聊聊Python中的闭包和装饰器

1. 闭包

首先我们明确一下函数的引用，如下所示：

def test1():
    print("--- in test1 func----")

# 调用函数
test1()

# 引用函数
ret = test1

print(id(ret))
print(id(test1))

#通过引用调用函数
ret()

运行结果：

--- in test1 func----
140212571149040
140212571149040
--- in test1 func----

以y=kx+b为例，请计算一条线上的某个点，即给x值计算出y值。下面以这个例子引出闭包的概念。

方法1

# 第1种
k = 1
b = 2
y = k*x+b
# 缺点：如果需要多次计算，那么就的写多次y = k*x+b这样的式子

方法2

# 第2种
def line_2(k, b, x):
    print(k*x+b)

line_2(1, 2, 0)
line_2(1, 2, 1)
line_2(1, 2, 2)
# 缺点：如果想要计算多次这条线上的y值，那么每次都需要传递k，b的值，麻烦

方法3

# 第3种: 全局变量
k = 1
b = 2
def line_3(x):
    print(k*x+b)

line_3(0)
line_3(1)
line_3(2)
k = 11
b = 22
line_3(0)
line_3(1)
line_3(2)
# 缺点：如果要计算多条线上的y值，那么需要每次对全局变量进行修改，代码会增多，麻烦

这里引申一下，关于全局变量，要是直接读取，不修改的话，是不用加global的。

而且所谓的修改，指的是地址变了，假如我指向的是一个列表，指向没变，列表中的内容改变了，也不用加global的。

我们看一下下面的例子：

a = 100
b = 'chenchi'
c = [1, 2, 3]

def func():
    print('a的值：{}，a的地址：{}'.format(a, id(a)))
    print('b的值：{}，b的地址：{}'.format(b, id(b)))
    print('c的值：{}，c的地址：{}'.format(c, id(c)))

def func2():
    global a
    global b
    a += 1
    b += 'ccc'
    # 这里c不用声明global，c的地址没有发生变化
    c.append(4)

if __name__ == '__main__':
    func()
    func2()
    func()

运行结果：

列表的地址没变，不用加global。

方法4

# 第4种：缺省参数
def line_4(x, k=1, b=2):
    print(k*x+b)

line_4(0)
line_4(1)
line_4(2)

line_4(0, k=11, b=22)
line_4(1, k=11, b=22)
line_4(2, k=11, b=22)
# 优点：比全局变量的方式好在：k, b是函数line_4的一部分 而不是全局变量，因为全局变量可以任意的被其他函数所修改
# 缺点：如果要计算多条线上的y值，那么需要在调用的时候进行传递参数，麻烦

方法5

# 第5种：实例对象
class Line5(object):
    def __init__(self, k, b):
        self.k = k
        self.b = b

    def __call__(self, x):
        print(self.k * x + self.b)


line_5_1 = Line5(1, 2)
# 对象.方法()
# 对象()
line_5_1(0)
line_5_1(1)
line_5_1(2)
line_5_2 = Line5(11, 22)
line_5_2(0)
line_5_2(1)
line_5_2(2)
# 缺点：为了计算多条线上的y值，所以需要保存多个k, b的值，因此用了很多个实例对象， 浪费资源

关于__call__()的用法：

方法6

采用闭包的方式，什么是闭包呢？

在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包。

如下所示：

# 第6种：闭包
def line_6(k, b):
    def create_y(x):
        print(k*x+b)
    return create_y


line_6_1 = line_6(1, 2)
line_6_1(0)
line_6_1(1)
line_6_1(2)
line_6_2 = line_6(11, 22)
line_6_2(0)
line_6_2(1)
line_6_2(2)

闭包，红色部分return的不能加()，不加()是函数引用，否则就应该是函数的返回值。

在上面的例子中，函数line_6与变量k，b构成闭包，闭包具有提高代码可复用性的作用。

由于闭包引用了外部函数的局部变量，则外部函数的局部变量没有及时释放，消耗内存，但是相对于实例对象来说，已经好多了。

思考：函数、匿名函数、闭包、对象 当做实参时 有什么区别？
1. 匿名函数能够完成基本的简单功能，传递是这个函数的引用 只有功能。
2. 普通函数能够完成较为复杂的功能，传递是这个函数的引用 只有功能。
3. 闭包能够将较为复杂的功能，传递是这个闭包中的函数以及数据，因此传递是功能+数据。
4. 对象能够完成最为复杂的功能，传递是很多数据+很多功能，因此传递是功能+数据。

修改外部函数中的变量

x = 300
def outer():
    x = 200
    def inner():
        nonlocal x
        # global x
        print('---1---x=%d' % x)
        x = 100
        print('---1---x=%d' % x)
    return inner

t1 = outer()
t1()

注意，这是python3，输出结果如下：

如果把nonlocal改成global，第一个x就变成300了。

2. 装饰器

在聊Python中的装饰器之前，我们明确一个概念：Python中的装饰器就是实现了设计模式中的装饰器模式，只不过不像Java用的实现接口的方式，而是采用闭包的方式。

装饰器模式可以参考我的博客：

https://www.cnblogs.com/DarrenChan/p/10343885.html

我们从一个简单的例子入手：

def set_func(func):
    def call_func():
        print("---这是权限验证1----")
        print("---这是权限验证2----")
        func()
    return call_func

