扣丁学堂带你深入理解Python装饰器

2018-01-10 14:06:54 569浏览

       在编程界中，现在Python的火爆程度不能用数字来估量，并且Python是一门追求优雅编程的语言，它很容易上手，也很容易写出意大利式的代码。本文将介绍如何使用Python进阶编程之装饰器，来帮助您写出更加精炼可读的代码。

       全文主要分为四个部分：

       第一部分：尝鲜，通过讲解一个简单的装饰器例子，让您对装饰器的用法和作用有一个初步的感性认识；

       第二部分：揭开面纱，将介绍装饰器抛开语法糖的使用方法，帮助您理解装饰器的本质原理；

       第三部分：趁热打铁，将介绍装饰器在工作当中的实践用法，对应介绍的retry装饰器您可直接应用到项目代码中；

       第四部分：更进一步，将介绍装饰器更多的高级用法，帮助您全方位掌握装饰器。

       尝鲜

我们先来看一个简单的装饰器例子。首先定义一个装饰器log：

deflog(f):

defwrapper():

print"before"

f()

print"after"

returnwrapper

使用装饰器log来装饰greeting函数，并调用之：

@log

defgreeting():

print"Hello,World!"

greeting()

输出结果：

before

Hello,World!

after

可以看到，使用装饰器我们实现了在函数greeting前后打印调试日志。

       揭开面纱

装饰器是什么？从字面意思我们大致可以推测出来，它的作用是用来装饰的。日常生活中，大家都见过很多装饰器，比如装饰在圣诞树上的彩纸，或者套在iPhone外面的保护壳。保护壳的存在，并不会改变iPhone内部的功能，它存在的意义，在于增强了iPhone的抗摔性能。Python中的装饰器也是一样的道理，它并不会改变被装饰对象的内部逻辑，而是通过一种无侵入的方式，让它获得一些额外的能力，比如日志记录、权限认证、失败重试等等。

Python装饰器看起来高深莫测，实际上它的实现原理非常简单。我们知道，在Python中一切皆对象，函数作为一个特殊的对象，可以作为参数传递给另外一个函数，装饰器的工作原理就是基于这一特性。装饰器的默认语法是使用@来调用，这实际上仅仅是一种语法糖。下面我们看看，不利用语法糖来怎么调用装饰器：

defgreeting():

print"Hello,World!"

greeting=log(greeting)

把函数greeting作为参数传递给装饰器函数log就行了！对装饰器log来说，它接收一个函数作为入参，然后返回一个新的函数，最后再赋值给greeting标识符。这样便得到了一个增强功能的函数，而它的名字又和之前的保持一样。

       趁热打铁

装饰器是一个编程利器，只需一处修改，任何被装饰的对象就可以获得额外的功能。撸起袖子，让我们来看看装饰器在编程实践中的具体应用。

我们知道，程序跑起来后，有一些因素往往是不可控的，比如网络的连通性。为了容错，我们可能会加入try-except语句来捕获异常；考虑到请求失败是有一定概率的，我们或许可以通过多次重试的策略，以达到提高成功率的目的。我们先来模拟一个non_steady函数：

importrandom

defnon_steady():

ifrandom.random()<=0.5:

#失败的概率是0.5

raiseException("died")

else:

#成功的概率是0.5

return"survived"

这个函数成功返回的概率是0.5。显然，单次调用的成功率太低，如果重试10次呢？计算一下：1-(0.5)^10，即成功的概率将提升到0.9990，相比单次调用的0.5，重试的成功率大大地提升了。

按照上面的描述，我们先通过for循环来提升调用non_steady的成功率：

defnon_steady_with_retry(times=10):

foriinxrange(times):

try:

returnnon_steady()

exceptExceptionase:

if(i+1)<times:

#尚未达到较大重试次数，默默吞掉异常

pass

else:

#连续重试，达到较大次数时还是发生异常，则抛出异常

raisee

提升成功率的效果达到了，但是这种实现存在几个问题：

不支持无缝升级。假如函数non_steady在代码中被调用了n次，那么这意味着你需要同时修改n个地方（将调用non_steady修改为调用non_steady_with_retry）；

不支持代码复用。如果你有第二个函数non_steady1，也需要升级一下重试机制，那么这意味着同样的重试代码，你需要再重写一遍。

再试试用装饰器来提升调用non_steady的成功率。定义一个retry装饰器：

defretry(times=10):

defouter(f):

definner(*args,**kwargs):

foriinxrange(times):

try:

returnf(*args,**kwargs)

exceptExceptionase:

if(i+1)<times:

pass

else:

raisee

returninner

returnouter

试用一下：

importrandom

@retry(10)

defnon_steady():

ifrandom.random()<=0.5:

#失败的概率是0.5

raiseException("died")

else:

#成功的概率是0.5

return"survived"

可以看到，只要函数前面加一行代码@retry(10)，即可为其升级重试机制。一处更改即可，无需处处担忧。同时，对于其他想要升级的函数，也只需要更改一个地方，同样的代码就无需重写多遍了。

       更进一步

一个函数可以同时应用多个装饰器，比如下面使用两个装饰器来装饰greeting函数：

@log

@retry(10)

defgreeting():

print"Hello,World!"

这段代码等价于：

defgreeting():

print"Hello,World!"

temp=retry(10)(greeting)

greeting=log(temp)

可以看到，叠加的装饰器生效的顺序是从内往外的。这一点在使用的时候需要特别注意。

Java中的注解，语法和Python中的装饰器很相似，它注解的顺序，没有Python中装饰器这么严格。使用时注意区分下。

除了函数，也可以用类来定义一个装饰器：

classLog(object):

def__init__(self,f):

self.f=f

def__call__(self,*args,**kwargs):

print"before"

self.f()

print"after"

类装饰器主要是通过它的__call__方法来实现的。相比函数装饰器，类装饰器具有面向对象编程所支援的一系列特点，比如高内聚、封装性和灵活度大等优点。使用类装饰器来装饰函数：

@Log

defgreeting():

print"Hello,World!"

greeting()

输出结果和使用函数装饰器一样：

before

Hello,World!

after

实际上，Python中任何callable的对象都可以用来定义装饰器。

想要学好Python开发技术高薪就业的小伙伴就选择扣丁学堂进行学习吧，扣丁学堂不仅有专业的老师和与时俱进的课程体系，还有大量的Python视频教程供学员观看学习，选择扣丁学堂助你轻松高薪就业。扣丁学堂Python技术交流群：279521237。

关注微信公众号获取更多的学习资料

查看更多关于"Python开发资讯"的相关文章>>