[转] python 学习之-装饰器

1. 装饰器入门

1.1. 需求是怎么来的？装饰器的定义很是抽象，我们来看一个小例子。
def foo():
    print 'in foo()'

 
foo()
这是一个很无聊的函数没错。但是突然有一个更无聊的人，我们称呼他为B君，说我想看看执行这个函数用了多长时间，好吧，那么我们可以这样做：
import time
def foo():
    start = time.clock()
    print 'in foo()'
    end = time.clock()
    print 'used:', end - start

foo()

很好，功能看起来无懈可击。可是蛋疼的B君此刻突然不想看这个函数了，他对另一个叫foo2的函数产生了更浓厚的兴趣。
怎么办呢？如果把以上新增加的代码复制到foo2里，这就犯了大忌了~复制什么的难道不是最讨厌了么！而且，如果B君继续看了其他的函数呢？
1.2. 以不变应万变，是变也还记得吗，函数在Python中是一等公民，那么我们可以考虑重新定义一个函数timeit，将foo的引用传递给他，然后在timeit中调用foo并进行计时，这样，我们就达到了不改动foo定义的目的，而且，不论B君看了多少个函数，我们都不用去修改函数定义了！
import time

03def foo():
04    print 'in foo()'
05
06def timeit(func):
07    start = time.clock()
08    func()
09    end =time.clock()
10    print 'used:', end - start
11
12timeit(foo)
看起来逻辑上并没有问题，一切都很美好并且运作正常！……等等，我们似乎修改了调用部分的代码。原本我们是这样调用的：foo()，修改以后变成了：timeit(foo)。这样的话，如果foo在N处都被调用了，你就不得不去修改这N处的代码。或者更极端的，考虑其中某处调用的代码无法修改这个情况，比如：这个函数是你交给别人使用的。
1.3. 最大限度地少改动！既然如此，我们就来想想办法不修改调用的代码；如果不修改调用代码，也就意味着调用foo()需要产生调用timeit(foo)的效果。我们可以想到将timeit赋值给foo，但是timeit似乎带有一个参数……想办法把参数统一吧！如果timeit(foo)不是直接产生调用效果，而是返回一个与foo参数列表一致的函数的话……就很好办了，将timeit(foo)的返回值赋值给foo，然后，调用foo()的代码完全不用修改！
01#-*- coding: UTF-8 -*-
02import time
03
04def foo():
05    print 'in foo()'
06
07# 定义一个计时器，传入一个，并返回另一个附加了计时功能的方法
08def timeit(func):
09    
10    # 定义一个内嵌的包装函数，给传入的函数加上计时功能的包装
11    def wrapper():
12        start = time.clock()
13        func()
14        end =time.clock()
15        print 'used:', end - start
16    
17    # 将包装后的函数返回
18    return wrapper
19
20foo = timeit(foo)
21foo()
这样，一个简易的计时器就做好了！我们只需要在定义foo以后调用foo之前，加上foo = timeit(foo)，就可以达到计时的目的，这也就是装饰器的概念，看起来像是foo被timeit装饰了。在在这个例子中，函数进入和退出时需要计时，这被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。与传统编程习惯的从上往下执行方式相比较而言，像是在函数执行的流程中横向地插入了一段逻辑。在特定的业务领域里，能减少大量重复代码。面向切面编程还有相当多的术语，这里就不多做介绍，感兴趣的话可以去找找相关的资料。
这个例子仅用于演示，并没有考虑foo带有参数和有返回值的情况，完善它的重任就交给你了 ：）
2. Python的额外支持2.1. 语法糖上面这段代码看起来似乎已经不能再精简了，Python于是提供了一个语法糖来降低字符输入量。
01import time
02
03def timeit(func):
04    def wrapper():
05        start = time.clock()
06        func()
07        end =time.clock()
08        print 'used:', end - start
09    return wrapper
10
11@timeit
12def foo():
13    print 'in foo()'
14
15foo()
重点关注第11行的@timeit，在定义上加上这一行与另外写foo = timeit(foo)完全等价，千万不要以为@有另外的魔力。除了字符输入少了一些，还有一个额外的好处：这样看上去更有装饰器的感觉。
2.2. 内置的装饰器内置的装饰器有三个，分别是staticmethod、classmethod和property，作用分别是把类中定义的实例方法变成静态方法、类方法和类属性。由于模块里可以定义函数，所以静态方法和类方法的用处并不是太多，除非你想要完全的面向对象编程。而属性也不是不可或缺的，Java没有属性也一样活得很滋润。从我个人的Python经验来看，我没有使用过property，使用staticmethod和classmethod的频率也非常低。
01class Rabbit(object):
02    
03    def __init__(self, name):
04        self._name = name
05    
06    @staticmethod
07    def newRabbit(name):
08        return Rabbit(name)
09    
10    @classmethod
11    def newRabbit2(cls):
12        return Rabbit('')
13    
14    @property
15    def name(self):
16        return self._name
这里定义的属性是一个只读属性，如果需要可写，则需要再定义一个setter：
[e-mail]
2def name(self, name):
3    self._name = name
2.3. functools模块functools模块提供了两个装饰器。这个模块是Python 2.5后新增的，一般来说大家用的应该都高于这个版本。但我平时的工作环境是2.4 T-T
2.3.1. wraps(wrapped[, assigned][, updated]):
这是一个很有用的装饰器。看过前一篇反射的朋友应该知道，函数是有几个特殊属性比如函数名，在被装饰后，上例中的函数名foo会变成包装函数的名字wrapper，如果你希望使用反射，可能会导致意外的结果。这个装饰器可以解决这个问题，它能将装饰过的函数的特殊属性保留。
01import time
02import functools
03
04def timeit(func):
05    @functools.wraps(func)
06    def wrapper():
07        start = time.clock()
08        func()
09        end =time.clock()
10        print 'used:', end - start
11    return wrapper
12
13@timeit
14def foo():
15    print 'in foo()'
16
17foo()
18print foo.__name__
首先注意第5行，如果注释这一行，foo.__name__将是'wrapper'。另外相信你也注意到了，这个装饰器竟然带有一个参数。实际上，他还有另外两个可选的参数，assigned中的属性名将使用赋值的方式替换，而updated中的属性名将使用update的方式合并，你可以通过查看functools的源代码获得它们的默认值。对于这个装饰器，相当于wrapper = functools.wraps(func)(wrapper)。
2.3.2. total_ordering(cls):
这个装饰器在特定的场合有一定用处，但是它是在Python 2.7后新增的。它的作用是为实现了至少__lt__、__le__、__gt__、__ge__其中一个的类加上其他的比较方法，这是一个类装饰器。如果觉得不好理解，不妨仔细看看这个装饰器的源代码：
01  def total_ordering(cls):
02      """Class decorator that fills in missing ordering methods"""
03      convert = {
04          '__lt__': [('__gt__', lambda self, other: other < self),
05                     ('__le__', lambda self, other: not other < self),
06                     ('__ge__', lambda self, other: not self < other)],
07          '__le__': [('__ge__', lambda self, other: other <= self),
08                     ('__lt__', lambda self, other: not other <= self),
09                     ('__gt__', lambda self, other: not self <= other)],
10          '__gt__': [('__lt__', lambda self, other: other > self),
11                     ('__ge__', lambda self, other: not other > self),
12                     ('__le__', lambda self, other: not self > other)],
13          '__ge__': [('__le__', lambda self, other: other >= self),
14                     ('__gt__', lambda self, other: not other >= self),
15                     ('__lt__', lambda self, other: not self >= other)]
16      }
17      roots = set(dir(cls)) & set(convert)
18      if not roots:
19          raise ValueError('must define at least one ordering operation: < > <= >=')
20      root = max(roots)       # prefer __lt__ to __le__ to __gt__ to __ge__
21      for opname, opfunc in convert[root]:
22          if opname not in roots:
23              opfunc.__name__ = opname
24              opfunc.__doc__ = getattr(int, opname).__doc__
25              setattr(cls, opname, opfunc)
26      return cls