这篇文章主要为大家展示了“Python函数装饰器怎么用”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Python函数装饰器怎么用”这篇文章吧。

目前成都创新互联公司已为上1000+的企业提供了网站建设、域名、网站空间、网站托管运营、企业网站设计、揭阳网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。

典型的函数装饰器

以下示例定义了一个装饰器，输出函数的运行时间：

函数装饰器和闭包紧密结合，入参func代表被装饰函数，通过自由变量绑定后，调用函数并返回结果。

使用clock装饰器：

import time from clockdeco import clock  @clock def snooze(seconds):     time.sleep(seconds)  @clock def factorial(n):     return 1 if n < 2 else n*factorial(n-1)  if __name__=='__main__':     print('*' * 40, 'Calling snooze(.123)')     snooze(.123)     print('*' * 40, 'Calling factorial(6)')     print('6! =', factorial(6))  # 6!指6的阶乘

输出结果：

这是装饰器的典型行为：把被装饰的函数换成新函数，二者接受相同的参数，而且返回被装饰的函数本该返回的值，同时还会做些额外操作。

值得注意的是factorial()是个递归函数，从结果来看，每次递归都用到了装饰器，打印了运行时间，这是因为如下代码：

@clock def factorial(n):     return 1 if n < 2 else n*factorial(n-1)

等价于：

def factorial(n):     return 1 if n < 2 else n*factorial(n-1)      factorial = clock(factorial)

factorial引用的是clock(factorial)函数的返回值，也就是装饰器内部函数clocked，每次调用factorial(n)，执行的都是clocked(n)。

叠放装饰器

@d1 @d2 def f():     print("f")

等价于：

def f():     print("f")  f = d1(d2(f))

参数化装饰器

怎么让装饰器接受参数呢?答案是：创建一个装饰器工厂函数，把参数传给它，返回一个装饰器，然后再把它应用到要装饰的函数上。

示例如下：

registry = set()  def register(active=True):     def decorate(func):         print('running register(active=%s)->decorate(%s)'               % (active, func))         if active:             registry.add(func)         else:             registry.discard(func)          return func     return decorate  @register(active=False) def f1():     print('running f1()')  # 注意这里的调用 @register() def f2():     print('running f2()')  def f3():     print('running f3()')

register是一个装饰器工厂函数，接受可选参数active默认为True，内部定义了一个装饰器decorate并返回。需要注意的是装饰器工厂函数，即使不传参数，也要加上小括号调用，比如@register()。

再看一个示例：

import time  DEFAULT_FMT = '[{elapsed:0.8f}s] {name}({args}) -> {result}'  # 装饰器工厂函数 def clock(fmt=DEFAULT_FMT):     # 真正的装饰器     def decorate(func):          # 包装被装饰的函数         def clocked(*_args):             t0 = time.time()             # _result是被装饰函数返回的真正结果             _result = func(*_args)               elapsed = time.time() - t0             name = func.__name__             args = ', '.join(repr(arg) for arg in _args)              result = repr(_result)              # **locals()返回clocked的局部变量             print(fmt.format(**locals()))               return _result          return clocked       return decorate   if __name__ == '__main__':      @clock()       def snooze(seconds):         time.sleep(seconds)      for i in range(3):         snooze(.123)

这是给典型的函数装饰器添加了参数fmt，装饰器工厂函数增加了一层嵌套，示例中一共有3个def。

标准库中的装饰器

Python内置了三个用于装饰方法的函数：property、classmethod和staticmethod，这会在将来的文章中讲到。本文介绍functools中的三个装饰器：functools.wraps、functools.lru_cache和functools.singledispatch。

functools.wraps

Python函数装饰器在实现的时候，被装饰后的函数其实已经是另外一个函数了(函数名等函数属性会发生改变)，为了不影响，Python的functools包中提供了一个叫wraps的装饰器来消除这样的副作用(它能保留原有函数的名称和函数属性)。

示例，不加wraps：

def my_decorator(func):     def wrapper(*args, **kwargs):         '''decorator'''         print('Calling decorated function...')         return func(*args, **kwargs)     return wrapper  @my_decorator def example():     """Docstring"""     print('Called example function')  print(example.__name__, example.__doc__) # 输出wrapper decorator

加wraps：

import functools   def my_decorator(func):     @functools.wraps(func)     def wrapper(*args, **kwargs):         '''decorator'''         print('Calling decorated function...')         return func(*args, **kwargs)     return wrapper  @my_decorator def example():     """Docstring"""     print('Called example function')  print(example.__name__, example.__doc__) # 输出example Docstring

functools.lru_cache

lru是Least Recently Used的缩写，它是一项优化技术，把耗时的函数的结果保存起来，避免传入相同的参数时重复计算。

示例：

import functools  from clockdeco import clock  @functools.lru_cache() @clock def fibonacci(n):     if n < 2:         return n     return fibonacci(n-2) + fibonacci(n-1)  if __name__=='__main__':     print(fibonacci(6))

优化了递归算法，执行时间会减半。

注意，lru_cache可以使用两个可选的参数来配置，它的签名如下：

functools.lru_cache(maxsize=128, typed=False)

maxsize：最大存储数量，缓存满了以后，旧的结果会被扔掉。

typed：如果设为True，那么会把不同参数类型得到的结果分开保存，即把通常认为相等的浮点数和整型参数(如1和1.0)区分开。

functools.singledispatch

Python3.4的新增语法，可以用来优化函数中的大量if/elif/elif。使用@singledispatch装饰的普通函数会变成泛函数：根据第一个参数的类型，以不同方式执行相同操作的一组函数。所以它叫做single  dispatch，单分派。

根据多个参数进行分派，就是多分派了。

示例，生成HTML，显示不同类型的Python对象：

import html   def htmlize(obj):     content = html.escape(repr(obj))     return '
{}
'.format(content)

因为Python不支持重载方法或函数，所以就不能使用不同的签名定义htmlize的变体，只能把htmlize变成一个分派函数，使用if/elif/elif，调用专门的函数，比如htmlize_str、htmlize_int等。时间一长htmlize会变得很大，跟各个专门函数之间的耦合也很紧密，不便于模块扩展。

@singledispatch经过深思熟虑后加入到了标准库，来解决这类问题：

from functools import singledispatch from collections import abc import numbers import html  @singledispatch def htmlize(obj):     # 基函数 这里不用写if/elif/elif来分派了     content = html.escape(repr(obj))     return '
{}
'.format(content)  @htmlize.register(str) def _(text):     # 专门函数     content = html.escape(text).replace('\n', '
\n')     return '
{0}
'.format(content)  @htmlize.register(numbers.Integral)  def _(n):     # 专门函数     return '
{0} (0x{0:x})
'.format(n)  @htmlize.register(tuple) @htmlize.register(abc.MutableSequence) def _(seq):     # 专门函数     inner = '\n
'.join(htmlize(item) for item in seq)     return '
\n
' + inner + '
\n
'

@singledispatch装饰了基函数。专门函数使用@<>.register(<>)装饰，它的名字不重要，命名为_，简单明了。

这样编写代码后，Python会根据第一个参数的类型，调用相应的专门函数。

以上是“Python函数装饰器怎么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！

分享文章：Python函数装饰器怎么用
文章分享：http://ybzwz.com/article/pdidch.html