Heim Backend-Entwicklung Python-Tutorial Fortgeschrittene Python-Dekoratoren: Verbessern Sie Ihren Code

Fortgeschrittene Python-Dekoratoren: Verbessern Sie Ihren Code

Jan 06, 2025 am 03:42 AM

Advanced Python Decorators: Elevating Your Code

Stellen Sie sich vor, Sie wären Koch in einer geschäftigen Küche. Sie haben ein Rezept – eine Funktion, wenn Sie so wollen. Mit der Zeit stellen Sie fest, dass die meisten Ihrer Gerichte vor dem Servieren einen Schuss Olivenöl, eine Prise Salz oder eine Prise Kräuter benötigen. Wäre es nicht praktisch, einen Assistenten zu haben, der sie automatisch anwendet, anstatt jedem Gericht manuell den letzten Schliff zu geben? Genau das können Python-Dekoratoren für Ihren Code tun – Funktionalität auf elegante, wiederverwendbare und ausdrucksstarke Weise hinzufügen.

In diesem Artikel erkunden wir die Welt der fortgeschrittenen Python-Dekoratoren. Wir gehen über die Grundlagen hinaus und tauchen in parametrisierte Dekoratoren, stapelbare Dekoratoren und sogar Dekoratoren mit Klassen ein. Wir werden außerdem Best Practices und Fallstricke hervorheben, die es zu vermeiden gilt. Bereit? Fangen wir an zu kochen!

Die Grundlagen überarbeitet

Bevor wir in die Tiefe stürzen, werfen wir noch einmal einen Blick auf das Fundament. Ein Dekorator in Python ist einfach eine Funktion, die eine andere Funktion (oder Methode) als Argument verwendet, diese erweitert und eine neue Funktion zurückgibt. Hier ist ein Beispiel:

# Basic decorator example
def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__}...")
        result = func(*args, **kwargs)
        print(f"{func.__name__} finished.")
        return result
    return wrapper

@simple_decorator
def say_hello():
    print("Hello, world!")

say_hello()
Nach dem Login kopieren
Nach dem Login kopieren

Ausgabe:

Calling say_hello...
Hello, world!
say_hello finished.
Nach dem Login kopieren
Nach dem Login kopieren

Jetzt kommen wir zu den erweiterten Anwendungsfällen.

Parametrisierte Dekoratoren

Manchmal muss ein Dekorateur seine eigenen Argumente akzeptieren. Was wäre beispielsweise, wenn wir einen Dekorator benötigen, der Nachrichten auf verschiedenen Ebenen (INFO, DEBUG, ERROR) protokolliert?

# Parameterized decorator example
def log(level):
    def decorator(func):
        def wrapper(*args, **kwargs):
            print(f"[{level}] Calling {func.__name__}...")
            result = func(*args, **kwargs)
            print(f"[{level}] {func.__name__} finished.")
            return result
        return wrapper
    return decorator

@log("INFO")
def process_data():
    print("Processing data...")

process_data()
Nach dem Login kopieren

Ausgabe:

[INFO] Calling process_data...
Processing data...
[INFO] process_data finished.
Nach dem Login kopieren

Diese Schichtstruktur – eine Funktion, die einen Dekorator zurückgibt – ist der Schlüssel zum Erstellen flexibler, parametrisierter Dekoratoren.

Stapelbare Dekoratoren

Python ermöglicht die Anwendung mehrerer Dekoratoren auf eine einzelne Funktion. Erstellen wir zwei Dekoratoren und stapeln sie.

# Stackable decorators

def uppercase(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result.upper()
    return wrapper

def exclaim(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result + "!!!"
    return wrapper

@uppercase
@exclaim
def greet():
    return "hello"

print(greet())
Nach dem Login kopieren

Ausgabe:

HELLO!!!
Nach dem Login kopieren

Hier werden die Dekoratoren von unten nach oben angewendet: @exclaim umschließt die Begrüßung und @uppercase umschließt das Ergebnis.

