函数装饰器
函数装饰器用于在源码中“标记”函数， 以某种方式增强函数的行为，这是一个强大的功能。
函数装饰器是一个可调用对象，其参数是另外一个函数，即被装饰函数。装饰器可能处理被装饰函数，然后将其返回，或者将其替换成另一个函数或可调用对象。
函数装饰器的一个重要特性就是，它们在被装饰的函数定义之后立即运行。
registry = []
def register(func):
print('running register(%s)' % func)
registry.append(func)
return func
@register
def f1():
print('running f1()')
@register
def f2():
print('running f2()')
def f3():
print('running f3()')
def main():
print('running main()')
print('registry ->', registry)
f1()
f2()
f3()
if __name__ == '__main__':
main()
运行结果：
running register(<function f1 at 0x0000022DC2D23620>)
running register(<function f2 at 0x0000022DC2D236A8>)
running main()
registry -> [<function f1 at 0x0000022DC2D23620>, <function f2 at 0x0000022DC2D236A8>]
running f1()
running f2()
running f3()
可以看到，被装饰的 f1() 和 f2() 首先被运行，随后才运行main()中的语句。
被装饰函数运行时，其本身的内容（示例中print语句）并没有被执行，而是运行了装饰器函数中的print语句；这就是装饰器的作用，替代被装饰函数，同时装饰器也可以调用外界自由变量（registry），从而引出一个重要概念：
闭包
实例中registry变量和register函数组合的共同体，被成称为闭包。
该例中有两个不太寻常的地方：
- 装饰器函数和被装饰函数定义在一个模块之中；一般来说，两者应该定义在不同的模块；
- register装饰器返回的函数与通过参数传入的相同；实际上，大部分装饰器会在内部定义一个函数，然后将其返回。
实现一个简单的装饰器
# clockdeco.py 输出被装饰函数的运行时间
import time
def clock(func):
def clocked(*args):
t0 = time.perf_counter()
result = func(*args)
elapsed = time.perf_counter() - t0
name = func.__name__
arg_str = ','.join(repr(arg) for arg in args)
print('[%0.8fs] %s(%s) -> %r' % (elapsed, name, arg_str, result))
return result
return clocked
简单运用：
# clockdeco_demo.py
import time
from clockdeco import clock
@clock
def snooze(seconds):
time.sleep(seconds)
@clock
def factorial(n):
return 1 if n < 2 else n*factorial(n-1)
def main():
print('*' * 40, 'Calling snooze(.123)')
snooze(.123)
print('*' * 40, 'Calling factorial(6)')
print('6! =', factorial(6))
if __name__ == '__main__':
main()
运行结果：
**************************************** Calling snooze(.123)
[0.12240868s] snooze(0.123) -> None
**************************************** Calling factorial(6)
[0.00000068s] factorial(1) -> 1
[0.00020317s] factorial(2) -> 2
[0.00039755s] factorial(3) -> 6
[0.00053638s] factorial(4) -> 24
[0.00062375s] factorial(5) -> 120
[0.00067319s] factorial(6) -> 720
6! = 720
运行过程中，首先输出装饰器函数中的内容：
- 被装饰函数运行时间长度；
- 函数名称和实际参数
- 计算结果
然后得到最终的计算结果。可见，装饰器函数的优先级较高
当然，该实例中的装饰器具有几个缺点：
- 不支持关键字参数
- 遮盖了被装饰函数的__name__和__doc__属性
下面的例子对其做出改进：
# clockdeco2.py
import time
import functools
def clock(func):
@functools.wraps(func)
def clocked(*args, **kwargs):
t0 = time.time()
result = func(*args, **kwargs)
elapsed = time.time() - t0
name = func.__name__
arg_lst = []
if args:
arg_lst.append(','.join(repr(arg) for arg in args))
if kwargs:
pairs = ['%s=%r' % (k, w) for k, w in sorted(kwargs.items())]
arg_lst.append(', '.join(pairs))
arg_str = ', '.join(arg_lst)
print('[%0.8fs] %s(%s) -> %r ' % (elapsed, name, arg_str, result))
return result
return clocked
运用：
# clockdeco_demo.py
import time
from clockdeco2 import clock
@clock
def snooze(seconds):
time.sleep(seconds)
@clock
def factorial(n):
return 1 if n < 2 else n*factorial(n-1)
def main():
print('*' * 40, 'Calling snooze(.123)')
snooze(.123)
print('*' * 40, 'Calling factorial(6)')
print('6! =', factorial(6))
