Python 元编程

Python 中提供了一个叫装饰器的特性，用于在不改变原始对象的情况下，增加新功能或行为。

这也属于 Python "元编程" 的一部分，在编译时一个对象去试图修改另一个对象的信息，实现 "控制一切" 目的。

本篇文章作为装饰器的基础篇，在阅读后应该了解如下内容：

• 装饰器的原理？
• 装饰器如何包裹有参数的函数？
• 装饰器本身需要参数怎么办？
• 被装饰器修饰的函数还是原函数吗，怎么解决？
• 装饰器嵌套时的顺序？
• 装饰器常见的应用场景？

装饰器原理

在具体装饰器的内容前，先来回顾下 Python 中的基本概念：

1. Python 中，一切都是对象，函数自然也不例外

python 中的对象都会在内存中用于属于自己的一块区域。在操作具体的对象时，需要通过 “变量” ，变量本身仅是一个指针，指向对象的内存地址。

函数作为对象的一种，自然也可以被变量引用。

def hello(name: str):
    print('hello', name)
hello('Ethan')

alias_func_name = hello
alias_func_name('Michael')
# hello Ethan
# hello Michael

alias_func_name 作为函数的引用，当然也可以作为函数被使用。

2. 函数接受的参数和返回值都可以是函数

def inc(x):
    return x + 1

def dec(x):
    return x - 1

def operate(func, x):
    result = func(x)
    return result
    
operate(inc,3)
# 4
operate(dec,3)
# 2

这里 operate 中接受函数作为参数，并在其内部进行调用。

3. 嵌套函数

def increment():
    def inner_increment(number):
        return 1 + number
    return inner_increment()

print(increment(100)) # 101

在 increment 内部，实现对 number add 1 的操作。

回头再来看下装饰器的实现：

# def decorator
def decorator_func(func):
    print('enter decorator..')
    def wrapper():
        print('Step1: enter wrapper func.')
        return func()
    return wrapper

# def target func
def normal_func():
    print("Step2: I'm a normal function.")

# use decorator 
normal_func = decorator_func(normal_func)
normal_func()

decorator_func(func) 中，参数 func 表示想要调用的函数，wrapper 为嵌套函数，作为装饰器的返回值。

wrapper 内部会调用目标函数 func 并附加自己的行为，最后将 func 执行结果作为返回值。

究其根本，是在目标函数外部套上了一层 wrapper 函数，达到在不改变原始函数本身的情况下，增加一些功能或者行为。

通常使用时，使用 @decorator_func 来简化调用过程的两行代码。

将自定义调用装饰器的两行代码删掉，使用常规装饰器的写法加在 normal_func 的定义处，但却不调用 normal_func，可以发现一个有趣的现象：

# def decorator
def decorator_func(func):
    print('enter decorator..')
    def wrapper():
        print('Step1: enter wrapper func.')
        return func()
    return wrapper

# def target func
@decorator_func
def normal_func():
    print("Step2: I'm a normal function.")

发现 enter decorator.. 在没有调用的情况下被打印到控制台。

这就说明，此时 normal_func 已经变成了 wrapper 函数。

@decorator_func 其实隐含了 normal_func = decorator_func(normal_func) 这一行代码。

对带有参数的函数使用装饰器

假设这里 normal_func 需要接受参数怎么办？

很简单，由于是通过嵌套函数来调用目标函数，直接在 wrapper 中增加参数就可以了。

# def decorator
def decorator_func(func):
    def wrapper(*args, **kwargs):
        print('Step1: enter wrapper func.')
        return func(*args, **kwargs)
    return wrapper


# def target func
def normal_func(*args, **kwargs):
    print("Step2: I'm a normal function.")
    print(args)
    print(kwargs)

# use decorator
normal_func = decorator_func(normal_func)
normal_func(1, 2, 3, name='zhang', sex='boy')

使用 *args, **kwargs 是考虑到该 decorator 可以被多个不同的函数使用，而每个函数的参数可能不同。

装饰器本身需要参数

在装饰器本身也需要参数时，可以将其嵌套在另一个函数中，实现参数的传递。

# def decorator
def decorator_with_args(*args, **kwargs):
    print('Step1: enter wrapper with args func.')
    print(args)
    print(kwargs)

    def decorator_func(func):
        def wrapper(*args, **kwargs):
            print('Step2: enter wrapper func.')
            return func(*args, **kwargs)
        return wrapper
    return decorator_func


# def target func
def normal_func(*args, **kwargs):
    print("Step3: I'm a normal function.")
    print(args)
    print(kwargs)

normal_func = decorator_with_args('first args')(normal_func)
normal_func('hello')

