概述
在深入了解 Python 装饰器一文中，我介绍了 Python 装饰器的概念，演示了许多很酷的装饰器，并解释了如何使用它们。
在本教程中，我将向您展示如何编写自己的装饰器。正如您将看到的，编写自己的装饰器可以为您提供很多控制权并启用许多功能。如果没有装饰器，这些功能将需要大量容易出错且重复的样板文件，从而使代码变得混乱，或者需要完全外部的机制（例如代码生成）。
如果您对装饰器一无所知，请快速回顾一下。装饰器是一个可调用对象（具有 call() 方法的函数、方法、类或对象），它接受可调用对象作为输入并返回可调用对象作为输出。通常，返回的可调用对象在调用输入可调用对象之前和/或之后执行某些操作。您可以使用 @ 语法来应用装饰器。大量示例即将推出...
Hello World 装饰器
让我们从“Hello world!”装饰器开始。这个装饰器将完全用只打印“Hello World！”的函数替换任何装饰的可调用函数。
def hello_world(f):
def decorated(*args, **kwargs):
print 'Hello World!'
return decorated
登录后复制
就是这样。让我们看看它的实际效果，然后解释不同的部分及其工作原理。假设我们有以下函数，它接受两个数字并打印它们的乘积：
def multiply(x, y):
print x * y
登录后复制
如果你调用，你会得到你所期望的：
让我们用 @hello_world 注释 multiply 函数，用 hello_world 装饰器来装饰它。
@hello_world
def multiply(x, y):
print x * y
登录后复制
现在，当您使用任何参数（包括错误的数据类型或错误的参数数量）调用multiply时，结果始终是打印“Hello World!”。
multiply(6, 7)
Hello World!
multiply()
Hello World!
multiply('zzz')
Hello World!
登录后复制
好的。它是如何工作的？原来的multiply函数被hello_world装饰器内的嵌套装饰函数完全取代。如果我们分析 hello_world 装饰器的结构，那么您会看到它接受可调用的输入 f （在这个简单的装饰器中没有使用），它定义了一个嵌套名为 decorated 的函数，它接受参数和关键字参数的任意组合 (defdecorated(*args, **kwargs))，最后返回 decorated< /strong> 功能。
编写函数和方法装饰器
编写函数和方法装饰器没有区别。装饰器的定义是相同的。输入可调用将是常规函数或绑定方法。
让我们验证一下。这是一个装饰器，它在调用它之前仅打印输入可调用和类型。这是装饰器执行某些操作并继续调用原始可调用对象的典型情况。
def print_callable(f):
def decorated(*args, **kwargs):
print f, type(f)
return f(*args, **kwargs)
return decorated
登录后复制
注意最后一行以通用方式调用输入可调用并返回结果。这个装饰器是非侵入性的，因为您可以装饰正在工作的应用程序中的任何函数或方法，并且应用程序将继续工作，因为装饰后的函数会调用原始函数，并且之前只会产生一些副作用。
让我们看看它的实际效果。我将装饰我们的乘法函数和方法。
@print_callable
def multiply(x, y):
print x * y
class A(object):
@print_callable
def foo(self):
print 'foo() here'
登录后复制
当我们调用函数和方法时，会打印可调用的内容，然后它们执行原始任务：
multiply(6, 7)
42
A().foo()
foo() here
登录后复制
带参数的装饰器
装饰器也可以接受参数。这种配置装饰器操作的能力非常强大，允许您在许多上下文中使用相同的装饰器。
假设你的代码太快了，你的老板要求你放慢速度，因为你让其他团队成员看起来很糟糕。让我们编写一个装饰器来测量函数运行的时间，如果它运行的时间少于一定的秒数t，它将等到t秒到期然后返回。
现在不同的是，装饰器本身接受一个参数t来确定最小运行时间，并且不同的函数可以用不同的最小运行时间来装饰。另外，您会注意到，在引入装饰器参数时，需要两层嵌套：
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
登录后复制
让我们打开它。装饰器本身——函数minimum_runtime采用一个参数t，它表示装饰后的可调用函数的最短运行时间。输入可调用f被“下推”到嵌套装饰函数，输入可调用参数被“下推”到另一个嵌套函数包装器.
实际逻辑发生在包装器函数内部。记录开始时间，使用其参数调用原始可调用 f，并存储结果。然后检查运行时，如果它小于最小t，那么它会在剩下的时间里休眠，然后返回。
为了测试它，我将创建几个调用乘法的函数，并用不同的延迟来装饰它们。
@minimum_runtime(1)
def slow_multiply(x, y):
multiply(x, y)
@minimum_runtime(3)
def slower_multiply(x, y):
multiply(x, y)
登录后复制
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
登录后复制
这是输出：
42
1.59740447998e-05
42
1.00477004051
42
3.00489807129
登录后复制
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)
登录后复制
这是在行动：
@Counter
def bbb():
print 'bbb'
bbb()
bbb
bbb()
bbb
bbb()
bbb
print bbb.called
3
登录后复制
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'
登录后复制
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
登录后复制
让我们用它来装饰一个函数：
@check_lowercase
def Foo():
print 'Foo() here'
登录后复制
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
登录后复制
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!
登录后复制
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
登录后复制
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'
登录后复制
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
登录后复制
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!'
登录后复制
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()
登录后复制
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
登录后复制
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()
登录后复制
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
登录后复制
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!'
登录后复制
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!
登录后复制
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。
以上是创建您自己的 Python 装饰器的详细内容。更多信息请关注PHP中文网其他相关文章！
