引入#
当我们想在一个函数执行前后干点什么事情的时候，可以这么写：
def foo():
print('foo()!!!')
def bar():
print('Before')
foo()
print('After')
bar()
装饰器实现#
但这样看着总是很别扭，我们可以写成这样：
def foo():
print('foo()!!!')
def bar(func):
def inner():
print(f'Before {func.__name__}')
func()
print(f'After {func.__name__}')
return inner
bar(foo)()
在 Python 中 function 是第一公民，所以可以它作为参数
这样我们就实现了一个简单的装饰器，我们可以发现这样在调用的时候比较麻烦，Python 还提供了这样了一个语法糖：
def bar(func):
def inner():
print(f'In Bar Before {func.__name__}')
func()
print(f'In Bar After {func.__name__}')
return inner
@bar
def foo():
print('foo()!!!')
foo()
除此之外，Python 装饰器可以有多个，相当与一层层的包裹：
def bar(func):
def inner():
print(f'In Bar Before {func.__name__}')
func()
print(f'In Bar After {func.__name__}')
return inner
def baz(func):
def inner():
print(f'In Baz Before {func.__name__}')
func()
print(f'In Baz After {func.__name__}')
return inner
@bar
@baz
def foo():
print('foo()!!!')
foo()
上述代码的输出为：
In Bar Before inner
In Baz Before foo
foo()!!!
In Baz After foo
In Bar After inner
一个应用场景#
我们有一个这样的函数：
import time
def slow_method():
time.sleep(2)
print('Done!')
我们想知道这个函数的运行时间，我们可以用装饰器来实现:
import time
def timeit(func):
def inner():
s = time.time()
func()
e = time.time()
print(f'{func.__name__} Finished in {e - s}s.')
return inner
@timeit
def slow_method():
time.sleep(2)
print('Done!')
slow_method()
运行结果：
Done!
slow_method Finished in 2.0159008502960205s.
这样我们就实现了我们的需求。
当被装饰的函数有参数时，同样可以：
import time
def timeit(func):
def inner(*args):
s = time.time()
func(*args)
e = time.time()
print(f'{func.__name__} Finished in {e - s}s.')
return inner
@timeit
def slow_method(a, b):
time.sleep(2)
print(f'{a} + {b} = {a+b}')
print('Done!')
slow_method(1, 2)
运行结果
1 + 2 = 3
Done!
slow_method Finished in 2.0069477558135986s.
巧用装饰器来实现记忆化递归#
首先我们有一个朴素的 Fibonacci 函数：
def fib(n):
if n <= 1: return 1
return fib(n - 1) + fib(n - 2)
很明显我们知道这个函数是十分低效的，我们可以使用记忆化递归来优化这个函数。
cache = {}
def fib(n):
if n in cache: return cache[n]
if n <= 1: return 1
cache[n] = fib(n - 1) + fib(n - 2)
return cache[n]
print(fib(333))
这样我们就能使 fib 函数快很多。但实现稍微有点麻烦，我们可以用装饰器来简化代码：
class MyCache(object):
def __init__(self, func):
self.func = func
self.cache = {}
def __call__(self, *args):
if args not in self.cache:
self.cache[args] = self.func(*args)
return self.cache[args]
@MyCache
def fib(n):
if n <= 1: return 1
return fib(n - 1) + fib(n - 2)
print(fib(333))
这样我们就非常优雅的实现了 fib 函数。