Décorateurs Python avancés : élever votre code
Imaginez que vous êtes un chef dans une cuisine animée. Vous avez une recette, une fonction, si vous préférez. Au fil du temps, vous constatez que la plupart de vos plats nécessitent un filet d’huile d’olive, une pincée de sel ou une pincée d’herbes avant d’être servis. Au lieu d’ajouter manuellement ces touches finales à chaque plat, ne serait-il pas pratique d’avoir un assistant qui les applique automatiquement ? C'est précisément ce que les décorateurs Python peuvent faire pour votre code : ajouter des fonctionnalités de manière élégante, réutilisable et expressive.
Dans cet article, nous explorerons le monde des décorateurs Python avancés. Nous irons au-delà des bases en plongeant dans les décorateurs paramétrés, les décorateurs empilables et même les décorateurs avec classes. Nous mettrons également en avant les bonnes pratiques et les pièges à éviter. Prêt? Commençons à cuisiner !
Les bases revisitées
Avant de plonger dans le grand bain, revenons sur les fondations. Un décorateur en Python est simplement une fonction qui prend une autre fonction (ou méthode) comme argument, l'augmente et renvoie une nouvelle fonction. Voici un exemple :
# 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()
Sortie :
Calling say_hello... Hello, world! say_hello finished.
Passons maintenant aux cas d'utilisation avancés.
Décorateurs paramétrés
Parfois, un décorateur doit accepter ses propres arguments. Par exemple, que se passe-t-il si nous voulons un décorateur qui enregistre les messages à différents niveaux (INFO, DEBUG, ERROR) ?
# 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()
Sortie :
[INFO] Calling process_data... Processing data... [INFO] process_data finished.
Cette structure en couches (une fonction renvoyant un décorateur) est essentielle pour créer des décorateurs flexibles et paramétrés.
Décorateurs empilables
Python permet d'appliquer plusieurs décorateurs à une seule fonction. Créons deux décorateurs et empilons-les.
# 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())
Sortie :
HELLO!!!
Ici, les décorateurs sont appliqués de bas en haut : @exclaim enveloppe le message d'accueil et @uppercase enveloppe le résultat.
Utiliser des classes comme décorateurs
Une fonctionnalité moins connue de Python est que les classes peuvent être utilisées comme décorateurs. Cela peut être particulièrement utile lorsque vous devez maintenir l'état.
# 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()
Sortie :
Call 1 to say_hello Hello! Call 2 to say_hello Hello!
Ici, la méthode call permet à la classe de se comporter comme une fonction, lui permettant d'envelopper la fonction cible de manière transparente.
Décorateurs pour les méthodes
Les décorateurs travaillent tout aussi bien avec les méthodes en classe. Cependant, se comporter correctement est essentiel.
# 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")
Sortie :
Method greet called on <__main__.Greeter object at 0x...> Hello, Alice!
Combiner des décorateurs avec des gestionnaires de contexte
Parfois, vous devrez intégrer des décorateurs à la gestion des ressources. Par exemple, créons un décorateur qui chronomètre l'exécution d'une fonction.
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()
Sortie :
# 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()
Meilleures pratiques
Lorsque vous travaillez avec des décorateurs, il est crucial de garder à l'esprit la lisibilité et la maintenabilité. Voici quelques conseils :
- Utilisez functools.wraps : cela préserve les métadonnées de la fonction d'origine.
Calling say_hello... Hello, world! say_hello finished.
Testez minutieusement : les décorateurs peuvent introduire des bugs subtils, en particulier lorsqu'ils enchaînent plusieurs décorateurs.
Documenter les décorateurs : documentez clairement ce que fait chaque décorateur et ses paramètres attendus.
Évitez la surutilisation : bien que les décorateurs soient puissants, leur utilisation excessive peut rendre le code difficile à suivre.
Conclusion
Les décorateurs sont l’une des fonctionnalités les plus expressives de Python. Ils vous permettent d'étendre et de modifier le comportement de manière propre et réutilisable. Des décorateurs paramétrés aux implémentations basées sur les classes, les possibilités sont infinies. Au fur et à mesure que vous perfectionnerez vos compétences, vous vous retrouverez à faire appel à des décorateurs pour écrire du code plus propre et plus pythonique et peut-être, comme un grand chef, à créer vos touches de signature dans chaque recette que vous élaborez.
remarque : contenu assisté par l'IA
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones
