装饰器就如名字一样，对某样事物进行装饰过后然后返回一个新的事物。就好比一个毛坯房，经过装修后，变成了精装房，但是房子还是同样的房子，但是模样变了。
我们首先来看一个函数。加入我要求出函数的运行时间。一般来说代码写成如下。但是我有很多个函数都要计算运行时间。每个函数里面都要写一个计时的过程是一件很麻烦的事。
def target():
start=time.time()
print 'running target()'
end=time.time()
print end-start
我们把函数改造一下：增加一个函数decorate。在运行的时候调用decorate(target)。将函数名称传入decorate中。并在decorate中运行target，并得出计算的结果。那么在target函数中就不需要计算时间的过程。借用前面的装修房子的例子。当计算代码运行的代码写在各自函数里面的时候，就好比业主自己在装修房子，这样做费力又费时。那么decorate就好比是一个装修公司。只要向它传递装修需求，也就是参数，那么装修公司就会自动到家里来装修
def target():
print 'running target()'
def decorate(fun):
start=time.time()
fun()
end=time.time()
print end-start
if __name__ == "__main__":
decorate(target)
但是这样也会有个问题，那就是如果我有100个target函数，分别是target1,target2,target3...target100. 如果我要计算出每个函数的运行时间
那么我的调用将会是下面的方式,得写上100个这样的调用函数。这样也挺麻烦的。有没有方法让每次target函数运行的时候自动计算时间呢。
decoreate(target1)
decoreate(target2)
.
.
.
decoreate(target100)
这里就引出了装饰器。代码如下，在target的前面加上@decorate。这个调用等于target=decorate(target)。多么的简洁
def decorate(fun):
start=time.time()
fun()
end=time.time()
print end-start
@decorate
def target():
print 'running target()'
回到我们刚才的疑问。有100个target函数需要计算运行时间。有没有简洁的调用方法。有了装饰器，我们的代码就可以简化成
@decorate
def target1():
print 'running target()'
.
.
.
@decorate
def target100():
print 'running target100()'
这样就省去了100次的decorate(target)的调用，在每个函数前面加上@decorate就可以了，形象点说，这就好比川剧中的变脸，有了装饰器，函数就可以变成不同的脸。既然变了脸，那么函数本身比如target变化了么。答案是变化了的。被装饰的函数会被替换，来看下面的代码：
def decorate(fun):
def inner():
start=time.time()
fun()
end=time.time()
print end-start
return inner
@decorate
def target():
print 'running target()'
if __name__ == "__main__":
target()
print target
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
running target()
0.0
<function inner at 0x017D11B0>
我们看到print target的时候结果为function inner at 0x017D11B0。target变成了inner的引用.来看下整个过程。
1 target=decorate(target)
2 decorate(target)返回的是inner
3 最终的结果是target=inner.
因此target变成了innter的引用。如果想保持target的名称。那么装饰函数就要修改如下：增加@wraps后，被装饰的函数将会保持原型
from functools import wraps
def decorate(fun):
@wraps(fun)
def inner():
start=time.time()
fun()
end=time.time()
print end-start
return inner
我们来看下装饰器的运行顺序呢：将代码稍微修改一下：
def decorate(fun):
print 'decoreate working'
def inner():
start=time.time()
fun()
end=time.time()
print end-start
return inner
@decorate
def target():
print 'running target()'
if __name__ == "__main__":
target()
decorate中新增了一条打印语句：print 'decoreate working'
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
decoreate working
running target()
0.0
从执行结果中可以看到首先执行打印了decoreate working，然后开始执行具体的操作函数。 我们来看一个更复杂的例子。
registry=[] #保存被register引用的函数引用
def register(func):
print 'running register(%s)' % func
registry.append(func)
return func
@register
def f1():
print 'running f1()'
@register
def f2():
print 'running f2()'
def f3():
print 'running f3()'
def main():
print 'running main()'
print 'registry->%s' % registry
f1()
f2()
f3()
if __name__ == "__main__":
main()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
running register(<function f1 at 0x01714270>)
running register(<function f2 at 0x017142F0>)
running main()
registry->[<function f1 at 0x01714270>, <function f2 at 0x017142F0>]
running f1()
running f2()
running f3()
从执行的步骤来看，首先register在模块中其他函数之前运行了2次。然后在开始执行main以及后面被装饰的函数。所以装饰器在导入模块时立即运行。而被装饰的函数只在明确调用是运行。
继续来看下装饰器的不同用法：
1 被装饰函数带参数：
def decorate(fun):
def inner(a,b):
print 'before function be called'
ret=fun(a,b)
print 'after function be called'
return ret
return inner
@decorate
def target(a,b):
print 'The parameter is %s,%s' % (a,b)
return a+b
if __name__ == "__main__":
ret=target(1,2)
print 'The return value is %d' % ret
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
