python 装饰器(Decorators)原理说明及操作代码

本文目的是由浅入深地介绍python装饰器原理

装饰器(Decorators)是 Python 的一个重要部分
其功能是，在不修改原函数(类)定义代码的情况下，增加新的功能
为了理解和实现装饰器，我们先引入2个核心操作：

1 必要的2个核心操作

1.1 核心操作1， 函数内部可以定义函数

def hi(name='world'):
   print(f"hello, {name}")

def howdoyoudo(name2=name):
       print(f"how do you do? {name2}")

howdoyoudo()
   howdoyoudo('world')

hi("ytt") # 但是新函数还是存在的。
hi("ycy") # 但是新函数还是存在的。

try:
   howdoyoudo()
except:
   print("function not found")

在这个例子中，函数hi的形参name，默认为'world'

在函数内部，又定义了另一个函数 howdoyoudo，定义这个函数时，将形参name作为新函数的形参name2的默认值。
因此，在函数内部调用howdoyoudo()时，将以调用hi时的实参为默认值，但也可以给howdoyoudo输入其他参数。
上面的例子运行后输出结果为：

hello, ytt
how do you do? ytt
how do you do? world
hello, ycy
how do you do? ycy
how do you do?
worldfunction not found

这里新定义的howdoyoudo可以称作一个“闭包”。不少关于装饰器的blog都提到了这个概念，但其实没必要给它取一个多专业的名字。我们知道闭包是函数内的函数就可以了

1.2 核心操作2 函数可以作为对象被输入输出

1.2.1 核心操作2的前置条件，函数是对象

当我们进行 def 的时候，我们在做什么？

def hi():
   print("hi")
   return "world"

这时，hi函数，打印一个字符串，同时返回一个字符串。
但hi函数本身也是一个对象，一个可以执行的对象。执行的方式是hi()。
这里hi和hi()有本质区别，
hi 代表了这个函数对象本身
hi() 则是运行了函数，得到函数的返回值。

def hi(name='world'):
   print(f"hello, {name}")
   return name
msg = hi()  # 运行函数，返回字符串，因此msg是个字符串
print(msg)
hello = hi  # 将函数本身赋值给hello，此时hello是另一个函数，即使删除原函数hi，新函数hello也可以正常调用
del hi  # 删除原函数hi
try:
   hi()
except:
   print("func hi not found")
hello("ycy") # 但是新函数还是存在的。

作为对比，可以想象以下代码

a = 'example'
b = a
del a

此时也是b存在，可以正常使用。

1.2.2函数作为输入

我们定义2个函数，分别实现自加1， 自乘2，
再定义一个函数double_exec，内容是将某个函数调用2次
在调用double_exec时，可以将函数作为输入传进来

def func1(n):
   return n+1

def func2(n):
   return n*2

def double_exec(f,x):
   return f(f(x))    

rst = double_exec(func1, 5)
print(rst)
rst = double_exec(func2, 3)
print(rst)

输出结果就是

7
27

1.2.3 函数作为输出

同样，也可以将函数作为输出

def select_func(i):
   def func1(n):
       return n+1

def func2(n):
       return n*2
   func_list = [func1, func2]    
   return func_list[i]

func = select_func(0)  # 第1个函数
print(func(5))
func = select_func(1)  # 第2个函数
print(func(5))

输出结果为

6
10

2 尝试构造装饰器

有了以上两个核心操作，我们可以尝试构造装饰器了。
装饰器的目的：在不修改原函数(类)定义代码的情况下，增加新的功能
试想一下，现在有一个原函数

def original_function:
   print("this is original function")

在不修改原函数定义代码的情况下，如果想进行函数内容的添加，可以将这个函数作为一个整体，添加到这样的包裹中：

def my_decorator(f):
   def wrap_func():
       print(f"before call {f.__name__}")
       f()
       print(f"after call {f.__name__}")
   return wrap_func
new_function = my_decorator(original_function)

我们定义了一个my_decorator函数，这个函数进行了一种操作：
对传入的f，添加操作(运行前后增加打印)，并把添加操作后的内容连同运行原函数的内容，一起传出
这个my_decorator，定义了一种增加前后打印内容的行为
调用my_decorator时，对这个行为进行了操作。
因此，new_function是一个在original_function上增加了前后打印行为的新函数
这个过程被可以被称作装饰。

