Rumah pembangunan bahagian belakang Tutorial Python Penghias Python Lanjutan: Meningkatkan Kod Anda

Penghias Python Lanjutan: Meningkatkan Kod Anda

Jan 06, 2025 am 03:42 AM

Advanced Python Decorators: Elevating Your Code

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()
Salin selepas log masuk
Salin selepas log masuk

Output:

Calling say_hello...
Hello, world!
say_hello finished.
Salin selepas log masuk
Salin selepas log masuk

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()
Salin selepas log masuk

Output:

[INFO] Calling process_data...
Processing data...
[INFO] process_data finished.
Salin selepas log masuk

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())
Salin selepas log masuk

Output:

HELLO!!!
Salin selepas log masuk

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()
Salin selepas log masuk

Output:

Call 1 to say_hello
Hello!
Call 2 to say_hello
Hello!
Salin selepas log masuk

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")
Salin selepas log masuk

Output:

Method greet called on <__main__.Greeter object at 0x...>
Hello, Alice!
Salin selepas log masuk

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()
Salin selepas log masuk

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()
Salin selepas log masuk
Salin selepas log masuk

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.
Salin selepas log masuk
Salin selepas log masuk
  • 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!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

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

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1671
14
Tutorial PHP
1276
29
Tutorial C#
1256
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

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.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

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 vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

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.

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

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 vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

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.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

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.

Python untuk pengkomputeran saintifik: rupa terperinci Python untuk pengkomputeran saintifik: rupa terperinci Apr 19, 2025 am 12:15 AM

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.

See all articles