野生的Python装饰器案例

简介: 野生的Python装饰器案例

装饰器案例

下面介绍了三种装饰器的真实应用场景。

  1. 拦截调用:在函数运行前拦截,进行检查
  2. 函数注册存储函数的引用以便在后面使用。通常用于事件系统、模式匹配、路由等。
  3. 增强函数功能:增强函数的功能。比如显示函数执行时间。

拦截调用

在函数执行前对函数进行检查。

标准库的functools.cache实现了函数缓存的功能。在函数第一次执行时,会正常执行。在函数使用相同参数执行第二次时,检测到函数已经执行过,会跳过执行函数,直接返回缓存值。

from functools import cache
@cache
def expensive_function(a, b):
    print("The expensive function runs")
    return a + b


expensive_function(1, 2)  # 第一次运行
expensive_function(1, 2)  # 相同参数第二次,函数不会执行

运行结果,函数只执行了一次:

The expensive function runs

这种思路在许多流行的框架经常出现:

  1. Django使用装饰器验证用户是否通过身份验证。如果通过验证,则返回正常的网页;否则返回登陆页面。
from django.contrib.auth.decorators import login_required
@login_required
def my_view(request): ...

# https://docs.djangoproject.com/en/5.0/topics/auth/default/#the-login-required-decorator
  1. 验证库 pydantic 提供了一个装饰器来检查函数输入。如果输入与类型提示匹配,则运行原始函数。如果没有,pydantics 会引发错误。
  1. call-throttle 是一个用于速率限制代码的库,它允许您将函数限制为每秒调用的次数。如果达到限制,则原始函数根本不会运行。下面是一个简化的实现:
import time
import functools

def basic_throttle(calls_per_second):
    def decorator(func):

        last_called = 0.0
        count = 0

        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            nonlocal last_called, count
            current_time = time.time()

            # Reset counter if new second
            if current_time - last_called >= 1:
                last_called = current_time
                count = 0

            # Enforce the limit
            if count < calls_per_second:
                count += 1
                return func(*args, **kwargs)

            return None

        return wrapper
    return decorator
>>> @basic_throttle(5)
... def send_alert():
...     print(f"Alert !")
...
... for i in range(10):
...     send_alert()
...     time.sleep(0.1)
...
Alert !
Alert !
Alert !
Alert !
Alert !

注册函数

存储函数的引用以便在后面使用。通常用于事件系统、模式匹配、路由等。

  1. doit-api 提供 decorar 来注册 doit 任务。如果从与其名称匹配的命令行运行任务,则稍后会调用修饰函数。
  1. Flask 的路由将 URL 路径与终结点相关联。当用户浏览 URL 时,关联的函数会生成网页。
@app.route('/')
def index():
    return 'Index Page'

@app.route('/hello')
def hello():
    return 'Hello, World'
  1. pytest 允许您使用装饰器定义夹具(fixtures)。如果编写带有夹具函数名称的测试参数,则会自动调用该参数,并将结果注入测试中。
import pytest


class Fruit:
    def __init__(self, name):
        self.name = name

    def __eq__(self, other):
        return self.name == other.name


@pytest.fixture
def my_fruit():
    return Fruit("apple")


@pytest.fixture
def fruit_basket(my_fruit):
    return [Fruit("banana"), my_fruit]


def test_my_fruit_in_basket(my_fruit, fruit_basket):
    assert my_fruit in fruit_basket

增强函数功能

我们希望让函数更强大一些,比如显示函数执行时间。

  1. tenacity 的装饰器将函数设置为在失败时重试。您可以指定异常、失败次数、重试前的延迟以及各种策略。对于自然会出现暂时性错误(如网络调用)的操作很有用。
  1. Fabric 使用装饰器来配置部署,例如告诉函数应在哪个主机上运行。然后,代码将在远处的计算机上运行,而不是在您的计算机上运行。
@hosts('user1@host1', 'host2', 'user2@host3')
def my_func():
    pass

相关文章
|
14天前
|
监控 测试技术 Python
颠覆传统!Python闭包与装饰器的高级实战技巧,让你的项目效率翻倍
【7月更文挑战第7天】Python的闭包与装饰器是强大的工具。闭包是能记住外部作用域变量的内部函数,常用于动态函数创建和工厂模式。例如,`make_power`返回含外部变量`n`的`power`闭包。装饰器则允许在不修改函数代码的情况下添加新功能,如日志或性能监控。`my_decorator`函数接收一个函数并返回包装后的函数,添加了前后处理逻辑。掌握这两者,可提升编程效率和灵活性。
24 3
|
10天前
|
算法 搜索推荐 编译器
算法高手养成记:Python快速排序的深度优化与实战案例分析
【7月更文挑战第11天】快速排序是编程基础,以O(n log n)时间复杂度和原址排序著称。其核心是“分而治之”,通过选择基准元素分割数组并递归排序两部分。优化包括:选择中位数作基准、尾递归优化、小数组用简单排序。以下是一个考虑优化的Python实现片段,展示了随机基准选择。通过实践和优化,能提升算法技能。**
13 3
|
10天前
|
人工智能 数据挖掘 大数据
爆赞!GitHub首本标星120K的Python程序设计人工智能案例手册
为什么要学习Python? Python简单易学,且提供了丰富的第三方库,可以用较少的代码完成较多的工作,使开发者能够专注于如何解决问题而只花较少的时间去考虑如何编程。此外,Python还具有免费开源、跨平台、面向对象、胶水语言等优点,在系统编程、图形界面开发、科学计算、Web开发、数据分析、人工智能等方面有广泛应用。尤其是在数据分析和人工智能方面,Python已成为最受开发者欢迎的编程语言之一,不仅大量计算机专业人员选择使用Python进行快速开发,许多非计算机专业人员也纷纷选择Python语言来解决专业问题。 由于Python应用广泛,关于Python的参考书目前已经有很多,但将Pytho
|
14天前
|
程序员 Python
从零到一,彻底掌握Python闭包与装饰器的精髓,成为编程界的隐藏Boss
【7月更文挑战第7天】探索Python编程的两大基石:闭包与装饰器。闭包是内部函数记住外部作用域的变量,如`make_multiplier_of`返回的`multiplier`,它保持对`n`的引用。装饰器则是函数工厂,接收函数并返回新函数,如`my_decorator`,它在不改变原函数代码的情况下添加日志功能。掌握这些,让代码更优雅,效率更高,助你成为编程高手。
19 3
|
14天前
|
程序员 Python
程序员必看!Python闭包与装饰器的高级应用,让你的代码更优雅、更强大
【7月更文挑战第7天】Python中的闭包和装饰器是高级特性,用于增强代码功能。闭包是内部函数记住外部作用域的变量,常用于动态函数和函数工厂。示例展示了`make_multiplier_of`返回记住n值的`multiplier`闭包。装饰器则是接收函数并返回新函数的函数,用于不修改原函数代码就添加功能。`my_decorator`装饰器通过`@`语法应用到`say_hello`函数上,展示了在调用前后添加额外行为的能力。这两种技术能提升代码的优雅性和效率。
20 3
|
14天前
|
Python
Python编程实战:利用闭包与装饰器优化日志记录功能
【7月更文挑战第7天】Python的闭包和装饰器简化了日志记录。通过定义如`log_decorator`的装饰器,可以在不修改原函数代码的情况下添加日志功能。当@log_decorator用于`add(x, y)`函数时,调用时自动记录日志。进一步,`timestamp_log_decorator`展示了如何创建特定功能的装饰器,如添加时间戳。这些技术减少了代码冗余,提高了代码的可维护性。
17 1
|
1天前
|
缓存 测试技术 Python
Python中的装饰器详解与应用
在Python编程中,装饰器是一种强大的工具,它可以让我们在不修改函数代码的情况下,增加额外的功能和逻辑。本文将深入探讨装饰器的工作原理、常见应用场景以及如何自定义装饰器,帮助读者更好地理解和利用Python中这一重要的编程技术。
|
7天前
|
缓存 测试技术 Python
Python中的装饰器:优雅地增强函数功能
在Python编程中,装饰器是一种强大的工具,它能够在不改变函数本身的情况下,动态地增强其功能。本文将深入探讨装饰器的工作原理、常见用法以及如何利用装饰器提高代码的可重用性和可维护性。
|
9天前
|
UED Python
Python装饰器怎么做重试机制
**使用Python装饰器实现的重试机制**简化了对可能出现临时故障的函数的处理,增强系统稳定性和用户体验。文中提供了一个简单的装饰器示例,允许在达到最大重试次数前,按设定间隔自动重试失败的函数调用。这种机制在分布式系统、网络通信中尤为重要,可应对网络波动、资源紧张等问题,避免服务中断。通过添加`@retry`装饰器,无需大量修改代码即可为函数添加重试功能。
|
14天前
|
测试技术 Python
Python中的装饰器详解与应用
在Python编程中,装饰器是一种强大的工具,它可以优雅地修改函数或类的行为。本文将深入探讨装饰器的概念、语法结构及其在实际开发中的应用场景,帮助读者更好地理解和利用这一Python的高级特性。