Übersicht
Im Artikel Ein genauerer Blick auf Python-Dekoratoren habe ich das Konzept der Python-Dekoratoren vorgestellt, viele coole Dekoratoren vorgestellt und erklärt, wie man sie verwendet.
In diesem Tutorial zeige ich Ihnen, wie Sie Ihren eigenen Dekorateur schreiben. Wie Sie sehen werden, gibt Ihnen das Schreiben Ihres eigenen Dekorators viel Kontrolle und ermöglicht viele Funktionen. Ohne Dekoratoren würden diese Funktionen viele fehleranfällige und sich wiederholende Boilerplates erfordern, die den Code überladen würden, oder völlig externe Mechanismen (z. B. Codegenerierung) erfordern.
Wenn Sie nichts über Dekorateure wissen, finden Sie hier eine kurze Auffrischung. Ein Dekorator ist ein Callable (eine Funktion, Methode, Klasse oder ein Objekt mit einer call()-Methode), das einen Callable als Eingabe akzeptiert und einen Callable als Ausgabe zurückgibt. Normalerweise führt der zurückgegebene Callable einige Vorgänge vor und/oder nach dem Aufruf des Eingabe-Callables aus. Sie können die @-Syntax verwenden, um Dekoratoren anzuwenden. Viele Beispiele folgen bald...
Hallo Weltdekorateur
Beginnen wir mit dem „Hallo Welt!“-Dekorator. Dieser Dekorator ersetzt jede dekorierte aufrufbare Funktion vollständig durch eine Funktion, die lediglich „Hallo Welt!“ ausgibt.
def hello_world(f):
def decorated(*args, **kwargs):
print 'Hello World!'
return decorated
Nach dem Login kopieren
Das ist es. Sehen wir es uns in Aktion an und erklären wir die verschiedenen Teile und ihre Funktionsweise. Angenommen, wir haben die folgende Funktion, die zwei Zahlen nimmt und ihr Produkt ausgibt:
def multiply(x, y):
print x * y
Nach dem Login kopieren
Wenn Sie anrufen, bekommen Sie, was Sie erwarten:
(6, 7)
42
Nach dem Login kopieren
Kommentieren wir die Funktion @hello_worldmultiplizieren mit und dekorieren sie mit dem Dekorator hello_world.
@hello_world
def multiply(x, y):
print x * y
Nach dem Login kopieren
Wenn Sie nun multiply mit beliebigen Argumenten aufrufen (einschließlich des falschen Datentyps oder der falschen Anzahl von Argumenten), wird als Ergebnis immer „Hello World!“ ausgegeben.
multiply(6, 7)
Hello World!
multiply()
Hello World!
multiply('zzz')
Hello World!
Nach dem Login kopieren
Okay. Wie funktioniert es? Die ursprüngliche Multiplikationsfunktion wird vollständig durch die verschachtelte Dekorationsfunktion im hello_world-Dekorator ersetzt. Wenn wir die Struktur des hello_world-Dekorators analysieren, können Sie sehen, dass er ein aufrufbares f als Eingabe akzeptiert (wird in diesem einfachen Dekorator nicht verwendet), das eine verschachtelte Funktion namens decorated definiert, die eine beliebige Kombination davon akzeptiert Parameter und Schlüsselwortargumente (defdecorated(*args, **kwargs)) und gibt schließlich die Funktion decorated< /strong> zurück.
Funktions- und Methodendekoratoren schreiben
Es gibt keinen Unterschied zwischen Schreibfunktions- und Methodendekoratoren. Die Definition von Dekorateuren ist dieselbe. Die aufrufbare Eingabe ist eine reguläre Funktion oder gebundene Methode.
Lassen Sie es uns überprüfen. Dies ist ein Dekorator, der lediglich die aufrufbare Eingabe ausgibt und vor dem Aufruf eingibt. Dies ist ein typischer Fall, in dem der Dekorateur etwas tut und weiterhin das ursprüngliche Callable aufruft.
def print_callable(f):
def decorated(*args, **kwargs):
print f, type(f)
return f(*args, **kwargs)
return decorated
Nach dem Login kopieren
Beachten Sie, dass die letzte Zeile die Eingabe auf generische Weise aufruft und das Ergebnis zurückgibt. Dieser Dekorator ist nicht aufdringlich, da Sie jede Funktion oder Methode in einer funktionierenden Anwendung dekorieren können und die Anwendung weiterhin funktioniert, da die dekorierte Funktion die ursprüngliche Funktion aufruft und zuvor nur einige Nebenwirkungen hatte.
Sehen wir es uns in Aktion an. Ich werde unsere Multiplikationsfunktion und -methode dekorieren.
@print_callable
def multiply(x, y):
print x * y
class A(object):
@print_callable
def foo(self):
print 'foo() here'
Nach dem Login kopieren
Wenn wir Funktionen und Methoden aufrufen, wird das Callable gedruckt und sie führen dann die ursprüngliche Aufgabe aus:
multiply(6, 7)
42
A().foo()
foo() here
Nach dem Login kopieren
Dekorateur mit Parametern
Dekorateure können auch Parameter akzeptieren. Diese Möglichkeit, Dekoratoroperationen zu konfigurieren, ist sehr leistungsstark und ermöglicht die Verwendung desselben Dekorators in vielen Kontexten.
Angenommen, Sie programmieren zu schnell und Ihr Chef bittet Sie, langsamer zu fahren, weil Sie andere Teammitglieder schlecht aussehen lassen. Schreiben wir einen Dekorator, der misst, wie lange die Ausführung einer Funktion dauert. Wenn sie weniger als eine bestimmte Anzahl von Sekunden t dauert, wartet sie, bis t Sekunden abgelaufen sind, und kehrt dann zurück.
Der Unterschied besteht nun darin, dass der Dekorateur selbst einen Parameter t akzeptiert, um die Mindestlaufzeit zu bestimmen, und verschiedene Funktionen mit unterschiedlichen Mindestlaufzeiten dekoriert werden können. Außerdem werden Sie feststellen, dass bei der Einführung von Decorator-Parametern zwei Verschachtelungsebenen erforderlich sind:
import time
def minimum_runtime(t):
def decorated(f):
def wrapper(*args, **kwargs):
start = time.time()
result = f(*args, **kwargs)
runtime = time.time() - start
if runtime < t:
time.sleep(t - runtime)
return result
return wrapper
return decorated
Nach dem Login kopieren
Lass es uns öffnen. Der Dekorator selbst – die Funktion minimum_runtime nimmt einen Parameter t an, der die minimale Laufzeit des dekorierten Callables darstellt. Das aufrufbare Eingabeargument f wird in die verschachtelte Dekoratorfunktion „heruntergeschoben“, und das aufrufbare Eingabeargument wird in einen anderen verschachtelten Funktionswrapper „nach unten geschoben“.
Die eigentliche Logik geschieht innerhalb der
WrapperFunktion. Notieren Sie die Startzeit, rufen Sie das ursprüngliche aufrufbare f mit seinen Argumenten auf und speichern Sie das Ergebnis. Dann überprüft es die Laufzeit und wenn sie unter dem Mindestwert t liegt, schläft es für den Rest der Zeit und kehrt dann zurück.
Um es zu testen, werde ich mehrere Funktionen erstellen, die Multiplikationen aufrufen, und sie mit unterschiedlichen Verzögerungen versehen.
@minimum_runtime(1)
def slow_multiply(x, y):
multiply(x, y)
@minimum_runtime(3)
def slower_multiply(x, y):
multiply(x, y)
Nach dem Login kopieren
现在，我将直接调用 multiply 以及较慢的函数并测量时间。
import time
funcs = [multiply, slow_multiply, slower_multiply]
for f in funcs:
start = time.time()
f(6, 7)
print f, time.time() - start
Nach dem Login kopieren
这是输出：
42
1.59740447998e-05
42
1.00477004051
42
3.00489807129
Nach dem Login kopieren
正如您所看到的，原始乘法几乎没有花费任何时间，并且较慢的版本确实根据提供的最小运行时间进行了延迟。
另一个有趣的事实是，执行的装饰函数是包装器，如果您遵循装饰的定义，这是有意义的。但这可能是一个问题，特别是当我们处理堆栈装饰器时。原因是许多装饰器还会检查其输入可调用对象并检查其名称、签名和参数。以下部分将探讨此问题并提供最佳实践建议。
对象装饰器
您还可以使用对象作为装饰器或从装饰器返回对象。唯一的要求是它们有一个 __call__() 方法，因此它们是可调用的。下面是一个基于对象的装饰器的示例，它计算其目标函数被调用的次数：
class Counter(object):
def __init__(self, f):
self.f = f
self.called = 0
def __call__(self, *args, **kwargs):
self.called += 1
return self.f(*args, **kwargs)
Nach dem Login kopieren
这是在行动：
@Counter
def bbb():
print 'bbb'
bbb()
bbb
bbb()
bbb
bbb()
bbb
print bbb.called
3
Nach dem Login kopieren
在基于函数的装饰器和基于对象的装饰器之间进行选择
这主要是个人喜好问题。嵌套函数和函数闭包提供了对象提供的所有状态管理。有些人对类和对象感觉更自在。
在下一节中，我将讨论行为良好的装饰器，而基于对象的装饰器需要一些额外的工作才能表现良好。
行为良好的装饰器
通用装饰器通常可以堆叠。例如：
@decorator_1
@decorator_2
def foo():
print 'foo() here'
Nach dem Login kopieren
当堆叠装饰器时，外部装饰器（本例中为decorator_1）将接收内部装饰器（decorator_2）返回的可调用对象。如果decorator_1在某种程度上依赖于原始函数的名称、参数或文档字符串，并且decorator_2是简单实现的，那么decorator_2将看不到原始函数中的正确信息，而只能看到decorator_2返回的可调用信息。
例如，下面是一个装饰器，它验证其目标函数的名称是否全部小写：
def check_lowercase(f):
def decorated(*args, **kwargs):
assert f.func_name == f.func_name.lower()
f(*args, **kwargs)
return decorated
Nach dem Login kopieren
让我们用它来装饰一个函数：
@check_lowercase
def Foo():
print 'Foo() here'
Nach dem Login kopieren
调用 Foo() 会产生断言：
In [51]: Foo()
---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
ipython-input-51-bbcd91f35259 in module()
----> 1 Foo()
ipython-input-49-a80988798919 in decorated(*args, **kwargs)
1 def check_lowercase(f):
2 def decorated(*args, **kwargs):
----> 3 assert f.func_name == f.func_name.lower()
4 return decorated
Nach dem Login kopieren
但是，如果我们将 check_lowercase 装饰器堆叠在像 hello_world 这样返回名为“decorated”的嵌套函数的装饰器上，结果会非常不同：
@check_lowercase
@hello_world
def Foo():
print 'Foo() here'
Foo()
Hello World!
Nach dem Login kopieren
check_lowercase 装饰器没有引发断言，因为它没有看到函数名称“Foo”。这是一个严重的问题。装饰器的正确行为是尽可能多地保留原始函数的属性。
让我们看看它是如何完成的。现在，我将创建一个 shell 装饰器，它仅调用其输入可调用函数，但保留输入函数中的所有信息：函数名称、其所有属性（如果内部装饰器添加了一些自定义属性）及其文档字符串。
def passthrough(f):
def decorated(*args, **kwargs):
f(*args, **kwargs)
decorated.__name__ = f.__name__
decorated.__name__ = f.__module__
decorated.__dict__ = f.__dict__
decorated.__doc__ = f.__doc__
return decorated
Nach dem Login kopieren
现在，堆叠在passthrough装饰器之上的装饰器将像直接装饰目标函数一样工作。
@check_lowercase
@passthrough
def Foo():
print 'Foo() here'
Nach dem Login kopieren
使用@wraps装饰器
此功能非常有用，以至于标准库在 functools 模块中有一个名为“wraps”的特殊装饰器，可以帮助编写与其他装饰器配合良好的适当装饰器。您只需在装饰器中使用 @wraps(f) 装饰返回的函数即可。看看使用 wraps 时 passthrough 看起来有多简洁：
from functools import wraps
def passthrough(f):
@wraps(f)
def decorated(*args, **kwargs):
f(*args, **kwargs)
return decorated
Nach dem Login kopieren
我强烈建议始终使用它，除非您的装饰器旨在修改其中一些属性。
编写类装饰器
类装饰器是在 Python 3.0 中引入的。他们对整个班级进行操作。定义类时和创建任何实例之前会调用类装饰器。这使得类装饰器几乎可以修改类的每个方面。通常您会添加或修饰多个方法。
让我们直接跳到一个奇特的示例：假设您有一个名为“AwesomeClass”的类，其中包含一堆公共方法（名称不以下划线开头的方法，例如 init），并且您有一个基于单元测试的测试类，名为“AwesomeClassTest”。 AwesomeClass 不仅很棒，而且非常关键，您要确保如果有人向 AwesomeClass 添加新方法，他们也会向 AwesomeClassTest 添加相应的测试方法。这是 AwesomeClass：
class AwesomeClass:
def awesome_1(self):
return 'awesome!'