before function be called
The parameter is 1,2
after function be called
The return value is 3
Note:在装饰器中的内嵌包装函数的形参和返回值于原函数相同
2 被装饰器的参数不固定：当对装饰函数的参数个数不确定的时候，用*args,**kwargs是可以适配各种不同函数的方法。
def decorate(fun):
def inner(*args,**kwargs):
print 'before function be called %s' % fun.__name__
ret=fun(*args,**kwargs)
print 'after function be called %s' % fun.__name__
return ret
return inner
@decorate
def target(a,b,c):
print 'The parameter is %s,%s,%s' % (a,b,c)
return a+b+c
if __name__ == "__main__":
ret=target(1,2,3)
print 'The return value is %d' % ret
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
before function be called target
The parameter is 1,2,3
after function be called target
The return value is 6
3 装饰器带参数：
def decorate(arg):
def inner(fun):
print arg
def deep_inner(a,b):
print 'before function be called %s' % fun.__name__
ret=fun(a,b)
print 'after function be called %s' % fun.__name__
return ret
return deep_inner
return inner
@decorate('decorate')
def target(a,b):
print 'the parameter is %s,%s' % (a,b)
return a+b
if __name__ == "__main__":
ret=target(1,2)
print 'return value is %d' % ret
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
decorate
before function be called target
the parameter is 1,2
after function be called target
return value is 3
装饰器带函数比之前的要复杂一点。但是其实我们写出装饰器的调用过程也就一目了然了。
对于不带参数的装饰器来说。函数可以写成target=decorate(target)
对于被装饰的函数如果携带参数，函数可以写成
target=decorate(target)(a,b) -> target=inner(a,b)
对于装饰器带参数来说。函数可以写成
target=decorate(arg)(target)(a,b) -> target=inner(target)(a,b) -> target=deep_inner(a,b)
将关系这样写出来是不是就明了很多了。在来看对应的代码
def decorate(arg) 这里接受装饰器的参数
def inner(fun) 接受被装饰的函数
def deep_inner(a,b) 接受被装饰函数的参数
4 class类的装饰器：
class mydecorator(object):
def __init__(self,fn):
print 'inside mydecorator.__init__()'
self.fn=fn
def __call__(self):
self.fn()
print 'inside mydecorator.__call__()'
@mydecorator
def function():
print 'inside function'
if __name__ == "__main__":
function()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
inside mydecorator.__init__()
inside function
inside mydecorator.__call__()
前面看到的都是以函数为装饰器，这里用到的是以类为装饰器。其实道理也很函数的一样
mydecorator(function) -> mydecorator.__init__(function) ->self.fn=function
当function()的时候调用__call__.因此执行的顺序依次是__init__,function,__call__
5 class类装饰器带参数：
class mydecorator(object):
def __init__(self,value):
print value
def __call__(self,func):
def wrapper(*args,**kwargs):
print 'inside __call__'
func(*args,**kwargs)
return wrapper
@mydecorator('decorator test')
def function():
print 'inside function'
if __name__ == "__main__":
function()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
decorator test
inside __call__
inside function
在这里类mydecorator带了参数，因此不能在__init__中进行赋值。
但是在调用function的时候会用到__call__，因此在__call__里面对函数进行赋值。
闭包：
闭包的原理和装饰器是一个道理，在前面已经讲过。我们来讲讲闭包中的变量应用。先来看看局部变量以及全局变量。
global_para="outer para"
def para_test():
local_para='inner para'
print 'locals:%s' % locals()
print global_para
print local_para
locals:{'local_para': 'inner para'}
File "E:/py_prj/fluent_python/chapter7.py", line 77, in <module>
para_test()
File "E:/py_prj/fluent_python/chapter7.py", line 71, in para_test
print global_para
UnboundLocalError: local variable 'global_para' referenced before assignment
这个代码报错。提示global_para还未赋值就被引用。原因是global_para是在函数外部定义的。因此是全局变量。而local_para是在内部定义的，因此是局部变量。那么在函数内部要使用外部变量，应该改成如下的形式：
global_para="outer para"
def para_test():
global global_para
global_para='changed to inner para'
local_para='inner para'
print 'locals:%s' % locals()
print global_para
print local_para
print 'globals:%s' % globals()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
