装饰器更酷的功能，但这个装饰器是非常受人喜欢的。此装饰器可用于使用缓存加速函数的连续运行。当然，这应该在使用时记住一些关于缓存的注意事项，但在通用使用情况下，大多数时候这个装饰器都是值得使用的。

2、JIT

JIT是即时编译的缩写。通常每当我们在Python中运行一些代码时，发生的第一件事就是编译。这种编译会产生一些开销，因为类型被分配了内存，并存储为未分配但已命名的别名，使用即时编译，我们在执行时才进行编译。

在很多方面，我们可以将其视为类似于并行计算的东西，其中Python解释器同时处理两件事以节省时间。Numba JTI编译器因将这一概念提到Python中而闻名，可以非常轻松地调用此装饰器，并立即提高代码的性能。Numba包提供了JIT装饰器，它使运行更密集的软件变得更加容易，而不必进入C。

3、do_twice

do_twice装饰器的功能与它的名字差不多。此装饰器可用于通过一次调用运行两次函数，对调试特别有用。它可以用于测量两个不同迭代的功能。

4、count_calls

count_calls装饰器可用于提供有关函数在软件中使用多少次的信息。与do_twice一样，对调试也特别有用。

5、dataclass

为了节省编写类的时间，推荐使用dataclass装饰器。这个装饰器可用于快速编写类中常见的标准方法，这些方法通常会在我们编写的类中找到。

6、singleton

singleton是一个单例装饰器。通常，单例装饰器是由用户自己编写的，实际上并不是导入的。

7、use_unit

在科学计算中经常派上用场的一种装饰器是use_unit装饰器。此装饰器可用于更改返回结果的表示单位。这对于那些不想在数据中添加度量单位但仍希望人们知道这些单位是什么的人很有用。这个装饰器可不是在任何模块中真正有用，但它是非常常见的，对科学应用程序非常有用。

Q3: python装饰器听了N次也没印象，读完这篇你就懂了

装饰器其实一直是我的一个"老大难"。这个知识点就放在那，但是拖延症。。。

其实在平常写写脚本的过程中，这个知识点你可能用到不多

但在面试的时候，这可是一个高频问题。

所谓的装饰器，其实就是通过装饰器函数，来修改原函数的一些功能，使得原函数不需要修改。

这一句话理解起来可能没那么轻松，那先来看一个"傻瓜"函数。

放心，绝对不是"Hello World"！

怎么样，没骗你吧？ 哈哈，这个函数不用运行相信大家都知道输出结果： "你好，装饰器" 。

那如果我想让 hello() 函数再实现个其他功能，比如多打印一句话。

那么，可以这样"增强"一下：

运行结果：

很显然，这个"增强"没啥作用，但是可以帮助理解装饰器。

当运行最后的 hello() 函数时，调用过程是这样的：

那上述代码里的 my_decorator() 就是一个装饰器。

它改变了 hello() 的行为，但是并没有去真正的改变 hello()函数 的内部实现。

但是，python一直以"优雅"被人追捧，而上述的代码显然不够优雅。

所以，想让上述装饰器变得优雅，可以这样写：

这里的 @my_decorator 就相当于旧代码的 hello = my_decorator(hello) ， @ 符号称为语法糖。

那如果还有其他函数也需要加上类似的装饰，直接在函数的上方加上 @my_decorator 就可以，大大提高函数

的重复利用与可读性。

输出：

上面的只是一个非常简单的装饰器，但是实际场景中，很多函数都是要带有参数的，比如hello(people_name)。

其实也很简单，要什么我们就给什么呗，直接在对应装饰器的 wrapper() 上，加上对应的参数：

输出：

但是还没完，这样虽然简单，但是随之而来另一个问题：因为并不是所有函数参数都是一样的，

当其他要使用装饰器的函数参数不止这个一个肿么办？比如：

没关系，在python里， *args 和 **kwargs 表示接受任意数量和类型的参数，所以我们可以这样

写装饰器里的 wrapper() 函数：

同时运行下 hello("老王") ，和 hello3("张三", "李四") ，看结果：

上面2种，装饰器都是接收外来的参数，其实装饰器还可以接收自己的参数。

比如，我加个参数来控制下装饰器中打印信息的次数：

注意，这里 count 装饰函数中的2个 return .

运行下，应该会出现3次：

现在多做一步 探索 ，我们来打印下下面例子中的hello()函数的元信息：

输出：

这说明了，它不再是以前的那个 hello() 函数，而是被 wrapper() 函数取代了。

如果我们需要用到元函数信息，那怎么保留它呢？这时候可以用内置装饰器 @functools.wrap 。

运行下：

好记性不如烂笔头，写一下理解一下会好很多。

下面还分享类的装饰器，以及装饰器所用场景。