装饰器 (Decorator) 就是为了增强某个函数的功能，但又不想改变这个函数本来的定义而引进的。
‘@’ 用做函数的修饰符，可以在模块或者类的定义层内对函数进行修饰，出现在函数定义的前一行，不允许和函数定义在同一行。
1
2
3
4
5
6
7
8
9
10
11
12
13
|
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
@log #注意这里没有 ()
def now():
print('2015-3-25')
>>> now()
call now():
2015-3-25
|
把 @log 放到 now() 函数的定义处，相当于执行了语句：
now = log(now)
这样，当其他函数也需要这个装饰的时候，也在函数前加 @… 就可以避免大量重复的代码。
带参数的装饰器
带参数的装饰器其实是对原装饰器的封装。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
def use_logging(level):
def decorator(func):
def wrapper(*args, **kwargs):
if level == "warn":
logging.warn("%s is running" % func.__name__)
return func(*args)
return wrapper
return decorator
@use_logging(level="warn")
def foo(name='foo'):
print("i am %s" % name)
foo()
|
相当于执行了：
foo=using_logging(level=“warm”)(foo)
使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了。
Python 内置的 functools.wraps 就是解决这个问题的。
1
2
3
4
5
6
7
8
9
10
|
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
|