def awesome_2(self):
return 'awesome! awesome!'
Nach dem Login kopieren
这是 AwesomeClassTest：
from unittest import TestCase, main
class AwesomeClassTest(TestCase):
def test_awesome_1(self):
r = AwesomeClass().awesome_1()
self.assertEqual('awesome!', r)
def test_awesome_2(self):
r = AwesomeClass().awesome_2()
self.assertEqual('awesome! awesome!', r)
if __name__ == '__main__':
main()
Nach dem Login kopieren
现在，如果有人添加带有错误的 awesome_3 方法，测试仍然会通过，因为没有调用 awesome_3 的测试。
如何确保每个公共方法始终都有一个测试方法？好吧，当然，你编写一个类装饰器。 @ensure_tests 类装饰器将装饰 AwesomeClassTest 并确保每个公共方法都有相应的测试方法。
def ensure_tests(cls, target_class):
test_methods = [m for m in cls.__dict__ if m.startswith('test_')]
public_methods = [k for k, v in target_class.__dict__.items()
if callable(v) and not k.startswith('_')]
# Strip 'test_' prefix from test method names
test_methods = [m[5:] for m in test_methods]
if set(test_methods) != set(public_methods):
raise RuntimeError('Test / public methods mismatch!')
return cls
Nach dem Login kopieren
这看起来不错，但有一个问题。类装饰器只接受一个参数：被装饰的类。 Ensure_tests 装饰器需要两个参数：类和目标类。我找不到一种方法来让类装饰器具有类似于函数装饰器的参数。没有恐惧。 Python 有 functools.partial 函数专门用于这些情况。
@partial(ensure_tests, target_class=AwesomeClass)
class AwesomeClassTest(TestCase):
def test_awesome_1(self):
r = AwesomeClass().awesome_1()
self.assertEqual('awesome!', r)
def test_awesome_2(self):
r = AwesomeClass().awesome_2()
self.assertEqual('awesome! awesome!', r)
if __name__ == '__main__':
main()
Nach dem Login kopieren
运行测试会成功，因为所有公共方法 awesome_1 和 awesome_2 都有相应的测试方法 test_awesome_1 和 test_awesome_2。
----------------------------------------------------------------------
Ran 2 tests in 0.000s
OK
Nach dem Login kopieren
让我们添加一个没有相应测试的新方法awesome_3，然后再次运行测试。
class AwesomeClass:
def awesome_1(self):
return 'awesome!'
def awesome_2(self):
return 'awesome! awesome!'
def awesome_3(self):
return 'awesome! awesome! awesome!'
Nach dem Login kopieren
再次运行测试会产生以下输出：
python3 a.py
Traceback (most recent call last):
File "a.py", line 25, in module
class AwesomeClassTest(TestCase):
File "a.py", line 21, in ensure_tests
raise RuntimeError('Test / public methods mismatch!')
RuntimeError: Test / public methods mismatch!
Nach dem Login kopieren
类装饰器检测到不匹配并大声清晰地通知您。
结论
编写 Python 装饰器非常有趣，可以让您以可重用的方式封装大量功能。要充分利用装饰器并以有趣的方式组合它们，您需要了解最佳实践和习惯用法。 Python 3 中的类装饰器通过自定义完整类的行为添加了一个全新的维度。
Das obige ist der detaillierte Inhalt vonErstellen Sie Ihren eigenen Python-Dekorator. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