# 下面就相当于test1 = set_func(test1)
@set_func
def test1():
    print("-----test1----")


test1()

运行结果：

这里就相当于是实现了一个代理，我们重新执行的test1()实际上是代理。

我们所营造出来的一种效果就是，test1()加不加@set_func，方法执行的方式是不变的。

@set_func的含义是：

set_func(test1)

我们可以用任何一个方式来接收，比如：

ret = set_func(test1)

ret()

这样执行结果没有变化，但是感觉不协调，所以我们用test1来接收，即

test1 = set_func(test1)

test1()

就是把test1重新指向了call_func()函数。

我们可以看到，set_func函数里面就是闭包。

一个装饰器可以对多个函数进行装饰

def set_func(func):
    def call_func(a):
        print("---这是权限验证1----")
        print("---这是权限验证2----")
        func(a)
    return call_func


@set_func  # 相当于 test1 = set_func(test1)
def test1(num):
    print("-----test1----%d" % num)


@set_func  # 相当于 test2 = set_func(test2)
def test2(num):
    print("-----test2----%d" % num)


test1(100)
test2(200)

运行结果：

装饰器在没有调用函数之前已经装饰了

def set_func(func):
    print("---开始进行装饰")
    def call_func(a):
        print("---这是权限验证1----")
        print("---这是权限验证2----")
        func(a)
    return call_func


@set_func  # 相当于 test1 = set_func(test1)
def test1(num):
    print("-----test1----%d" % num)


@set_func  # 相当于 test2 = set_func(test2)
def test2(num):
    print("-----test2----%d" % num)

# 装饰器在调用函数之前，已经被python解释器执行了，所以要牢记 当调用函数之前 其实已经装饰好了，尽管调用就可以了
# test1(100)
# test2(200)

运行结果：

对不定长参数的函数进行装饰

def set_func(func):
    print("---开始进行装饰")
    def call_func(*args, **kwargs): # 这里是形参，相当于定义，前面接收元组多个，后面接收字典多个
        print("---这是权限验证1----")
        print("---这是权限验证2----")
        # func(args, kwargs)  # 不行，相当于传递了2个参数 ：1个元组，1个字典
        func(*args, **kwargs)  # 这里是实参，拆包，对应拆元组和拆字典
    return call_func


@set_func  # 相当于 test1 = set_func(test1)
def test1(num, *args, **kwargs):
    print("-----test1----%d" % num)
    print("-----test1----" , args)
    print("-----test1----" , kwargs)


test1(100)
test1(100, 200)
test1(100, 200, 300, mm=100)

运行结果：

代码中的红色部分，传值的问题，可以参考：

https://www.cnblogs.com/DarrenChan/p/7931735.html

对带有返回值的函数进行装饰（装饰模板）

def set_func(func):
    print("---开始进行装饰")
    def call_func(*args, **kwargs):
        print("---这是权限验证1----")
        print("---这是权限验证2----")
        # func(args, kwargs)  # 不行，相当于传递了2个参数 ：1个元组，1个字典
        return func(*args, **kwargs)  # 拆包
    return call_func


@set_func  # 相当于 test1 = set_func(test1)
def test1(num, *args, **kwargs):
    print("-----test1----%d" % num)
    print("-----test1----" , args)
    print("-----test1----" , kwargs)
    return "ok"


@set_func
def test2():
    pass

ret = test1(100)
print(ret)

ret = test2()
print(ret)

运行结果：

你可能会问，如果被修饰的函数没有返回值，那么红色部分是否会报错？

在Python中不会的，返回None而已。

这也是我们的一个模板写法。

多个装饰器对同一个函数进行装饰

def add_qx(func):
    print("---开始进行装饰权限1的功能---")
    def call_func(*args, **kwargs):
        print("---这是权限验证1----")
        return func(*args, **kwargs)
    return call_func


def add_xx(func):
    print("---开始进行装饰xxx的功能---")
    def call_func(*args, **kwargs):
        print("---这是xxx的功能----")
        return func(*args, **kwargs)
    return call_func


@add_qx
@add_xx
def test1():
    print("------test1------")


test1()

运行结果：

这就跟包裹一样，红色部分越上面的越先执行。至于开始装饰为什么先执行的xx，是因为@add_qx找下面，发现不是函数，而@add_xx下面才是函数，所以开始进行装饰的顺序反过来了。

举例：

def set_func_1(func):
    def call_func():
        # "<h1>haha</h1>"
        return "<h1>" + func() + "</h1>"
    return call_func

def set_func_2(func):
    def call_func():
        return "<td>" + func() + "</td>"
    return call_func


@set_func_1
@set_func_2
def get_str():
    return "haha"

print(get_str())

结果：

<h1><td>haha</td></h1>

使用类当做装饰器

class Test(object):
    def __init__(self, func):
        self.func = func

    def __call__(self):
        print("这里是装饰器添加的功能.....")
        return self.func()


@Test  # 相当于get_str = Test(get_str)
def get_str():
    return "haha"

print(get_str())

运行结果：

装饰器带参数

这种情况需要在原有的外面，再次嵌套一层，作为外部变量传参。

运行结果：