python基础篇:什么是装饰器?装饰器有什么用?

简介: 装饰器应用非常广泛,一定要好好掌握啊

上一篇介绍了python的函数,本文将介绍Python的装饰器,装饰器应用非常广泛,一定要好好掌握啊

什么是装饰器

装饰器是一种Python语言的特性,它允许在不修改已有函数的情况下,向函数添加额外的功能。装饰器本质上是一个函数,它接受一个函数作为参数,并返回一个新的函数。

装饰器应用场景

  • 记录函数的执行时间
  • 缓存函数的结果,以避免重复计算
  • 检查函数的参数是否合法
  • 为函数添加日志记录
  • 为函数添加事务处理
  • 为函数添加权限检查

简单的装饰器

以下是一个简单的装饰器的示例,它向函数添加了计时功能:

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print("Time elapsed: ", end_time - start_time)
        return result
    return wrapper

@timer
def my_function():
    time.sleep(2)

my_function()

在上面的示例中,timer是装饰器函数的名称。它接受一个函数作为参数,并返回一个新的函数wrapperwrapper函数计算函数执行的时间,并打印出来。@timer语法将my_function函数传递给timer装饰器,这意味着my_function函数将被timer装饰器包装。

my_function函数被调用时,它实际上是wrapper函数被调用。wrapper函数计算函数执行的时间,并打印出来。最后,wrapper函数返回my_function函数的结果。

这将打印Time elapsed: 2.000000238418579到控制台上。

带参数的装饰器

装饰器可以接受参数,以便在运行时自定义装饰器的行为。要创建带参数的装饰器,需要编写一个函数,该函数接受装饰器参数,并返回一个装饰器函数。

以下是一个带参数的装饰器的示例,它允许指定函数的重试次数:

import time

def retry(max_retries):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for i in range(max_retries):
                try:
                    result = func(*args, **kwargs)
                    return result
                except Exception as e:
                    print("Error:", e)
                    time.sleep(1)
            raise Exception("Max retries exceeded")
        return wrapper
    return decorator

@retry(max_retries=3)
def my_function():
    print("Trying...")
    raise Exception("Something went wrong")

my_function()

在上面的示例中,retry是带参数的装饰器函数的名称。它接受一个参数max_retries,并返回一个装饰器函数decoratordecorator函数接受一个函数作为参数,并返回一个新的函数wrapperwrapper函数尝试调用原始函数,如果发生异常,则等待1秒钟并重试,最多重试max_retries次。

@retry(max_retries=3)语法将my_function函数传递给retry装饰器,并指定max_retries参数为3。

my_function函数被调用时,它实际上是wrapper函数被调用。wrapper函数尝试调用原始函数,如果发生异常,则等待1秒钟并重试,最多重试3次。

这将打印以下内容到控制台上:

Trying...
Error: Something

@wraps()语法糖

@wraps()是一个装饰器,它用于将被装饰函数的元数据复制到装饰器函数中。这包括函数名称、文档字符串、参数列表等。使用@wraps()装饰器可以确保装饰器函数的元数据与原始函数的元数据相同,这对于调试和文档编写非常有用。

这个装饰器丢失了原来函数对象的一些属性,比如:__name____doc__等属性。使用wraps语法糖可以保留这些属性。

以下是一个使用@wraps()装饰器的示例:

from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print("Before function")
        result = func(*args, **kwargs)
        print("After function")
        return result
    return wrapper

@my_decorator
def my_function():
    print("Function called")

print(my_function.__name__)

总结

装饰器可以接受参数,以便在运行时自定义装饰器的行为。要创建带参数的装饰器,需要编写一个函数,该函数接受装饰器参数,并返回一个装饰器函数。

目录
相关文章
|
12月前
|
Java 编译器
java“变量 x 可能未被初始化”解决
在Java中,如果编译器检测到变量可能在使用前未被初始化,会报“变量 x 可能未被初始化”的错误。解决方法包括:1. 在声明变量时直接初始化;2. 确保所有可能的执行路径都能对变量进行初始化。
880 2
|
移动开发 缓存 JavaScript
「 前端开发规范 」10人小团队前端开发规范参考这篇就够了!
引自《阿里规约》的开头片段: ----现代软件架构的复杂性需要协同开发完成,如何高效地协同呢?无规矩不成方圆,无规范难以协同,比如,制订交通法规表面上是要限制行车权,实际上是保障公众的人身安全,试想如果没有限速,没有红绿灯,谁还敢上路行驶。对软件来说,适当的规范和标准绝不是消灭代码内容的创造性、优雅性,而是限制过度个性化,以一种普遍认可的统一方式一起做事,提升协作效率,降低沟通成本。代码的字里行间流淌的是软件系统的血液,质量的提升是尽可能少踩坑,杜绝踩重复的坑,切实提升系统稳定性,码出质量。
21352 4
「 前端开发规范 」10人小团队前端开发规范参考这篇就够了!
|
Oracle 关系型数据库 MySQL
Navicat Premium 16 简体中文 (含激活工具)
Navicat premium是一款好用的数据库管理工具。将此工具连接数据库,你可以从中看到各种数据库的详细信息。
883 0
Navicat Premium 16 简体中文 (含激活工具)
解决:java.lang.UnsatisfiedLinkError: dalvik.system.PathClassLoader[DexPathList[[zip file
解决:java.lang.UnsatisfiedLinkError: dalvik.system.PathClassLoader[DexPathList[[zip file
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习】K-Means算法对人脸图像进行聚类实战(附源码和数据集)
【Python机器学习】K-Means算法对人脸图像进行聚类实战(附源码和数据集)
685 1
|
资源调度 JavaScript 前端开发
【源码共读】Vite 项目自动添加 eslint 和 prettier
【源码共读】Vite 项目自动添加 eslint 和 prettier
516 0
StringUtils.isBlank() 报红!
StringUtils.isBlank() 报红!
184 0
|
负载均衡 监控 Dubbo
读书分享:《Apache Dubbo 微服务开发从入门到精通》
本次分享的书是《Apache Dubbo 微服务开发从入门到精通》,该书以 Dubbo 框架为例,全面讲解微服务从开发、配置、部署到治理、流量管控、可视化监测、事务管理全生命周期过程;涵盖 Dubbo3 最新特性使用方式与原理,包括云原生 Kubernetes、Service Mesh 解决方案等。通过阅读书籍,计划通过以下几个问题来带你们深入了解Dubbo的神奇之处。
读书分享:《Apache Dubbo 微服务开发从入门到精通》
|
弹性计算 负载均衡 安全
阿里云SLB简介和购买流程
阿里云SLB是阿里巴巴集团旗下的一个功能强大且高性能的负载均衡服务。在互联网的快速发展和技术创新的推动下,SLB成为了保证网站和应用程序可靠性、可扩展性和高可用性的重要组成部分之一。通过阿里云SLB,用户可以轻松地将流量分发到多个服务器,从而提高系统的整体性能和应用的可用性。这样每台服务器承受的压力都会减小很多