locals:{'local_para': 'inner para'}
changed to inner para
inner para
globals:{'function': <function wrapper at 0x017B44B0>, 'f1': <function f1 at 0x017B43B0>, 'wraps': <function wraps at 0x0174E8F0>, 'f3': <function f3 at 0x017B4430>, 'target': <function target at 0x0174E570>, '__builtins__': <module '__builtin__' (built-in)>, '__file__': 'E:/py_prj/fluent_python/chapter7.py', 'register': <function register at 0x017B4370>, 'para_test': <function para_test at 0x017B4530>, 'f2': <function f2 at 0x017B43F0>, 'mydecorator': <class '__main__.mydecorator'>, '__author__': 'Administrator', 'global_para': 'changed to inner para', 'decorate': <function decorate at 0x0174E470>, 'time': <module 'time' (built-in)>, 'main': <function main at 0x017B4170>, '__name__': '__main__', '__package__': None, 'outerfunction': <function outerfunction at 0x017B42B0>, '__doc__': None, 'registry': [<function f1 at 0x017B43B0>, <function f2 at 0x017B43F0>]}
加上global关键字后，就相当于给这个变量进行了一个申明，因此会对全局变量进行引用。
其中locals()和globals()分别打印出局部变量以及全局变量。可以看到全局变量中所有在这个文件定义的函数都在里面。
我们再将代码修改下：
global_para="outer para"
def para_test():
global_para='changed to inner para'
local_para='inner para'
print 'locals:%s' % locals()
print global_para
print local_para
if __name__ == "__main__":
para_test()
print global_para
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
locals:{'global_para': 'changed to inner para', 'local_para': 'inner para'}
changed to inner para
inner para
outer para
可以看到两次打印global_para结果都不一样，第一次是” changed to inner para”，第二次是’ outer para’.尽管在函数中对global_para进行了赋值，但是这个值仍然被当做了局部变量，而非全局变量。
因此我们可以总结一下：
函数代码块外定义的是全局变量，在函数代码内部定义的是局部变量。
但这个和我们的闭包有什么关系呢。说到闭包，就要介绍下一个变量类型：自由变量。
def outer_function():
para='free para'
def innerfunc():
para='inner'
print 'the para is %s' % para
print 'inside innerfunc,locals %s' % locals()
print 'the para is %s' % para
print 'locals are %s' % locals()
return innerfunc
对于这个函数的执行，在innerfunc()中打印para应该是什么值？ 是free para还是inner。在innerfunc()外部打印的又应该是什么值。来看下结果
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
the para is inner
inside innerfunc,locals {'para': 'inner'}
the para is free para
locals are {'innerfunc': <function innerfunc at 0x017D41F0>, 'para': 'free para'}
从打印来看。两次打印para分别是inner和free para。在innerfunc中试图修改para的值。但是发现修改只在innerfunc中生效。离开innerfunc后的值仍然是free para.我们将代码修改下：
def outer_function():
para='free para'
def innerfunc():
para=para+'abc'
print 'inner para is %s' % para
print 'inside innerfunc,locals %s' % locals()
return innerfunc()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter7.py
Traceback (most recent call last):
File "E:/py_prj/fluent_python/chapter7.py", line 80, in <module>
outer_function()
File "E:/py_prj/fluent_python/chapter7.py", line 75, in outer_function
return innerfunc()
File "E:/py_prj/fluent_python/chapter7.py", line 72, in innerfunc
para=para+'abc'
UnboundLocalError: local variable 'para' referenced before assignment UnboundLocalError: local variable 'para' referenced before assignment
居然报错了。原因是对para未赋值就引用了。这个para在outer_function内，innerfunc外定义的。那么到底应该算是局部变量还是外部变量呢，其实都不是，这个para就是自由变量。
我们来对自由变量做一个总结：如果一个参数在函数代码块内被定义，但是被这个函数代码块的其他函数引用，也就是闭包函数。那么这个参数就是自由变量。
在闭包函数中，会保留定义函数时存在的自由变量的绑定.但是在闭包函数对于数字，字符串，元组等不可变类型来说，只能读取，不能更新。如果尝试重新绑定，例如para=para+'abc'， 就会隐式的创建局部变量para,那么para就不是自由变量了
那么在自由变量是否就完全不能修改了呢？ 也不是在python2.7中，可以将自由变量赋值为一个列表，那么在闭包函数就可以修改这个自由变量的值
def outer_function():
para=[]
def innerfunc():
para.append('abc')
print 'inner para is %s' % para
print 'inside innerfunc,locals %s' % locals()
return innerfunc()
在python3中增加nonlocal的字段，在闭包函数中声明nonlocal para，也可以修改自由变量的值。