AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

对Python装饰器的个人理解方法

2016-05-10 2329
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：

0.说明

         

        在自己好好总结并对Python装饰器的执行过程进行分解之前，对于装饰器虽然理解它的基本工作方式，但对于存在复杂参数的装饰器（装饰器和函数本身都有参数），总是会感到很模糊，即使这会弄懂了，下一次也很快忘记，其实本质上还是没有多花时间去搞懂其中的细节问题。

        虽然网络上已经有很多这样的文章，但显然都是别人的思想，因此自己总是记不牢，所以花点时间自己好好整理一下。

        最近在对《Python核心编程》做总结，收获了不少，下面分享一下我自己对于Python装饰器的理解，后面还提供了一个较为复杂的Python装饰器的执行过程的分解，可以参考一下。



1.Python装饰器的出现


         在没有装饰器之前，如果要在类中定义一个静态方法，需要使用下面的方法：

1
2
3
class  MyClass( object ):
     def  staticFoo():
         staticFoo  =  staticmethod (staticFoo)

        即要在该静态方法中加入类似staticmethod()内建函数将该方法转换为静态方法，这显然非常麻烦，而有了装饰器之后，就可以写成下面这样：

1
2
3
4
class  MyClass( object ):
     @ staticmethod
     def  staticFoo():
         pass

        这样就简洁很多了。



2.Python装饰器类型与理解


（1）无参数装饰器    

  • 一个装饰器

        下面的情况：

1
2
3
@f
def  foo():
     pass

        其实就相当于：

1
2
3
def  foo():
     pass
foo  =  g(foo)

  • 多个装饰器

        下面的情况：

1
2
3
4
@g
@f
def  foo():
     pass

        就相当于：

1
2
3
def  foo():
     pass
foo  =  g(f(foo))


（2）含参数装饰器

  • 带有参数的一个装饰器

        下面的情况：

1
2
3
@decomaker (deco_args)
def  foo():
     pass

        就相当于：

1
2
3
def  foo():
     pass
foo  =  decomaker(deco_args)(foo)

        用这样的思想去理解就非常好理解了：decomaker()用deco_args做了些事并返回函数对象，而该函数对象正是以foo作为其参数的装饰器。

        下面多个装饰器的例子也是按这样的思想去理解。

  • 带有参数的多个装饰器

        下面的情况：

1
2
3
4
@deco1 (deco_arg)
@deco2 ()
def  foo():
     pass

        就相当于：

1
2
3
def  foo():
     pass
foo  =  deco1(deco_arg)(deco2(foo))



3.Python装饰器执行过程的手动分解


        OK，有了上面的理论基础，理解下面一个较为复杂的装饰器就很容易了：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from  functools  import  wraps
 
def  log(text):
     def  decorator(func):
         @wraps(func)                     #it works like:wraper.__name__ = func.__name__
         def  wrapper( * args,  * * kwargs):
             print  '%s %s():'  %  (text, func.__name__)
             return  func( * args,  * * kwargs)
         return  wrapper
     return  decorator
 
 
@log ( 'Hello' )
def  now(area):
     print  area,  '2016-01-23'
     
 
now( 'Beijing' )
print  'The name of function now() is:' , now.__name__

        执行如下：

1
2
3
4
/ usr / bin / python2. 7  / home / xpleaf / PycharmProjects / decorator_test / dec10.py
Hello now():
Beijing  2016 - 01 - 23
The name of function now()  is : now

对于该程序的执行过程，可以分析如下：

1.先执行log('Hello')函数，此时返回了一个新的函数，只不过其中的text变量被替换为'Hello'，所以用来装饰now函数的新的装饰器如下：

1
2
3
4
5
6
def  decorator(func):
     @wraps(func)                     #it works like:wraper.__name__ = func.__name__
     def  wrapper( * args,  * * kwargs):
         print  '%s %s():'  %  ( 'Hello' , func.__name__)
         return  func( * args,  * * kwargs)
     return  wrapper

2.所以此时的now函数，就相当于：

1
now  =  decorator(now)

3.即now就相当于：

1
2
3
4
def  now( * args,  * * kwargs):
     print  '%s %s():'  %  ( 'Hello' , old_now.__name__)
     return  old_now( * args,  * * kwargs)
# 现在的函数名称变为了now而不是wrapper，是因为使用了wraps装饰器

   所以，输出的结果也就非常好理解了。

        关于wraps，它也是一个装饰器，使用它的作用是，被我们用自定义装饰器修改后的函数，它的函数名称，即func.__name__跟原来是一样的，而它的工作原理正如上面所提及的，即：

1
wraper.__name__  =  func.__name__

        也就是说，使用wraps可以不改变原来函数的属性，当然，上面只是简单说明了一下其工作原理，详细的可以参考wraps的源代码。

        在GitHub上给出了10个理解装饰器的例子，可以参考一下：https://github.com/xpleaf/decorator

文章标签：
Python
关键词：
Python方法
Python装饰器
Python装饰器理解方法
Python装饰器方法
香飘叶子
目录
相关文章
2G冲浪词条
|
22天前
|
测试技术 数据库 Python
Python装饰器实战：打造高效性能计时工具
在数据分析中，处理大规模数据时，分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具，在不改变现有代码的基础上，方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点，有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数，可以更准确地评估函数的平均执行时间，提升开发效率。
2G冲浪词条
96 61
Python装饰器实战：打造高效性能计时工具
大数据文摘
|
22天前
|
设计模式 前端开发 Shell
Python装饰器是什么？
装饰器是Python中用于动态修改函数、方法或类功能的工具，无需改变原代码。通过将函数作为参数传递并返回新函数，装饰器可以在原函数执行前后添加额外逻辑。例如，使用`@logger`装饰器可以打印函数调用日志，而`@timethis`则可用于计算函数执行时间。为了保持被装饰函数的元信息（如`__name__`和`__doc__`），可使用`functools.wraps`装饰器。此外，带参数的装饰器可通过嵌套函数实现，如`@timeitS(2)`，以根据参数条件输出特定信息。
大数据文摘
83 59
AIweker
|
17天前
|
人工智能 自然语言处理 算法
随机的暴力美学蒙特卡洛方法 | python小知识
蒙特卡洛方法是一种基于随机采样的计算算法，广泛应用于物理学、金融、工程等领域。它通过重复随机采样来解决复杂问题，尤其适用于难以用解析方法求解的情况。该方法起源于二战期间的曼哈顿计划，由斯坦尼斯拉夫·乌拉姆等人提出。核心思想是通过大量随机样本来近似真实结果，如估算π值的经典示例。蒙特卡洛树搜索（MCTS）是其高级应用，常用于游戏AI和决策优化。Python中可通过简单代码实现蒙特卡洛方法，展示其在文本生成等领域的潜力。随着计算能力提升，蒙特卡洛方法的应用范围不断扩大，成为处理不确定性和复杂系统的重要工具。
AIweker
52 21
站大爷
|
16天前
|
数据挖掘 数据处理 开发者
Python3 自定义排序详解：方法与示例
Python的排序功能强大且灵活，主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构（如列车信息）进行排序。掌握这些技巧可以显著提升数据处理能力，为编程提供更强大的支持。
站大爷
26 10
游客4ajxjr2o23cj2
|
1天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍，图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API，适合编程新手。首先登录 DeepSeek 控制台获取 API Key，安装 Python 和 requests 库后，编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法，建议收藏备用。 原文链接：[如何使用 Python 调用 DeepSeek-R1 API？](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
游客4ajxjr2o23cj2
94 0
扑克中的黑桃A
|
2月前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法：使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用，内容通俗易懂，适合编程新手阅读。博主表示欢迎读者反馈，共同进步。
扑克中的黑桃A
91 14
蓝易云
|
2月前
|
缓存 数据安全/隐私保护 Python
python装饰器底层原理
Python装饰器是一个强大的工具，可以在不修改原始函数代码的情况下，动态地增加功能。理解装饰器的底层原理，包括函数是对象、闭包和高阶函数，可以帮助我们更好地使用和编写装饰器。无论是用于日志记录、权限验证还是缓存，装饰器都可以显著提高代码的可维护性和复用性。
蓝易云
43 5
技术混子
|
2月前
|
测试技术 开发者 Python
探索Python中的装饰器：从入门到实践
装饰器，在Python中是一块强大的语法糖，它允许我们在不修改原函数代码的情况下增加额外的功能。本文将通过简单易懂的语言和实例，带你一步步了解装饰器的基本概念、使用方法以及如何自定义装饰器。我们还将探讨装饰器在实战中的应用，让你能够在实际编程中灵活运用这一技术。
技术混子
48 7
我不是游客20240119
|
2月前
|
Python
探索Python中的装饰器：简化代码，增强功能
在Python的世界里，装饰器就像是给函数穿上了一件神奇的外套，让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻，带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱，看看它是如何在不改变函数核心逻辑的情况下，为函数增添新功能的吧！
我不是游客20240119
52 5
mg的嘟嘟
|
2月前
|
程序员 测试技术 数据安全/隐私保护
深入理解Python装饰器：提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例，帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要，本文将以一个实际的软件开发场景引入，逐步揭示装饰器如何优化代码结构，提高开发效率和代码质量。
mg的嘟嘟
71 6

热门文章

最新文章

  • 1
    金融波动率的多模型建模研究：GARCH族与HAR模型的Python实现与对比分析
  • 2
    【01】做一个精美的打飞机小游戏，浅尝阿里云通义灵码python小游戏开发AI编程-之飞机大战小游戏上手实践-优雅草央千澈-用ai开发小游戏尝试-分享源代码和游戏包
  • 3
    请问：如何使用python对物联网平台上设备的属性进行更改？
  • 4
    [oeasy]python062_在python中完成输入和输出_input_print
  • 5
    我的阿里云社区年度总结报告：Python、人工智能与大数据领域的探索之旅
  • 6
    Python 虚拟环境配置
  • 7
    Python装饰器实战：打造高效性能计时工具
  • 8
    基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
  • 9
    python安装、vscode安装、conda安装：一文搞定Python的开发环境（史上最全）
  • 10
    如何在Python中高效地读写大型文件？
  • 1
    如何将训练好的Python模型给JavaScript使用？
    84
  • 2
    python 图片打水印 透明图片合并
    73
  • 3
    Python 数据结构和算法实用指南（四）（4）
    313
  • 4
    Python 数据结构和算法实用指南（四）（3）
    52
  • 5
    Python 数据结构和算法实用指南（四）（2）
    36
  • 6
    Python 数据结构和算法实用指南（三）（3）
    37
  • 7
    【Python】—— pandas 数据分析
    82
  • 8
    Python 数据结构和算法实用指南（三）（1）
    47
  • 9
    【Python】—— 如果使用matplotlib做数据可视化
    66
  • 10
    python自动化测试实战 —— 单元测试框架
    118

    • 相关课程

    更多
  • Python爬虫实战
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Python选择及循环结构
  • 云端Python及基本操作
  • Python网络通信程序典型应用
  • Python新手入门（Anolis OS）
  • Python新手入门

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • linuxmint-packages
    • 下一篇
    DeepSeek-V2.5-1210 在线开放使用！支持联网搜索，在各大领域的表现得到全面提升