这里已经可以发现，装饰器本身对于被装饰的函数是什么，是不需要考虑的。装饰器本身只定义了一种装饰行为，这个行为是通过装饰器内部的闭包函数()进行定义的。
运行装饰前后的函数，可以清晰看到装饰的效果

def original_function():
   print("this is original function")

def my_decorator(f):
   def wrap_func():
       print(f"before calling {f.__name__}")
       f()
       print(f"after calling {f.__name__}")
   return wrap_func

new_function = my_decorator(original_function)
original_function()
print("#########")
new_function()

3装饰器定义的简写

我们复现一下实际要用装饰器的情况，我们往往有一种装饰器，想应用于很多个函数，比如

def my_decorator(f):
   def wrap_func():
       print(f"before calling {f.__name__}")
       f()
       print(f"after calling {f.__name__}")
   return wrap_func

def print1():
   print("num=1")
def print2():
   print("num=2")
def print3():
   print("num=3")

此时，如果我们想给3个print函数都加上装饰器，需要这么做

new_print1 = my_decorator(print1)
new_print2 = my_decorator(print2)
new_print3 = my_decorator(print3)

实际调用的时候，就需要调用添加装饰器的函数名了

new_print1()
new_print2()
new_print3()

当然，也可以赋值给原函数名

print1 = my_decorator(print1)
print1 = my_decorator(print2)
print3 = my_decorator(print3)

这样至少不需要管理一系列装饰前后的函数。
同时，在不需要进行装饰的时候，需要把

print1 = my_decorator(print1)
print1 = my_decorator(print2)
print3 = my_decorator(print3)

全部删掉。

事实上，这样并不方便，尤其对于更复杂的装饰器来说
为此，python提供了一种简写方式

def my_decorator(f):
   def wrap_func():
       print(f"before calling {f.__name__}")
       f()
       print(f"after calling {f.__name__}")
   return wrap_func

@my_decorator
def print1():
   print("num=1")

这个定义print1函数前的@my_decorator，相当于在定义完print1后，自动直接运行了

print1 = my_decorator(print1)

一个新的麻烦及解决办法

不论采用@my_decorator放在新函数前，还是显示地重写print1 = my_decorator(print1)，都会存在一个问题：
装饰后的函数，名字改变了(其实不止名字，一系列的索引都改变了)

def print1():
   print("num=1")

print(f"before decorate, function name: {print1.__name__}")
print1 = my_decorator(print1)
print(f"after decorate, function name: {print1.__name__}")

输出结果为:

before decorate, function name: print1
after decorate, function name: wrap_func

这个现象的原因是，装饰行为本身，是通过构造了一个新的函数（例子中是wrap_func函数）来实现装饰这个行为的，然后把这个修改后的函数赋给了原函数名。
这样，会导致我们预期的被装饰函数的一些系统变量（比如__name__）发生了变化。
对此，python提供了解决方案：

from functools import wraps  # 导入一个系统工具
def my_decorator(f):
   @wraps(f)  # 在定义装饰行为函数的时候，增加一个新的装饰器
   def wrap_func():
       print(f"before calling {f.__name__}")
       f()
       print(f"after calling {f.__name__}")
   return wrap_func

经过这个行为后，被装饰函数的系统变量问题被解决了

def print1():
   print("num=1")

print(f"before decorate, function name: {print1.__name__}")
print1 = my_decorator(print1)
print(f"after decorate, function name: {print1.__name__}")

输出结果为

before decorate, function name: print1
after decorate, function name: print1

当然，如果你不需要使用一些系统变量，也可以不关注这个问题。

复杂一点的情况1 被装饰函数有输入输出

刚才的例子都比较简单，被装饰的函数是没有参数的。如果被装饰的函数有参数，只需要在定义装饰行为时（事实上，这个才更通用），增加(*args, **kwargs)描述即可

from functools import wraps  
def my_decorator(f):
   @wraps(f)  
   def wrap_func(*args, **kwargs):  # 增加了输入参数
       print(f"before calling {f.__name__}")
       ret = f(*args, **kwargs)  # 透传了输入参数，并记录了输出
       print(f"after calling {f.__name__}") # line-after
       return ret  # 执行 "line-after" 后，将f的输出返回
   return wrap_func

