python-@装饰器

python装饰符不容易理解，查了一些资料，留在这里，以备后查。 装饰器@

@dec2
@dec1
def func(arg1, arg2, ...):
    pass

This is equivalent to（等价于）:

def func(arg1, arg2, ...):
    pass
func = dec2(dec1(func))

重点理解下上面的等价关系

先说一下自己的理解：本质上讲，装饰符@类似于回调函数(用户自己写的函数让系统自动调用)，把其它的函数（暂且称为目的参数）作为自己的入参，在目的函数执行前，执行一些自己的操作，比如：计数、打印一些提示信息等，然后返回目的函数。

先看一段代码

def a(fn):
    print 'a'

    def d(st):
        print st+'d'
    return d

def b(fn):
    print 'b'
    return fn

@a
@b
def c(st):
    print st

c('c')

b函数把其它函数作为入参，打印字符b，返回这个函数。

a函数把其它函数作为入参，打印字符a，返回自定义的函数d

它们都是c函数的装饰符，具体的执行为：

b函数把c函数作为入参，打印字符b，返回c函数  ====>    a函数把返回的c函数作为入参，打印字符a，返回函数d  =======>  函数d执行打印字符cd  ===>end

结果为：

b
a
cd

等等，是不是有些不对劲？函数c怎么没有执行

是这样的，因为函数a没有返回它的入参，导致c函数并没有被执行。

我们稍微修改下代码

def a(fn):
    print 'a'

    def d(st):
        print st+'d'
    return d

def b(fn):
    print 'b'
    return fn

@a
@b
def c(st):
    print st

c('c')
c('c')

这段代码输出结果是什么那？

看结果：

b
a
cd
cd

是的，原来的函数c被修改了，修改为函数d了，所以再运行也是函数d，这就是装饰符，很强大的

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 '2013-12-25'
...
>>> f = now
>>> f()
2013-12-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强now()函数的功能，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）。

本质上，decorator就是一个返回函数的高阶函数。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：

@log
def now():
    print '2013-12-25'

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():
2013-12-25

把@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log()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 wrapper
    return decorator

这个3层嵌套的decorator用法如下：

@log('execute')
def now():
    print '2013-12-25'

执行结果如下：

>>> now()
execute now():
2013-12-25

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。因为我们讲了函数也是对象，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'：

>>> 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 functools

def 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 functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print '%s %s():' % (text, func.__name__)
            return func(*args, **kw)
        return wrapper
    return 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@functools.wraps(func)即可。