# use @ to replace the above three lines of code
@decorator_with_args('first args')
def normal_func(*args, **kwargs):
    print("Step3: I'm a normal function.")
    print(args)
    print(kwargs)

来分析下 decorator_with_args 函数：

• 由于 decorator_with_args 接受了任意数量的参数，同时由于 decorator_func 和 wrapper 作为其内部嵌套函数，自然可以访问其内部的作用域的变量。这样就实现了装饰器参数的自定义。
• decorator_func 是正常的装饰器，对目标函数的行为进行包装。进而需要传递目标函数作为参数。

在使用时：

@decorator_with_args('first args') 实际上做的内容，就是 normal_func = decorator_with_args('first args')(normal_func) 的内容：

1. decorator_with_args('first args') 返回 decorator_func 装饰器。
2. decorator_func 接受的正常函数对象作为参数，返回包装的 wrapper 对象。
3. 最后将 wrapper 函数重命名至原来的函数，使其在调用时保持一致。

保留原函数信息

在使用装饰器时，看起来原函数并没有被改变，但它的元信息却改变了 - 此时的原函数实际是包裹后的 wrapper 函数。

help(normal_func)
print(normal_func.__name__)

# wrapper(*args, **kwargs)
# wrapper

如果想要保留原函数的元信息，可通过内置的 @functools.wraps(func) 实现：

@functools.wraps(func) 的作用是通过 update_wrapper 和 partial 将目标函数的元信息拷贝至 wrapper 函数。

# def decorator
def decorator_with_args(*args, **kwargs):
    print('Step1: enter wrapper with args func.')
    print(args)
    print(kwargs)

    def decorator_func(func):
    	@functools.wraps(func)
        def wrapper(*args, **kwargs):
            print('Step2: enter wrapper func.')
            return func(*args, **kwargs)
        return wrapper
    return decorator_func

装饰器嵌套

Python 支持对一个函数同时增加多个装饰器，那么添加的顺序是怎样的呢？

# def decorator
def decorator_func_1(func):
    print('Step1: enter decorator_func_1..')

    def wrapper():
        print('Step2: enter wrapper1 func.')
        return func()
    return wrapper


def decorator_func_2(func):
    print('Step1: enter decorator_func_2..')

    def wrapper():
        print('Step2: enter wrapper2 func.')
        return func()
    return wrapper

@decorator_func_2
@decorator_func_1
def noraml_func():
    pass

看一下 console 的结果：

Step1: enter decorator_func_1..
Step1: enter decorator_func_2..

fun_1 在前说明， 在对原函数包装时，采用就近原则，从下到上。

接着，调用 noraml_func 函数：

Step1: enter decorator_func_1..
Step1: enter decorator_func_2..
Step2: enter wrapper2 func.
Step2: enter wrapper1 func.

可以发现，wrapper2 内容在前，说明在调用过程中由上到下。

上面嵌套的写法，等价于 normal_func = decorator_func_2(decorator_func_1(normal_func))，就是正常函数的调用过程。

对应执行顺序：

1. 在定义时，先 decorator_func_1 后 decorator_func_2.
2. 在调用时，先 decorator_func_2 后 decorator_func_1.

应用场景

日志记录

在一些情况下，需要对函数执行的效率进行统计或者记录一些内容，但又不想改变函数本身的内容，这时装饰器是一个很好的手段。

import timeit
def timer(func):
    def wrapper(n):
        start = timeit.default_timer()
        result = func(n)
        stop = timeit.default_timer()
        print('Time: ', stop - start)
        return result
    return wrappe

作为缓存

装饰器另外很好的应用场景是充当缓存，如 lru 会将函数入参和返回值作为当缓存，以计算斐波那契数列为例, 当 n 值大小为 30，执行效率已经有很大差别。

def fib(n):
    if n < 2:
        return 1
    else:
        return fib(n - 1) + fib(n - 2)
        
@functools.lru_cache(128)
def fib_cache(n):
    if n < 2:
        return 1
    else:
        return fib_cache(n - 1) + fib_cache(n - 2)
        
Time:  0.2855725
Time:  3.899999999995574e-05

总结

在这一篇中，我们知道：

装饰器的本质，就是利用 Python 中的嵌套函数的特点，将目标函数包裹在内嵌函数中，然后将嵌套函数 wrapper作为返回值返回，从而达到修饰原函数的目的。

而且由于返回的是 wrapper 函数，自然函数的元信息肯定不再是原函数的内容。

对于一个函数被多个装饰器修饰的情况：

• 在包装时，采用就近原则，从近点开始包装。
• 在被调用时，采用就远原则，从远点开始执行。

这自然也符合栈的调用过程。

参考

https://www.programiz.com/python-programming/decorator