在《Core Python Programming 2nd》中学习到了装饰器，这对我来说是个完全陌生的语法，第一遍愣是没看懂，很有必要记一下。
第一眼看到这个词Decorator，我联想到了DP中的Decorator模式，后来才知道完全不是这么一回事。（再次鄙视一下国内浮躁的博客，我google了一下，几乎千篇一律都是什么锁同步装饰器、超时装饰器，我对原作者表达敬仰，可是大家都是转载就不像话了，也是对网络资源的极大浪费，也许真正有价值的博文就湮没在这片都是一模一样的东西里了）
1. 这是个什么东东？
书上说得不是太清楚，它说类似于Java的AOP(Aspect Oriented Programming，面向方面编程)，我对AOP一无所知。根据我对许多例子用法的反复揣摩，我认为是类似于程序设计语义学中所说的前键 与后键 的概念(Eiffel中的@pre 与@post )。当然你可以在装饰器中做比前键与后键更多的事，如：引入日志、增加计时逻辑来检测性能、给函数增加事务的能力。
其实总体说起来，装饰器其实也就是一个函数，一个用来包装函数的函数，返回一个修改之后的函数对象，将其重新赋值原来的标识符，并永久丧失对原始函数对象的访问。
2. 装饰器语法
(1)无参数装饰器
- def deco(func):
- print func
- return func
- @deco
- def foo():pass
- foo()
第一个函数deco是装饰函数，它的参数就是被装饰的函数对象。我们可以在deco函数内对传入的函数对象做一番“装饰”，然后返回这个对象（记住一定要返回 ，不然外面调用foo的地方将会无函数可用。实际上此时foo=deco(foo)）
我写了个小例子，检查函数有没有说明文档：
- def deco_functionNeedDoc(func):
- if func.__doc__ == None :
- print func, "has no __doc__, it's a bad habit."
- else:
- print func, ':', func.__doc__, '.'
- return func
- @deco_functionNeedDoc
- def f():
- print 'f() Do something'
- @deco_functionNeedDoc
- def g():
- 'I have a __doc__'
- print 'g() Do something'
- f()
- g()
(2)有参数装饰器
- def decomaker(arg):
- '通常对arg会有一定的要求'
- """由于有参数的decorator函数在调用时只会使用应用时的参数
- 而不接收被装饰的函数做为参数，所以必须在其内部再创建
- 一个函数
- """
- def newDeco(func): #定义一个新的decorator函数
- print func, arg
- return func
- return newDeco
- @decomaker(deco_args)
- def foo():pass
- foo()
第一个函数decomaker是装饰函数，它的参数是用来加强“加强装饰”的。由于此函数并非被装饰的函数对象，所以在内部必须至少创建一个接受被装饰函数的函数，然后返回这个对象（实际上此时foo=decomaker(arg)(foo)）
这个我还真想不出什么好例子，还是见识少啊，只好借用同步锁的例子了：
- def synchronized(lock):
- """锁同步装饰方法
- ！lock必须实现了acquire和release方法
- """
- def sync_with_lock(func):
- def new_func(*args, **kwargs):
- lock.acquire()
- try:
- return func(*args, **kwargs)
- finally:
- lock.release()
- new_func.func_name = func.func_name
- new_func.__doc__ = func.__doc__
- return new_func
- return sync_with_lock
- @synchronized(__locker)
- def update(data):
- """更新计划任务"""
- tasks = self.get_tasks()
- delete_task = None
- for task in tasks:
- if task[PLANTASK.ID] == data[PLANTASK.ID]:
- tasks.insert(tasks.index(task), data)
- tasks.remove(task)
- delete_task = task
- r, msg = self._refresh(tasks, delete_task)
- return r, msg, data[PLANTASK.ID]
调用时还是updae(data)。
同时还可以将多个装饰器组合 使用：
- @synchronized(__locker)
- @deco_functionNeedDoc
- def f():
- print 'f() Do something'
学后的总是感觉就是：装饰器可以让函数轻装上阵，更重要的是将函数的约束放置于接口处，使意图更加明了，同时又不增加调用者的负担。
