Python多装饰器执行顺序总结

简介: Python多装饰器是从外到内执行的,再执行被装饰的函数。当然这只是在装饰器中的闭包函数的运行顺序,如果在装饰器函数和闭包函数之前有代码,那运行起来又不一样,具体看下面的例子。

先给出结论:

Python多装饰器是从外到内执行的,再执行被装饰的函数。当然这只是在装饰器中的闭包函数的运行顺序,如果在装饰器函数和闭包函数之前有代码,那运行起来又不一样,具体看下面的例子。


情况1


例如:

# -*- coding:utf-8 -*-
def decorator_a(func):
    def inner_a(*args, **kwargs):
        print 'Get in inner_a'
        return func(*args, **kwargs)
    return inner_a
def decorator_b(func):
    def inner_b(*args, **kwargs):
        print 'Get in inner_b'
        return func(*args, **kwargs)
    return inner_b
@decorator_b
@decorator_a
def f(x):
    print 'Get in f'
    return x * 2
f(1)

上面代码的运行结果为:

Get in inner_b
Get in inner_a
Get in f

由此可见,是先运行的decorator_b,再运行的decorator_a,最后运行的被装饰函数f(x)

这是因为decorator_a装饰器先return 了inner_a, 而decorator_b后面又把inner_a装饰了,最终整个暴露在外面的是inner_b,所以显示inner_b先运行,最终的效果看起来就是装饰器decorator_b先运行。实际上代码在机器上跑的时候是先跑的decorator_a函数,再跑的decorator_b函数


情况2


代码如下:

# -*- coding:utf-8 -*-
def decorator_a(func):
    print 'Get in decorator_a'
    def inner_a(*args, **kwargs):
        print 'Get in inner_a'
        return func(*args, **kwargs)
    return inner_a
def decorator_b(func):
    print 'Get in decorator_b'
    def inner_b(*args, **kwargs):
        print 'Get in inner_b'
        return func(*args, **kwargs)
    return inner_b
@decorator_b
@decorator_a
def f(x):
    print 'Get in f'
    return x * 2
f(1)

上面代码运行的结果为:

Get in decorator_a
Get in decorator_b
Get in inner_b
Get in inner_a
Get in f

现在的结果和情况1得出的运行顺序结论不一致了,在每个装饰器中,装饰器函数和内层的闭包函数之间的代码是先运行的decorator_a 再运行的decorator_b。这和情况1的结论恰好相反。代码位置不同,运行的顺序也不。同。

再看一种情况


情况3


# -*- coding:utf-8 -*-
def decorator_a(func):
    print 'Get in decorator_a'
    def inner_a(*args, **kwargs):
        print 'Get in inner_a'
        return func(*args, **kwargs)
    return inner_a
def decorator_b(func):
    print 'Get in decorator_b'
    def inner_b(*args, **kwargs):
        print 'Get in inner_b'
        return func(*args, **kwargs)
    return inner_b
@decorator_b
@decorator_a
def f(x):
    print 'Get in f'
    return x * 2

与情况2相比,这里没有对函数f进行调用,去掉了情况2中的f(1)这一行代码。只是声明了被装饰器装饰的函数f(x),但是没有进行调用。但是运行上面的代码是有结果输出的。结果如下:

Get in decorator_a
Get in decorator_b

可看到只运行了装饰器函数和内层闭包函数之间的代码。为什么会这样呢。那是因为在装饰器中的内层闭包函数被return了,而装饰器也相当于是函数调用,只是闭包的函数需要在最后被return出来,在调用被装饰函数f(x)时,装饰其中return的inner_a和inner_b才会被执行。return一个函数的名字,这个函数是没有被执行的,函数名带有括号和参数才会去执行,没有带括号的函数名只是一个对象而已,没有被执行。

因此上面inner函数和装饰器函数之间的代码会执行,及时不调用被装饰的f(x)函数


小tips


def decorator_a(func):
    print 'Get in decorator_a'
    def inner_a(*args, **kwargs):
        print 'Get in inner_a'
        print "in a, args ", args
        print "in a, kwargs ", kwargs
        kwargs.update({"params": "1234"})
        return func(*args, **kwargs)
    return inner_a
def decorator_b(func):
    print 'Get in decorator_b'
    def inner_b(*args, **kwargs):
        print 'Get in inner_b'
        print "in b, args ", args
        print "in b, kwargs ", kwargs
        return func(*args, **kwargs)
    return inner_b
@decorator_b
@decorator_a
def f(x, params):
    print 'Get in f'
    print "params: ", params
    return x * 2
f(*(1, ))

上面代码运行的结果如下:

Get in decorator_a
Get in decorator_b
Get in inner_b
in b, args  (1,)
in b, kwargs  {}
Get in inner_a
in a, args  (1,)
in a, kwargs  {}
Get in f
params:  1234

上面运用的小tips是在装饰器中给被装饰的函数加参数,定义函数f时,他有两个参数,但是在调用他时。f(*(1, ))是只传了一个参数。

在decorator_b中给kwargs字典加了一个key为params的字典,这样就能在函数f中使用这个params,虽然在调用f的地方没有传这个参数。

这个tips可以用在flask中@route装饰器的下面,能用一个装饰器对flask请求的参数进行合法验证检查。

例如:

@app.route("/index/<name>/test")
@parse_params
def test(name, params):
    return "hello world"

test函数有两个参数:name和params。其中name这个是url中的变量,flask会帮助处理。对于params参数,可以在装饰器parse_params中对request.args做一些校验后生成一个params字典加在装饰器parse_params的闭包函数参数的kwargs中,类似于上面的那个例子。

这个用在flask中能用完全在于,flask中调用我们注册的def test函数是这样处理的:

self.view_functions[rule.endpoint](**req.view_args)

 

上面传的参数就是**req.view_args的形式传的。这种是不定参数的传法

目录
相关文章
|
2月前
|
开发者 Python
探索Python中的装饰器:从基础到高级应用
本文将带你深入了解Python中的装饰器,这一强大而灵活的工具。我们将一起探讨装饰器的基本概念,它们如何工作,以及如何使用它们来增强函数和类的功能,同时不改变其核心逻辑。通过具体代码示例,我们将展示装饰器的创建和使用,并探索一些高级应用,比如装饰器堆栈和装饰带参数的装饰器。无论你是初学者还是有经验的开发者,这篇文章都将为你提供新的视角,帮助你更有效地使用装饰器来简化和优化你的代码。
|
2月前
|
测试技术 数据安全/隐私保护 开发者
探索Python中的装饰器:从基础到高级应用
装饰器在Python中是一个强大且令人兴奋的功能,它允许开发者在不修改原有函数代码的前提下增加额外的功能。本文将通过具体代码示例,带领读者从装饰器的基础概念入手,逐步深入到高级用法,如带参数的装饰器和装饰器嵌套等。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。
|
2月前
|
开发框架 数据建模 中间件
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
55 6
|
27天前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
103 61
Python装饰器实战:打造高效性能计时工具
|
27天前
|
设计模式 前端开发 Shell
Python装饰器是什么?
装饰器是Python中用于动态修改函数、方法或类功能的工具,无需改变原代码。通过将函数作为参数传递并返回新函数,装饰器可以在原函数执行前后添加额外逻辑。例如,使用`@logger`装饰器可以打印函数调用日志,而`@timethis`则可用于计算函数执行时间。为了保持被装饰函数的元信息(如`__name__`和`__doc__`),可使用`functools.wraps`装饰器。此外,带参数的装饰器可通过嵌套函数实现,如`@timeitS(2)`,以根据参数条件输出特定信息。
85 59
|
2月前
|
缓存 数据安全/隐私保护 Python
python装饰器底层原理
Python装饰器是一个强大的工具,可以在不修改原始函数代码的情况下,动态地增加功能。理解装饰器的底层原理,包括函数是对象、闭包和高阶函数,可以帮助我们更好地使用和编写装饰器。无论是用于日志记录、权限验证还是缓存,装饰器都可以显著提高代码的可维护性和复用性。
45 5
|
2月前
|
测试技术 Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界中,装饰器是那些能够为我们的代码增添魔力的小精灵。它们不仅让代码看起来更加优雅,还能在不改变原有函数定义的情况下,增加额外的功能。本文将通过生动的例子和易于理解的语言,带你领略装饰器的奥秘,从基础概念到实际应用,一起开启Python装饰器的奇妙旅程。
55 11
|
2月前
|
测试技术 开发者 Python
探索Python中的装饰器:从入门到实践
装饰器,在Python中是一块强大的语法糖,它允许我们在不修改原函数代码的情况下增加额外的功能。本文将通过简单易懂的语言和实例,带你一步步了解装饰器的基本概念、使用方法以及如何自定义装饰器。我们还将探讨装饰器在实战中的应用,让你能够在实际编程中灵活运用这一技术。
49 7
|
2月前
|
Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!
|
2月前
|
程序员 测试技术 数据安全/隐私保护
深入理解Python装饰器:提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例,帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要,本文将以一个实际的软件开发场景引入,逐步揭示装饰器如何优化代码结构,提高开发效率和代码质量。
73 6