Verwendung von Klassen als Dekoratoren

Eine weniger bekannte Funktion von Python ist, dass Klassen als Dekoratoren verwendet werden können. Dies kann besonders nützlich sein, wenn Sie den Status aufrechterhalten müssen.

# Class-based decorator
class CountCalls:
    def __init__(self, func):
        self.func = func
        self.call_count = 0

    def __call__(self, *args, **kwargs):
        self.call_count += 1
        print(f"Call {self.call_count} to {self.func.__name__}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

say_hello()
say_hello()
Nach dem Login kopieren

Ausgabe:

Call 1 to say_hello
Hello!
Call 2 to say_hello
Hello!
Nach dem Login kopieren

Hier ermöglicht die call-Methode der Klasse, sich wie eine Funktion zu verhalten, sodass sie die Zielfunktion nahtlos umschließen kann.

Dekorateure für Methoden

Dekorateure arbeiten genauso gut mit Methoden im Unterricht. Der richtige Umgang mit sich selbst ist jedoch unerlässlich.

# Method decorator example
def log_method(func):
    def wrapper(self, *args, **kwargs):
        print(f"Method {func.__name__} called on {self}")
        return func(self, *args, **kwargs)
    return wrapper

class Greeter:
    @log_method
    def greet(self, name):
        print(f"Hello, {name}!")

obj = Greeter()
obj.greet("Alice")
Nach dem Login kopieren

Ausgabe:

Method greet called on <__main__.Greeter object at 0x...>
Hello, Alice!
Nach dem Login kopieren

Kombination von Dekorateuren mit Kontextmanagern

Manchmal müssen Sie Dekorateure in die Ressourcenverwaltung integrieren. Lassen Sie uns zum Beispiel einen Dekorator erstellen, der die Ausführung einer Funktion zeitlich begrenzt.

import time

# Timing decorator
def time_it(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} took {end - start:.2f} seconds")
        return result
    return wrapper

@time_it
def slow_function():
    time.sleep(2)
    print("Done sleeping!")

slow_function()
Nach dem Login kopieren

Ausgabe:

# Basic decorator example
def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__}...")
        result = func(*args, **kwargs)
        print(f"{func.__name__} finished.")
        return result
    return wrapper

@simple_decorator
def say_hello():
    print("Hello, world!")

say_hello()
Nach dem Login kopieren
Nach dem Login kopieren

Best Practices

Bei der Arbeit mit Dekorateuren ist es entscheidend, die Lesbarkeit und Wartbarkeit im Auge zu behalten. Hier sind einige Tipps:

  • Verwenden Sie functools.wraps: Dadurch bleiben Metadaten der ursprünglichen Funktion erhalten.
Calling say_hello...
Hello, world!
say_hello finished.
Nach dem Login kopieren
Nach dem Login kopieren
  • Gründlich testen: Dekoratoren können subtile Fehler verursachen, insbesondere wenn mehrere Dekoratoren verkettet werden.

  • Dekorateure dokumentieren: Dokumentieren Sie eindeutig, was jeder Dekorateur tut und welche Parameter er erwartet.

  • Vermeiden Sie übermäßigen Gebrauch: Obwohl Dekoratoren leistungsstark sind, kann ihre übermäßige Verwendung dazu führen, dass der Code schwer zu befolgen ist.

Zusammenfassung

Dekoratoren sind eine der ausdrucksstärksten Funktionen von Python. Sie ermöglichen es Ihnen, das Verhalten auf saubere und wiederverwendbare Weise zu erweitern und zu ändern. Von parametrisierten Dekoratoren bis hin zu klassenbasierten Implementierungen sind die Möglichkeiten endlos. Wenn Sie Ihre Fähigkeiten verfeinern, werden Sie feststellen, dass Sie Dekorateure nutzen, um saubereren, pythonischeren Code zu schreiben – und vielleicht, wie ein großer Koch, Ihre charakteristischen Akzente in jedes Rezept einbringen, das Sie kreieren.

Hinweis: KI-unterstützte Inhalte

Das obige ist der detaillierte Inhalt vonFortgeschrittene Python-Dekoratoren: Verbessern Sie Ihren 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 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.

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.

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