文中知识点和代码示例学习自慕课网，python进阶部分（http://www.imooc.com/learn/317） .学习笔记
装饰器的理解：
装饰器本质上是一个高阶函数，接受一个函数，进行处理，然后返回一个新的函数。
# 有一个简单的函数
def f1(x):
return x * 2
print f1(5)
#输出：10
# 实现运行该函数时，输出该函数的名称的日志功能
# 法一：直接在函数中写出，好理解，但是如果函数很多，那每个函数都要加一遍
def f1(x):
print "call " + f1.__name__ + "().."
return x*2
print f1(5)
#输出：
#call f1()..
#10
# 法二：使用装饰器，创建装饰器函数
def flog(f): #定义装饰器函数，接受参数是 f 函数
def fn(x): #定义新的函数，来处理 f 函数，添加我们需要的日志信息，并返回 f 函数，参数 x 是 f1 的参数，如果 f1 函数有多个，这边也要写多个，要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用
print "call " + f.__name__ + "().."
return f(x) #执行原 f 函数
return fn #返回新的函数
# 调用装饰器，效果和 g1 = flog(f1);print g1(5) 一致。
@flog
def f1(x):
return x * 2
print f1(5)
#输出：
#call f1()..
#10
注： 上边f1(x)只接受一个函数，如果接受两个函数就会报错，要让 @flog 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用
例：计算函数调用的时间可以记录调用前后的当前时间戳，然后计算两个时间戳的差。
import time
# 定义装饰器
def performance(f):
def fn(*args, **kw): #可以接受任意参数
t1 = time.time() #记录执行前的时间
r = f(*args, **kw) #执行原函数，并保存执行结果到变量 r 中
t2 = time.time() #记录执行结束后的时间
print 'call %s() in %fs' % (f.__name__, (t2 - t1)) #添加自定义输出内容
return r #返回原函数的执行结果
return fn #返回新函数
#调用装饰器
@performance
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
带参数的装饰器
上边的实现的装饰器函数，只能输出固定的内容，除了f.__name__所定义的函数名称。如果想要根据函数的不同来给输出的日志划分等级的，如 a 函数日志等级为info，b 函数日志等级为debug，这里需要用到带参数的装饰器。如:
@log('DEBUG')
def my_func():
pass
@log('DEBUG')等于之前无参数的装饰器的@log，即@log('DEBUG')这个返回的函数相当于之前无参数装饰器的@log。所以要在无参数的装饰器上层再加一个函数的嵌套。
例：输出日志等级
#coding=utf-8
"""
带参数的装饰器,写三层嵌套的函数
"""
def flog(devel): # 定义带参数的装饰器.
def log_decorator(f): #和无参数的装饰器相同
def add_self(*args,**kwargs): #添加输出的日志，执行f函数
print "[%s],call %s().." % (devel,f.__name__)
return f(*args,**kwargs)
return add_self
return log_decorator #返回给flog("INFO")
@flog("INFO")
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
"""
输出
[INFO],call factorial()..
3628800
"""
例2：上一节的@performance只能打印秒，请给@performace增加一个参数，允许传入's'或'ms'：
import time
def performance(unit):s
def perf_decorator(f):
def wrapper(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)
print 'call %s() in %f %s' % (f.__name__, t, unit)
return r
return wrapper
return perf_decorator
@performance('ms')
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
完善装饰器
经过@decorator“改造”后的函数，和原函数相比会有不同的地方，如：
# 在没有decorator的情况下，打印函数名：
def f1(x):
pass
print f1.__name__
#输出：f1
# 有decorator的情况下，再打印函数名：
def log(f):
def wrapper(*args, **kw):
print 'call...'
return f(*args, **kw)
return wrapper
@log
def f2(x):
pass
print f2.__name__
#输出：wrapper
可见，由于decorator返回的新函数函数名已经不是'f2'，而是@log内部定义的'wrapper'。这对于那些依赖函数名的代码就会失效。decorator还改变了函数的__doc__等其它属性。如果要让调用者看不出一个函数经过了@decorator的“改造”，就需要把原函数的一些属性复制到新函数中。
Python内置的functools可以用来自动化完成这个“复制”的任务：
import functools
def log(f):
@functools.wraps(f) #增加该行
def wrapper(*args, **kw):
print 'call...'
return f(*args, **kw)
return wrapper
最后需要指出，由于我们把原函数签名改成了(*args, **kw)，因此，无法获得原函数的原始参数信息。即便我们采用固定参数来装饰只有一个参数的函数
例：该方法使用到上节的例子中
import time, functools
def performance(unit):
def perf_decorator(f):
@functools.wraps(f)
def wrapper(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)
print 'call %s() in %f %s' % (f.__name__, t, unit)
return r
return wrapper
return perf_decorator
@performance('ms')
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
print factorial.__name__
