Penghias Python Lanjutan: Meningkatkan Kod Anda
Bayangkan anda seorang chef di dapur yang sibuk. Anda mempunyai resipi—fungsi, jika anda mahu. Lama kelamaan, anda mendapati kebanyakan hidangan anda memerlukan sedikit minyak zaitun, secubit garam atau taburan herba sebelum dihidangkan. Daripada menambahkan sentuhan kemasan ini secara manual pada setiap hidangan, bukankah lebih mudah untuk mempunyai pembantu yang menggunakannya secara automatik? Itulah yang boleh dilakukan oleh penghias Python untuk kod anda—tambahkan fungsi dengan cara yang elegan, boleh diguna semula dan ekspresif.
Dalam artikel ini, kami akan meneroka dunia penghias Python termaju. Kami akan melangkaui perkara asas, menyelam ke dalam penghias berparameter, penghias boleh tindanan dan juga penghias dengan kelas. Kami juga akan menyerlahkan amalan terbaik dan perangkap untuk dielakkan. sedia? Jom mula memasak!
Asas Disemak Semula
Sebelum menyelam ke hujung yang dalam, mari lihat semula asasnya. Penghias dalam Python hanyalah fungsi yang mengambil fungsi (atau kaedah) lain sebagai hujah, menambahnya dan mengembalikan fungsi baharu. Berikut ialah contoh:
# 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()
Output:
Calling say_hello... Hello, world! say_hello finished.
Sekarang, mari beralih kepada kes penggunaan lanjutan.
Penghias Berparameter
Kadangkala, seorang penghias perlu menerima hujahnya sendiri. Sebagai contoh, bagaimana jika kita mahukan penghias yang merekodkan mesej pada tahap yang berbeza (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()
Output:
[INFO] Calling process_data... Processing data... [INFO] process_data finished.
Struktur berlapis ini—fungsi mengembalikan penghias—adalah kunci untuk mencipta penghias berparameter yang fleksibel.
Penghias Boleh Bertindan
Python membenarkan berbilang penghias digunakan pada satu fungsi. Mari cipta dua penghias dan susun mereka.
# 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())
Output:
HELLO!!!
Di sini, penghias digunakan dengan cara dari bawah ke atas: @exclaim wraps greet, dan @huruf besar membalut hasilnya.
Menggunakan Kelas sebagai Penghias
Ciri Python yang kurang dikenali ialah kelas boleh digunakan sebagai penghias. Ini amat berguna apabila anda perlu mengekalkan keadaan.
# 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()
Output:
Call 1 to say_hello Hello! Call 2 to say_hello Hello!
Di sini, kaedah panggilan membolehkan kelas berkelakuan seperti fungsi, membenarkannya membalut fungsi sasaran dengan lancar.
Penghias untuk Kaedah
Penghias berfungsi dengan baik dengan kaedah dalam kelas. Walau bagaimanapun, mengendalikan diri dengan betul adalah penting.
# 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")
Output:
Method greet called on <__main__.Greeter object at 0x...> Hello, Alice!
Menggabungkan Penghias dengan Pengurus Konteks
Kadangkala, anda perlu menyepadukan penghias dengan pengurusan sumber. Sebagai contoh, mari buat penghias yang menggandakan pelaksanaan fungsi.
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()
Output:
# 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()
Amalan Terbaik
Apabila bekerja dengan penghias, mengingati kebolehbacaan dan kebolehselenggaraan adalah penting. Berikut ialah beberapa petua:
- Gunakan functools.wraps: Ini mengekalkan metadata fungsi asal.
Calling say_hello... Hello, world! say_hello finished.
Uji Dengan Teliti: Penghias boleh memperkenalkan pepijat halus, terutamanya apabila merantai berbilang penghias.
Penghias Dokumen: Dokumen dengan jelas perkara yang dilakukan oleh setiap penghias dan parameter yang dijangkakan.
Elakkan Penggunaan Berlebihan: Walaupun penghias berkuasa, penggunaan yang berlebihan boleh menyebabkan kod sukar untuk diikuti.
Membungkus
Penghias ialah salah satu ciri Python yang paling ekspresif. Mereka membenarkan anda memanjangkan dan mengubah suai tingkah laku dengan cara yang bersih dan boleh diguna semula. Daripada penghias parameter kepada pelaksanaan berasaskan kelas, kemungkinannya tidak berkesudahan. Sambil anda mengasah kemahiran anda, anda akan mendapati diri anda memanfaatkan penghias untuk menulis lebih bersih, lebih kod Pythonic—dan mungkin, seperti chef yang hebat, mencipta sentuhan istimewa anda dalam setiap resipi yang anda hasilkan.
nota: Kandungan bantuan AI
Atas ialah kandungan terperinci Penghias Python Lanjutan: Meningkatkan Kod Anda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
