Heim Backend-Entwicklung Python-Tutorial Wesentliche Python-Decorator-Muster für saubereren und effizienteren Code

Wesentliche Python-Decorator-Muster für saubereren und effizienteren Code

Jan 04, 2025 am 03:25 AM

ssential Python Decorator Patterns for Cleaner, More Efficient Code

Als Bestsellerautor lade ich Sie ein, meine Bücher auf Amazon zu erkunden. Vergessen Sie nicht, mir auf Medium zu folgen und Ihre Unterstützung zu zeigen. Danke schön! Ihre Unterstützung bedeutet die Welt!

Python-Dekoratoren sind eine leistungsstarke Funktion, die es uns ermöglicht, Funktionen und Klassen zu ändern oder zu verbessern, ohne ihre Kernlogik zu ändern. Als Entwickler habe ich festgestellt, dass die Beherrschung von Dekoratormustern die Codequalität, Wiederverwendbarkeit und Wartbarkeit erheblich verbessern kann. Lassen Sie uns sieben wesentliche Dekorationsmuster erkunden, die ich in meinen Projekten als besonders nützlich empfunden habe.

Klassendekorateure

Klassendekoratoren bieten eine Möglichkeit, das Verhalten und die Attribute von Klassen zu ändern oder zu verbessern. Sie werden mit der @decorator-Syntax direkt über der Klassendefinition angewendet. Ich habe oft Klassendekoratoren verwendet, um Methoden hinzuzufügen, vorhandene Methoden zu ändern oder Klassenattribute zu ändern.

Hier ist ein Beispiel für einen Klassendekorator, der einer Klasse eine neue Methode hinzufügt:

def add_greeting(cls):
    def say_hello(self):
        return f"Hello, I'm {self.name}"
    cls.say_hello = say_hello
    return cls

@add_greeting
class Person:
    def __init__(self, name):
        self.name = name

person = Person("Alice")
print(person.say_hello())  # Output: Hello, I'm Alice
Nach dem Login kopieren
Nach dem Login kopieren

In diesem Beispiel fügt der Dekorator add_greeting der Person-Klasse eine say_hello-Methode hinzu. Dieses Muster ist besonders nützlich, wenn Sie die Funktionalität auf mehrere Klassen erweitern möchten, ohne deren Quellcode zu ändern.

Funktionsdekoratoren mit Argumenten

Funktionsdekoratoren, die Argumente akzeptieren, bieten noch mehr Flexibilität. Sie ermöglichen es uns, das Verhalten des Dekorateurs selbst anzupassen. Ich habe festgestellt, dass dieses Muster von unschätzbarem Wert ist, wenn es darum geht, wiederverwendbare Dekoratoren zu erstellen, die für verschiedene Anwendungsfälle fein abgestimmt werden können.

Hier ist ein Beispiel für einen Dekorator, der einen Funktionsaufruf eine bestimmte Anzahl von Malen wiederholen kann:

def repeat(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(times=3)
def greet(name):
    print(f"Hello, {name}!")

greet("Bob")
# Output:
# Hello, Bob!
# Hello, Bob!
# Hello, Bob!
Nach dem Login kopieren
Nach dem Login kopieren

In diesem Beispiel benötigt der Wiederholungsdekorator ein Argument mal, das bestimmt, wie oft die dekorierte Funktion aufgerufen werden soll. Dieses Muster ermöglicht eine große Flexibilität bei der Anwendung von Dekoratoren auf unsere Funktionen.

Funktionsmetadaten beibehalten

Bei der Verwendung von Dekoratoren ist es wichtig, die Metadaten der ursprünglichen Funktion beizubehalten. Dazu gehören der Name, die Dokumentzeichenfolge und andere Attribute der Funktion. Der Dekorator functools.wraps aus der Python-Standardbibliothek hilft uns dabei.

Hier ist ein Beispiel:

from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """This is the wrapper function"""
        print("Something is happening before the function is called.")
        result = func(*args, **kwargs)
        print("Something is happening after the function is called.")
        return result
    return wrapper

@my_decorator
def say_hello(name):
    """This function greets someone"""
    print(f"Hello, {name}!")

say_hello("Charlie")
print(say_hello.__name__)  # Output: say_hello
print(say_hello.__doc__)   # Output: This function greets someone
Nach dem Login kopieren
Nach dem Login kopieren

Durch die Verwendung von @wraps(func) stellen wir sicher, dass die Wrapper-Funktion die Metadaten der Originalfunktion übernimmt. Dies ist entscheidend für das Debuggen und die Selbstbeobachtung.

Mehrere Dekoratoren stapeln

Dekoratoren können gestapelt werden, sodass mehrere Dekoratoren auf eine einzige Funktion angewendet werden können. Die Reihenfolge der Dekoration ist wichtig, wobei die Dekorateure von unten nach oben aufgetragen werden.

Hier ist ein Beispiel:

def decorator1(func):
    def wrapper(*args, **kwargs):
        print("Decorator 1")
        return func(*args, **kwargs)
    return wrapper

def decorator2(func):
    def wrapper(*args, **kwargs):
        print("Decorator 2")
        return func(*args, **kwargs)
    return wrapper

@decorator1
@decorator2
def greet(name):
    print(f"Hello, {name}!")

greet("David")
# Output:
# Decorator 1
# Decorator 2
# Hello, David!
Nach dem Login kopieren
Nach dem Login kopieren

In diesem Beispiel wird zuerst decorator2 angewendet, gefolgt von decorator1. Bei der Arbeit mit mehreren Dekorateuren ist es wichtig, die Reihenfolge der Ausführung zu verstehen.

Memoization Decorators

Memoisierung ist eine Optimierungstechnik, die die Ergebnisse teurer Funktionsaufrufe speichert und das zwischengespeicherte Ergebnis zurückgibt, wenn dieselben Eingaben erneut auftreten. Ich habe festgestellt, dass Memoization-Dekoratoren äußerst nützlich sind, um die Leistung rekursiver Funktionen oder Funktionen mit teuren Berechnungen zu verbessern.

Hier ist ein Beispiel für einen Memoization-Dekorator:

def add_greeting(cls):
    def say_hello(self):
        return f"Hello, I'm {self.name}"
    cls.say_hello = say_hello
    return cls

@add_greeting
class Person:
    def __init__(self, name):
        self.name = name

person = Person("Alice")
print(person.say_hello())  # Output: Hello, I'm Alice
Nach dem Login kopieren
Nach dem Login kopieren

Dieser Memoization-Decorator speichert die Ergebnisse der Fibonacci-Funktion zwischen und verbessert so die Leistung bei großen Eingaben erheblich.

Timing- und Protokollierungsdekorateure

Dekoratoren zum Timing der Funktionsausführung und Protokollierung von Funktionsaufrufen sind unglaublich nützlich für Leistungsanalysen und Debugging. Ich verwende diese häufig in meinem Entwicklungsprozess.

Hier ist ein Beispiel für einen kombinierten Timing- und Logging-Dekorator:

def repeat(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(times=3)
def greet(name):
    print(f"Hello, {name}!")

greet("Bob")
# Output:
# Hello, Bob!
# Hello, Bob!
# Hello, Bob!
Nach dem Login kopieren
Nach dem Login kopieren

Dieser Dekorator protokolliert, wann die Funktion aufgerufen wird und wie lange die Ausführung dauert. Es ist ein Muster, das für mich von unschätzbarem Wert ist, um Leistungsengpässe in meinem Code zu identifizieren.

Kontextmanager-Dekoratoren

Kontextmanager werden normalerweise mit der with-Anweisung für die Ressourcenverwaltung und Fehlerbehandlung verwendet. Wir können Dekoratoren erstellen, die Funktionen in Kontextmanager umwandeln und so elegante Auf- und Abbauvorgänge ermöglichen.

Hier ist ein Beispiel:

from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """This is the wrapper function"""
        print("Something is happening before the function is called.")
        result = func(*args, **kwargs)
        print("Something is happening after the function is called.")
        return result
    return wrapper

@my_decorator
def say_hello(name):
    """This function greets someone"""
    print(f"Hello, {name}!")

say_hello("Charlie")
print(say_hello.__name__)  # Output: say_hello
print(say_hello.__doc__)   # Output: This function greets someone
Nach dem Login kopieren
Nach dem Login kopieren

In diesem Beispiel stellt der file_manager-Dekorator sicher, dass die Datei nach dem Vorgang ordnungsgemäß geschlossen wird, auch wenn eine Ausnahme auftritt.

Best Practices für die Erstellung und Verwendung von Dekoratoren

Bei der Arbeit mit Dekorateuren habe ich mehrere Best Practices kennengelernt, die mir gute Dienste geleistet haben:

  1. Verwenden Sie functools.wraps, um Funktionsmetadaten beizubehalten.
  2. Halten Sie Dekorateure einfach und konzentrieren Sie sich auf eine einzige Aufgabe.
  3. Verwenden Sie Dekorateurfabriken, wenn Sie Ihrem Dekorateur Argumente übergeben müssen.
  4. Berücksichtigen Sie die Auswirkungen Ihrer Dekoratoren auf die Leistung, insbesondere bei häufig aufgerufenen Funktionen.
  5. Dokumentieren Sie Ihre Dekorateure klar und erklären Sie, was sie tun und welche Nebenwirkungen sie möglicherweise haben.
  6. Bedenken Sie beim Debuggen, dass Dekoratoren eine Indirektionsebene hinzufügen. Tools wie die @-Syntax im Python-Debugger können Ihnen beim Einstieg in dekorierte Funktionen helfen.

Das Testen von dekoriertem Code kann manchmal schwierig sein. Ein Ansatz, den ich oft verwende, besteht darin, den Dekorator getrennt von der dekorierten Funktion zu testen. Dies ermöglicht detailliertere Tests und einfacheres Debuggen.