if __name__ == '__main__':
main()
运行结果：
**************************************** Calling snooze(.123)
[0.12328553s] snooze(0.123) -> None
**************************************** Calling factorial(6)
[0.00000000s] factorial(1) -> 1
[0.00000000s] factorial(2) -> 2
[0.00000000s] factorial(3) -> 6
[0.00099683s] factorial(4) -> 24
[0.00099683s] factorial(5) -> 120
[0.00099683s] factorial(6) -> 720
6! = 720
改进后的clockdeco2.py中，使用functools.wraps装饰器把相关属性从func复制到clocked中，此外，这个新版本还能正确处理关键字参数。functools.wraps是标准库中的装饰器，它可以用于装饰一个函数，但是对于被装饰函数本身的功能没有任何影响，它的功能只是传递函数内置参数。
参数化clock装饰器
# clockdeco_param.py
import time
DEFAULT_FMT = '[{elapsed:0.8f}s] {name}({args}) -> {result}'
def clock(fmt=DEFAULT_FMT):
def decorate(func):
def clocked(*_args):
t0 = time.time()
_result = func(*_args)
elapsed = time.time() - t0
name = func.__name__
args = ','.join(repr(arg) for arg in _args)
result = repr(_result)
print(fmt.format(**locals()))
return _result
return clocked
return decorate
- def clock 是参数化装饰器工厂函数
- decorate(func) 是真正的装饰器
- clocked 包装被装饰的函数
示例1：
# clockdeco_param_demo.py
import time
from clockdeco_param import clock
@clock()
def snooze(seconds):
time.sleep(seconds)
for i in range(3):
snooze(.123)
运行结果：
[0.12367034s] snooze(0.123) -> None
[0.12367010s] snooze(0.123) -> None
[0.12366986s] snooze(0.123) -> None
示例2：
# clockdeco_param_demo.py
import time
from clockdeco_param import clock
@clock('{name}:{elapsed}s')
def snooze(seconds):
time.sleep(seconds)
for i in range(3):
snooze(.123)
运行结果：
snooze:0.12366843223571777s
snooze:0.12369871139526367s
snooze:0.12366509437561035s
示例3：
# clockdeco_param_demo.py
import time
from clockdeco_param import clock
@clock('{name}({args}) dt={elapsed:0.3f}s')
def snooze(seconds):
time.sleep(seconds)
for i in range(3):
snooze(.123)
运行结果：
snooze(0.123) dt=0.124s
snooze(0.123) dt=0.124s
snooze(0.123) dt=0.124s
分析三个示例可以看出，当装饰器clock的参数不同时，被装饰函数运行所得结果也会不同。
python中参数化装饰器的用意在于将更多的参数传送给装饰器，因为装饰器的第一个参数一定是被装饰函数。
备忘装饰器 functools.lru_cache
functools.lru_cache和functools.wraps一样，也是一个python内置装饰器，它的功能是将耗时的函数结果保存起来，避免传图相同的参数造成重复计算，从而节省代码运行时间。
下面以斐波那契数列写一个案例:
使用functools.lru_cache
import functools
from clockdeco import clock@functools.lru_cache()
@clock
def fibonacci(n):if n < 2: return n return fibonacci(n-2) + fibonacci(n-1)if __name__==’__main__’:
print(fibonacci(30))
运行结果：
[0.00000000s] fibonacci(0) -> 0
[0.00000068s] fibonacci(1) -> 1
......
[0.00000271s] fibonacci(29) -> 514229
[0.00542815s] fibonacci(30) -> 832040
832040
多次运行，计算fibonacci(30)大概耗时0.005秒左右
作为对比：
import functools
from clockdeco import clock
@clock
def fibonacci(n):
if n < 2:
return n
return fibonacci(n-2) + fibonacci(n-1)
if __name__=='__main__':
print(fibonacci(30))
运行结果：
.......
[156.42139917s] fibonacci(28) -> 317811
[230.80184171s] fibonacci(29) -> 514229
[368.52227404s] fibonacci(30) -> 832040
832040
嗯……陷入沉思，虽然笔记本渣渣配置，但是运行了6分钟，差距太大
总结
- 函数装饰器就是用来装饰函数的函数，并使用内置函数替代被装饰函数
- 被装饰函数在定义时就运行，无需显示调用
- 内置装饰器functools.wraps可以为被装饰函数赋值内置属性
- 参数化装饰器可以接受不同参数并适用于被装饰函数，显示不同的作用，相当于装饰器中的定制化
- 参数化的装饰器嵌套层次较深，逻辑相对复杂
- 内置装饰器functools.lru_cache采用缓存机制，存储需要多次调用的函数值，从而降低代码运行时间
