装饰器

装饰器的功能

他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短，也更 Pythonic（Python范儿）

普通的函数示例

def hi(name="yasoob"):
    return "hi " + name

print(hi())
# output: 'hi yasoob'

# 我们甚至可以将一个函数赋值给一个变量，比如
greet = hi
# 我们这里没有在使用小括号，因为我们并不是在调用hi函数
# 而是在将它放在greet变量里头。我们尝试运行下这个

print(greet())
# output: 'hi yasoob'

# 如果我们删掉旧的hi函数，看看会发生什么！
del hi
# print(hi()) # NameError: name 'hi' is not defined
#outputs: NameError

print(greet())
#outputs: 'hi yasoob'

在 Python 中我们可以在一个函数中定义另一个函数：

函数加括号代表执行这个函数，不加括号就是个变量，可以被到处传递
在 if/else 语句中我们返回 greet 和 welcome，而不是 greet() 和 welcome()。
为什么那样？这是因为当你把一对小括号放在后面，这个函数就会执行；
然而如果你不放括号在它后面，那它可以被到处传递，并且可以赋值给别的变量而不去执行它。

def hi(name="yasoob"):
    print("now you are inside the hi() function")

    def greet1():
        return "now you are in the greet() function"

    def welcome():
        return "now you are in the welcome() function"

    print(greet1())
    print(welcome())
    print("now you are back in the hi() function")
    
hi()
# # 然后greet()和welcome()函数在hi()函数之外是不能访问的，比如：
# greet1() # NameError: name 'greet1' is not defined
# hi().greet1() # AttributeError: 'NoneType' object has no attribute 'greet1'
# hi.greet1() # AttributeError: 'function' object has no attribute 'greet1'

从函数中返回函数

其实并不需要在一个函数里去执行另一个函数，我们也可以将其作为输出返回出来

def hi(name="yasoob"):
    def greet():
        return "now you are in the greet() function"

    def welcome():
        return "now you are in the welcome() function"

    if name == "yasoob": # 这里函数中返回函数
        return greet
    else:
        return welcome

a = hi()
# <function hi.<locals>.greet at 0x000001FBEB4298C8>
print(a) # 上面清晰地展示了`a`现在指向到hi()函数中的greet()函数
#现在试试这个

print(a()) # now you are in the greet() function
a = hi(name = "ali")
print(a) # <function hi.<locals>.welcome at 0x000001FBEB429A60>
print(a()) # now you are in the welcome() function
print(hi()()) # now you are in the greet() function

将函数作为参数传给另一个函数

def hi():
    return "hi yasoob!"

def doSomethingBeforeHi(func):
    print("I am doing some boring work before executing hi()")
    print(func())

doSomethingBeforeHi(hi)
#outputs:I am doing some boring work before executing hi()
#        hi yasoob!

你的第一个装饰器

def a_new_decorator(a_func):

    def wrapTheFunction():
        print("I am doing some boring work before executing a_func()")

        a_func()

        print("I am doing some boring work after executing a_func()")

    return wrapTheFunction

def a_function_requiring_decoration():
    print("I am the function which needs some decoration to remove my foul smell")

a_function_requiring_decoration() # I am the function which needs some decoration to remove my foul smell
a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)
a_function_requiring_decoration() # I am doing some boring work before executing a_func()
# I am the function which needs some decoration to remove my foul smell
# I am doing some boring work after executing a_func()

'''
它们封装一个函数，并且用这样或者那样的方式来修改它的行为
现在你也许疑惑，我们在代码里并没有使用 @ 符号？
那只是一个简短的方式来生成一个被装饰的函数。这里是我们如何使用 @ 来运行之前的代码：
'''
@a_new_decorator # 装饰器所在的函数(装饰器那个名称的函数一定要有传入装饰器中的参数并调用该参数)
def a_function_requiring_decoration():
    """Hey you! Decorate me!"""
    print("I am the function which needs some decoration to "
          "remove my foul smell")

a_function_requiring_decoration() # I am doing some boring work before executing a_func()
# I am the function which needs some decoration to remove my foul smell
# I am doing some boring work after executing a_func()


print(a_function_requiring_decoration.__name__) # wrapTheFunction

functools.wraps函数使原函数的名字和注释文档保持一致

Ouput 输出应该是 “a_function_requiring_decoration”。
这里的函数被 warpTheFunction 替代了。它重写了我们函数的名字和注释文档（docstring）。
幸运的是 Python 提供给我们一个简单的函数来解决这个问题，那就是 functools.wraps

from functools import wraps

def a_new_decorator(a_func):
    @wraps(a_func)
    def wrapTheFunction():
        print("I am doing some boring work before executing a_func()")
        a_func()
        print("I am doing some boring work after executing a_func()")
    return wrapTheFunction

@a_new_decorator
def a_function_requiring_decoration():
    """Hey yo! Decorate me!"""
    print("I am the function which needs some decoration to "
          "remove my foul smell")

print(a_function_requiring_decoration.__name__) # a_function_requiring_decoration