Hier ist ein Beispiel, wie Sie einen Dekorateur testen können:

def decorator1(func):
    def wrapper(*args, **kwargs):
        print("Decorator 1")
        return func(*args, **kwargs)
    return wrapper

def decorator2(func):
    def wrapper(*args, **kwargs):
        print("Decorator 2")
        return func(*args, **kwargs)
    return wrapper

@decorator1
@decorator2
def greet(name):
    print(f"Hello, {name}!")

greet("David")
# Output:
# Decorator 1
# Decorator 2
# Hello, David!
Nach dem Login kopieren
Nach dem Login kopieren

In diesem Test verwenden wir eine Scheinfunktion, um zu überprüfen, ob unser Dekorateur die ursprüngliche Funktion korrekt aufruft und ihr Ergebnis zurückgibt.

Dekoratoren sind ein leistungsstarkes Werkzeug in Python, und die Beherrschung dieser Muster kann Ihr Codierungsarsenal erheblich erweitern. Sie ermöglichen eine saubere Trennung von Anliegen, fördern die Wiederverwendung von Code und können Ihren Code lesbarer und wartbarer machen.

Ich habe herausgefunden, dass der Schlüssel zum effektiven Einsatz von Dekoratoren darin besteht, einfach anzufangen und die Komplexität nach Bedarf schrittweise aufzubauen. Beginnen Sie mit grundlegenden Funktionsdekorateuren, gehen Sie dann zu Klassendekoratoren und fortgeschritteneren Mustern wie Dekorateurfabriken über.

Denken Sie daran, dass Dekoratoren Ihren Code zwar erheblich verbessern können, sie jedoch mit Bedacht eingesetzt werden sollten. Übermäßiger Einsatz von Dekoratoren kann zu Code führen, der schwer zu verstehen und zu debuggen ist. Überlegen Sie immer, ob ein Dekorateur die beste Lösung für Ihren spezifischen Anwendungsfall ist.

Während Sie weiterhin mit Dekorateuren zusammenarbeiten, werden Sie wahrscheinlich neue Muster und Anwendungsfälle entdecken. Die Python-Community ist ständig innovativ und es entstehen regelmäßig neue Dekorationstechniken. Bleiben Sie neugierig, experimentieren Sie mit verschiedenen Ansätzen und zögern Sie nicht, Ihre eigenen Dekorationsmuster zu erstellen, um einzigartige Probleme in Ihren Projekten zu lösen.

Dekoratoren sind nur eine von vielen leistungsstarken Funktionen in Python, die Ihnen helfen können, saubereren und effizienteren Code zu schreiben. Wenn Sie mit Dekoratoren vertrauter werden, werden Sie feststellen, dass sie sich gut in andere Python-Funktionen wie Generatoren, Kontextmanager und Metaklassen integrieren lassen und so noch mehr Möglichkeiten für elegantes und leistungsstarkes Codedesign eröffnen.


101 Bücher

101 Books ist ein KI-gesteuerter Verlag, der vom Autor Aarav Joshi mitbegründet wurde. Durch den Einsatz fortschrittlicher KI-Technologie halten wir unsere Veröffentlichungskosten unglaublich niedrig – einige Bücher kosten nur 4$ – und machen so hochwertiges Wissen für jedermann zugänglich.

Schauen Sie sich unser Buch Golang Clean Code an, das bei Amazon erhältlich ist.

Bleiben Sie gespannt auf Updates und spannende Neuigkeiten. Wenn Sie Bücher kaufen, suchen Sie nach Aarav Joshi, um weitere unserer Titel zu finden. Nutzen Sie den bereitgestellten Link, um von speziellen Rabatten zu profitieren!

Unsere Kreationen

Schauen Sie sich unbedingt unsere Kreationen an:

Investor Central | Investor Zentralspanisch | Investor Mitteldeutsch | Intelligentes Leben | Epochen & Echos | Rätselhafte Geheimnisse | Hindutva | Elite-Entwickler | JS-Schulen


Wir sind auf Medium

Tech Koala Insights | Epochs & Echoes World | Investor Central Medium | Puzzling Mysteries Medium | Wissenschaft & Epochen Medium | Modernes Hindutva

Das obige ist der detaillierte Inhalt vonWesentliche Python-Decorator-Muster für saubereren und effizienteren Code. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1670
14
PHP-Tutorial
1276
29
C#-Tutorial
1256
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python und Zeit: Machen Sie das Beste aus Ihrer Studienzeit Python und Zeit: Machen Sie das Beste aus Ihrer Studienzeit Apr 14, 2025 am 12:02 AM

Um die Effizienz des Lernens von Python in einer begrenzten Zeit zu maximieren, können Sie Pythons DateTime-, Zeit- und Zeitplanmodule verwenden. 1. Das DateTime -Modul wird verwendet, um die Lernzeit aufzuzeichnen und zu planen. 2. Das Zeitmodul hilft, die Studie zu setzen und Zeit zu ruhen. 3. Das Zeitplanmodul arrangiert automatisch wöchentliche Lernaufgaben.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles