函数作为返回值

高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

我们来实现一个可变参数的求和。通常情况下，求和的函数是这样定义的：

def calc_sum(*args):i = 0for n in args:i = i + nreturn i

但是，如果不需要立刻求和，而是在后面的代码中，根据需要再计算怎么办？可以不返回求和的结果，而是返回求和的函数：

def lazy_sum(*args):def sum():i = 0for n in args:i = i + nreturn ireturn sum

当我们调用

lazy_sum()

时，返回的并不是求和结果，而是求和函数：

f = lazy_sum(1, 3, 5, 7, 9)print(f)# <function lazy_sum.<locals>.sum at 0x000002C5C32328C8>

调用函数

f

时，才真正计算求和的结果：

print(f())# 25

在这个例子中，我们在函数

lazy_sum

中又定义了函数

sum

，并且，内部函数

sum

可以引用外部函数

lazy_sum

的参数和局部变量，当

lazy_sum

返回函数

sum

时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用

lazy_sum()

时，每次调用都会返回一个新的函数，即使传入相同的参数：

f1 = lazy_sum(1, 3, 5, 7, 9)f2 = lazy_sum(1, 3, 5, 7, 9)print(f1 == f2)# False

f1()

和

f2()

的调用结果是互不影响的。

闭包

返回的函数在其定义内部引用了局部变量

args

，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。

另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了

f()

才执行。我们来看一个例子：

def count():fs = []for i in range(1, 4):def f():return i*ifs.append(f)return fsf1, f2, f3 = count()

在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。

你可能认为调用

f1()

，

f2()

和

f3()

结果应该是

1

，

4

，

9

，但实际结果是：

print(f1())# 9print(f2())# 9print(f3())# 9

全部都是

9

！原因就在于返回的函数引用了变量

i

，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量

i

已经变成了

3

，因此最终结果为

9

。

返回闭包时牢记一点：返回函数不要引用任何循环变量，或者后续会发生变化的变量。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

def count():def f(j):def g():return j*jreturn gfs = []for i in range(1, 4):fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f()return fsf1, f2, f3 = count()

再看看结果：

print(f1())# 1print(f2())# 4print(f3())# 9

缺点是代码较长，可利用lambda函数缩短代码。

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

def now():print(\'2021-04-17\')f = nowf()

__name__

属性

函数对象有一个

__name__

属性，可以拿到函数的名字：

print(now.__name__)  # nowprint(f.__name__)  # now

装饰器

现在，假设我们要增强

now()

函数的56c功能，比如，在函数调用前后自动打印日志，但又不希望修改

now()

函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

decorator的本质就是闭包。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func):def wrapper(*args, **kw):print(\'call %s():\' % func.__name__)return func(*args, **kw)return wrapper

观察上面的

log

，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：

@logdef now():print(\'2021-04-17\')

调用

now()

函数，不仅会运行

now()

函数本身，还会在运行

now()

函数前打印一行日志：

now()# call now():# 2021-04-17

把

@log

放到

now()

函数的定义处，相当于执行了语句：

now = log(now)

由于

log()

是一个decorator，返回一个函数，所以，原来的

now()

函数仍然存在，只是现在同名的

now

变量指向了新的函数，于是调用

now()

将执行新函数，即在

load8g()

函数中返回的

wrapper()

函数。

wrapper()

函数的参数定义是

(*args, **kw)

，因此，

wrapper()

函数可以接受任意参数的调用。在

wrapper()

函数内，首先打印日志，再紧接着调用原始函数。

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):def decorator(func):def wrapper(*args, **kw):print(\'%s %s():\' % (text, func.__name__))return func(*args, **kw)return wrapperreturn decorator

这个3层嵌套的decorator用法如下：

@log(\'execute\')def now():print(\'2021-04-17\')

执行结果如下：

now()# execute now():# 2021-04-17

和两层嵌套的decorator相比，3层嵌套的效果是这样的：

now = log(\'execute\')(now)

我们来剖析上面的语句，首先执行

log(\'execute\')

，返回的是

decorator

函数，再调用返回的函数，参数是

now

函数，返回值最终是

wrapper

函数。

以上两种decorator的定义都没有问题，但还差最后一步。因为函数也是对象，它有

__name__

等属性，但你去看经过decorator装饰之后的函数，它们的

__name__

已经从原来的

\'now\'

变成了

\'wrapper\'

：

print(now.__name__)# wrapper

因为返回的那个

wrapper()

函数名字就是

\'wrapper\'

，所以，需要把原始函数的

__name__

等属性复制到

wrapper()

函数中，否则，有些依赖函数签名的代码执行就会出错。

不需要编写

wrapper.__name__ = func.__name__

这样的代码，Python内置的

functools.wraps

就是干这个事的，所以，一个完整的decorator的写法如下：

import functoolsdef log(func):@functools.wraps(func)def wrapper(*args, **kw):print(\'call %s():\' % func.__name__)return func(*args, **kw)return wrapper

或者针对带参数的decorator：

import functoolsdef log(text):def decorator(func):@functools.wraps(func)def wrapper(*args, **kw):print(\'%s %s():\' % (text, func.__name__))return func(*args, **kw)return wrapperreturn decorator

import functools

是导入

functools

模块。模块的概念稍候讲解。现在，只需记住在定义

wrapper()

的前面加上

@functo56cols.wraps(func)

即可。