之前的描述中可以感受到，对于例子中的装饰行为(前后加打印)，函数被装饰后，本质上是调用了新的装饰函数wrap_func。
因此，如果原函数需要有输入参数传递，只需要在wrap_func（或其他任意名字的装饰函数）定义时，也增加参数输入(*args, **kwargs)，并将这些参数，原封不动地传给待装饰函数f。
这种定义装饰行为的方式更具有普遍性，忘记之前的定义方式吧
我们试一下

@my_decorator
def my_add(x, y):
   return x + y

n = my_add(1, 3)
print(n)

输出

before calling my_add
after calling my_add
4

这里需要注意的是，如果按照以下的方式定义装饰器

from functools import wraps  
def my_decorator(f):
   @wraps(f)  
   def wrap_func(*args, **kwargs):  # 增加了输入参数
       print(f"before calling {f.__name__}")
       return f(*args, **kwargs)  # 透传了输入参数，并记录了输出
       print(f"after calling {f.__name__}") # line-after        
   return wrap_func

那么以下语句将不会执行

print(f"after calling {f.__name__}") # line-after        

因为装饰后实际的函数wrap_func(虽然名字被改成了原函数，系统参数也改成了原函数)，运行到return f(*args, **kwargs) 的时候已经结束了

复杂一点的情况2 装饰器有输入

因为装饰器my_decorator本身也是可以输入的，因此，只需要在定义装饰器时，增加参数，并在后续函数中使用就可以了，比如

from functools import wraps  
def my_decorator(f, msg=""):
   @wraps(f)  
   def wrap_func(*args, **kwargs):  # 增加了输入参数
       print(f"{msg}, before calling {f.__name__}")
       return f(*args, **kwargs)  # 透传了输入参数，并记录了输出
       print(f"{msg}, after calling {f.__name__}") # line-after        
   return wrap_func

此时装饰器已经可以有输入参数了

def my_add(x, y):
   return x + y

my_add = my_decorator(my_add, 'yusheng')

n = my_add(1, 3)
print(n)

输出

yusheng, before calling my_add
yusheng, after calling my_add
4

你可能发现，为什么不用简写版的方法了

@my_decorator(msg='yusheng')
def my_add(x, y):
   return x + y

n = my_add(1, 3)
print(n)

因为以上代码会报错！！
究其原因，虽然

@my_decorator
def my_add(x, y):
   return x + y

等价于

def my_add(x, y):
   return x + y
my_add = my_decorator(my_add)

但是，

@my_decorator(msg='yusheng')
def my_add(x, y):
   return x + y

并不等价于

def my_add(x, y):
   return x + y
my_add = my_decorator(my_add, msg='yusheng')

这本身和@语法有关，使用@my_decorator时，是系统在应用一个以单个函数作为参数的闭包函数。即，@是不能带参数的。
但是你应该发现了，之前的@wraps(f)不是带参数了吗？请仔细观察以下代码

def my_decorator_with_parma(msg='')
   def my_decorator(f):
       @wraps(f)  
       def wrap_func(*args, **kwargs):  # 增加了输入参数
           print(f"{msg}, before calling {f.__name__}")
           return f(*args, **kwargs)  # 透传了输入参数，并记录了输出
           print(f"{msg}, after calling {f.__name__}") # line-after        
       return wrap_func
   return my_decorator

通过一层嵌套，my_decorator_with_parma本质上是返回了一个参数仅为一个函数的函数(my_decorator)，但因为my_decorator对my_decorator_with_parma来说是一个闭包，my_decorator_with_parma是可以带参数的。（这句话真绕）
通过以上的定义，我们再来看

@my_decorator_with_parma(msg='yusheng')
def my_add(x, y):
   return x + y

可以这么理解，my_decorator_with_parma(msg='yusheng')的结果是原来的my_decorator函数，同时，因为my_decorator_with_parma可以传参，参数实际上是参与了my_decorator的（因为my_decorator对my_decorator_with_parma是闭包），my_decorator_with_parma(msg='yusheng')全等于一个有参数参加的my_decorator
因此，以上代码等价于有参数msg传递的

