AI智能
改变未来

python基础(补充):python三大器之装饰器


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()

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()

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

@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。

赞(0) 打赏
未经允许不得转载:爱站程序员基地 » python基础(补充):python三大器之装饰器