蓝本规范

from functools import wraps
def decorator_name(f):
    '''
    注意：@wraps 接受一个函数来进行装饰，
    并加入了复制函数名称、注释文档、参数列表等等的功能。
    这可以让我们在装饰器里面访问在装饰之前的函数的属性。
    '''
    @wraps(f)
    def decorated(*args, **kwargs):
        if not can_run:
            return "Function will not run"
        return f(*args, **kwargs)
    return decorated

@decorator_name
def func():
    return("Function is running")

can_run = True
print(func())
# Output: Function is running

can_run = False
print(func())
# Output: Function will not run

使用场景

授权（Authorization）

装饰器能有助于检查某个人是否被授权去使用一个 web 应用的端点（endpoint）。

它们被大量使用于 Flask 和 Django web 框架中。这里是一个例子来使用基于装饰器的授权

from functools import wraps

def requires_auth(f):
    @wraps(f)
    def decorated(*args, **kwargs):
        auth = request.authorization
        if not auth or not check_auth(auth.username, auth.password):
            authenticate()
        return f(*args, **kwargs)
    return decorated

日志（Logging）

日志是装饰器运用的另一个亮点

from functools import wraps

def logit(func):
    @wraps(func)
    def with_logging(*args, **kwargs):
        print(func.__name__ + " was called")
        return func(*args, **kwargs)
    return with_logging

@logit
def addition_func(x):
   """Do some math."""
   return x + x


result = addition_func(4)
# Output: addition_func was called
print(result) # 8

在函数中嵌入装饰器(不了解带参数的装饰器与在函数中嵌入装饰器是不是同样)

from functools import wraps

def logit(logfile='out.log'):
    def logging_decorator(func):
        @wraps(func)
        def wrapped_function(*args, **kwargs):
            log_string = func.__name__ + " was called"
            print(log_string)
            # 打开logfile，并写入内容
            with open(logfile, 'a') as opened_file:
                # 现在将日志打到指定的logfile
                opened_file.write(log_string + '
')
                # 这3个连续的return整的我有点昏(不理解)
            return func(*args, **kwargs)
        return wrapped_function
    return logging_decorator

@logit()
def myfunc1():
    pass

myfunc1()
# Output: myfunc1 was called
# 现在一个叫做 out.log 的文件出现了，里面的内容就是上面的字符串

@logit(logfile='func2.log')
def myfunc2():
    pass

myfunc2()
# Output: myfunc2 was called
# 现在一个叫做 func2.log 的文件出现了，里面的内容就是上面的字符串

装饰器类

'''
现在我们有了能用于正式环境的 logit 装饰器，但当我们的应用的某些部分还比较脆弱时，
异常也许是需要更紧急关注的事情。比方说有时你只想打日志到一个文件。
而有时你想把引起你注意的问题发送到一个email，同时也保留日志，留个记录。
这是一个使用继承的场景，但目前为止我们只看到过用来构建装饰器的函数。
幸运的是，类也可以用来构建装饰器。那我们现在以一个类而不是一个函数的方式，来重新构建 logit
'''

class logit(object):

    _logfile = 'out.log'

    def __init__(self, func):
        self.func = func

    def __call__(self, *args):
        log_string = self.func.__name__ + " was called"
        print(log_string)
        # 打开logfile并写入
        with open(self._logfile, 'a') as opened_file:
            # 现在将日志打到指定的文件
            opened_file.write(log_string + '
')
        # 现在，发送一个通知
        self.notify()

        # return base func
        return self.func(*args)



    def notify(self):
        # logit只打日志，不做别的
        pass
# 这个实现有一个附加优势，在于比嵌套函数的方式更加整洁，而且包裹一个函数还是使用跟以前一样的语法：
logit._logfile = 'out2.log' # 如果需要修改log文件参数
@logit
def myfunc1():
    pass

myfunc1()
# 输出: myfunc1 was called

现在，我们给logit创建子类，来添加email的功能(虽然email这个话题不会在这里展开)。

class email_logit(logit):
    '''
    一个logit的实现版本，可以在函数调用时发送email给管理员
    '''
    def __init__(self, email='admin@myproject.com', *args, **kwargs):
        self.email = email
        super(email_logit, self).__init__(*args, **kwargs)

    def notify(self):
        # 发送一封email到self.email
        # 这里就不做实现了
        pass

函数缓存（Function caching）不知道他的使用场景

lru_cache 的装饰器
函数缓存允许我们将一个函数对于给定参数的返回值缓存起来。
当一个 I/O 密集的函数被频繁使用相同的参数调用的时候，函数缓存可以节约时间。
在 Python 3.2 版本以前我们只有写一个自定义的实现。在 Python 3.2 以后版本，
有个 lru_cache 的装饰器，允许我们将一个函数的返回值快速地缓存或取消缓存。

from functools import lru_cache

@lru_cache(maxsize=32)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print([fib(n) for n in range(10)])
'''
那个 maxsize 参数是告诉 lru_cache，最多缓存最近多少个返回值。
我们也可以轻松地对返回值清空缓存，通过这样：
'''
fib.cache_clear()