@my_decorator
def my_add(x, y):
   return x + y

比较绕，需要理解一下，或者干脆强记这种范式：

from functools import wraps  
def my_decorator(msg=''):  # 名字改一下
   def inner_decorator(f):  # 名字改一下
       @wraps(f)  
       def wrap_func(*args, **kwargs):  # 增加了输入参数
           print(f"{msg}, before calling {f.__name__}")
           ret = f(*args, **kwargs)  # 透传了输入参数，并记录了输出
           print(f"{msg}, after calling {f.__name__}") # line-after        
           return ret
       return wrap_func
   return inner_decorator

以上范式包含函数的输入输出、装饰器的输入，可以应对大部分情况了。
实验一下：

@my_decorator(msg='yusheng')
def my_add(x, y):
   return x + y

my_add(1, 2)

输出

yusheng, before calling my_add
yusheng, after calling my_add

有用的函数装饰器例子

from functools import wraps
import datetime

def log(output_path=None):  # 名字改一下
   def decorator(f):  # 名字改一下
       @wraps(f)  
       def wrap_func(*args, **kwargs):  # 增加了输入参数
           now = datetime.datetime.now()
           msg = now.strftime("％Y-％m-％d ％H:％M:％S")  # 运行时刻
           msg += f" {f.__name__}()\n"  # 运行的函数名            

ret = f(*args, **kwargs)  # 透传了输入参数，并记录了输出

aft = datetime.datetime.now()
           time_cost = aft - now
           ms = time_cost.total_seconds() * 10**3  # 毫秒
           msg += now.strftime("％Y-％m-％d ％H:％M:％S")
           msg += f" {f.__name__}() return, cost {ms} ms"
           if output_path is None:
               print(msg)
           else:
               print(f"print logs into {output_path}")
               with open(output_path, 'a+') as fp:
                   fp.write(msg + '\n')
       return wrap_func
   return decorator

以上是一个log装饰器，利用datetime统计了函数的耗时，

并且，装饰器可以进行输出文件操作，如果给出了文件路径，则输出文件，否则就打印。
利用这个装饰器，可以灵活地进行耗时统计

@log()
def my_sum(x, y):
   s = 0
   for i in range(x, y+1):
       s += i
   return s

my_sum(1, 9999999)

不设置输出文件地址，则打印。运行结果为：

2021-12-03 10:01:52 my_sum()
2021-12-03 10:01:52 my_sum() return, cost 506.3299999999999 ms

也可以输出到文件

@log('test.log')
def my_sum(x, y):
   s = 0
   for i in range(x, y+1):
       s += i
   return s  

my_sum(1, 9999999)

输出结果为

print logs into test.log

同时在当前目录生成了一个test.log 文件，内容为：

2021-12-03 10:03:17 my_sum()
2021-12-03 10:03:17 my_sum() return, cost 461.813 ms

从装饰函数到装饰类

以上的装饰器都是以函数形式出现的，但我们可以稍做改写，将装饰器以类的形式实现。

from functools import wraps
import datetime
class Log:
   def __init__(self, path=None):
       self._output = path

def __call__(self, f):  # 相当于原来的 inner_decorator
       @wraps(f)  
       def wrap_func(*args, **kwargs):  # 增加了输入参数
           now = datetime.datetime.now()
           msg = now.strftime("％Y-％m-％d ％H:％M:％S")  # 运行时刻
           msg += f" {f.__name__}()\n"  # 运行的函数名            

ret = f(*args, **kwargs)  # 透传了输入参数，并记录了输出

aft = datetime.datetime.now()
           time_cost = aft - now
           ms = time_cost.total_seconds() * 10**3  # 毫秒
           msg += now.strftime("％Y-％m-％d ％H:％M:％S")
           msg += f" {f.__name__}() return, cost {ms} ms"
           if self._output is None:
               print(msg)
           else:
               print(f"print logs into {self._output}")
               with open(self._output, 'a+') as fp:
                   fp.write(msg + '\n')
       return wrap_func

这个装饰器类Log 上个例子里的装饰器函数log功能是一样的，同时，这个装饰器类还可以作为基类被其他继承，进一步增加功能。

本文来自博客园，作者：坦先生的AI资料室，转载请注明原文链接：https://www.cnblogs.com/yushengchn/p/15636944.html

来源：https://www.cnblogs.com/yushengchn/p/15636944.html