Python @函数装饰器

提示信息

韦诚辉

10月09日发表在 Python 面向对象编程语言阅读 250 评论 20 | 免费使用 “AI大模型GPT4.0” 提问

在Python中，函数装饰器是一种可以修改其他函数功能的函数。它们是Python语言的一项强大功能，可以用于修改、扩展或包装其他函数的行为，而无需对其作出任何实际更改。

函数装饰器的语法是在函数定义之前使用@符号，紧跟着装饰器函数的调用。装饰器函数接受要装饰的函数作为参数，并返回一个新函数，通常是一个闭包。

下面是一个简单的例子，展示了如何使用函数装饰器：

def decorator(func):  
    def wrapper():  
        print("Before function execution")  
        func()  
        print("After function execution")  
    return wrapper  
@decorator  
def say_hello():  
    print("Hello!")  
say_hello()

输出：

Before function execution  
Hello!  
After function execution

在这个例子中，decorator函数是一个装饰器函数，它接受一个函数作为参数，并返回一个内部函数wrapper。wrapper函数在调用被装饰的函数之前和之后打印一条消息。

使用@decorator语法，我们将say_hello函数装饰成为decorator(say_hello)的结果。

这样，当我们调用say_hello函数时，实际上是调用了wrapper函数，从而实现了在函数执行之前和之后执行额外的操作。

函数装饰器可以实现许多有用的功能，比如缓存结果、记录日志、检查参数等。它们提供了一种灵活的方式来修改函数的行为，而不会直接修改函数的定义。

遇到难题？ "AI大模型GPT4.0、GPT" 是你的私人解答专家！点击按钮去提问......

韦诚辉赞 | 0

最近一次登录：2024-10-26 17:07:28

暂时还没有签名，请关注我或评论我的文章

20条评论

按时间正序按时间倒序按喜欢排序

海星

10月11日

装饰器使代码更整洁，易于添加功能。非常实用！

赞 0 回复举报

蜡烛： @海星

装饰器的确是Python编程中非常优雅的特性，让添加功能变得简单而清晰。可以考虑使用装饰器来记录函数执行时间，这在性能优化时会非常有用。下面是一个简单的示例：

import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} executed in {end_time - start_time:.4f} seconds")
        return result
    return wrapper

@timing_decorator
def sample_function(n):
    total = 0
    for i in range(n):
        total += i
    return total

sample_function(1000000)

在这个例子中，timing_decorator 装饰器可以轻松获取被装饰函数的执行时间，而不需要在函数内部添加额外的代码。这样的做法不仅提升了代码的可读性，也增强了功能的复用性。

对于想深入学习装饰器的朋友，可以参考这篇文章来获取更详细的知识。

11月14日回复举报

添加新评论

我心

10月16日

装饰器在日志记录、性能监控等方面是极佳的选择。例子简洁易懂，建议更多深入分析，比如参数化装饰器。

赞 0 回复举报

张狂的风： @我心

装饰器在提高代码可读性和复用性方面确实非常有效，尤其是在处理横切关注点如日志和性能监控时。再深入探讨一下参数化装饰器的概念，或许能更好地满足特定需求。

例如，可以创建一个参数化的装饰器，用于执行时间记录：

import time
from functools import wraps

def timeit(unit='s'):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            start = time.time()
            result = func(*args, **kwargs)
            end = time.time()
            duration = end - start
            if unit == 'ms':
                duration *= 1000
            print(f"Execution time: {duration:.4f} {unit}")
            return result
        return wrapper
    return decorator

@timeit(unit='ms')
def example_function():
    total = 0
    for i in range(1000):
        total += i
    return total

example_function()

通过将执行时间的单位作为装饰器的参数，使用者可以更加灵活地控制输出。这种设计模式在整个项目中都可以使用，提升了代码的一致性与可维护性。

深入了解参数化装饰器的最佳实践，推荐参考这篇文章：Parameterized Decorators in Python 。

11月10日回复举报

添加新评论

黎巴嫩

10月28日

解释非常清晰，装饰器能够在不改变原函数的情况下，添加额外功能，非常简明。

赞 0 回复举报

天津上空的鹰： @黎巴嫩

装饰器的确是一个让人激动的功能，让 Python 的函数处理更加灵活。通过装饰器，可以很轻松地在原函数的前后添加额外的行为，而无需修改原始代码。比如，下面这个简单的示例展示了如何使用装饰器来记录函数的执行时间：

import time

def timer_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"函数 {func.__name__} 执行时间: {end_time - start_time:.4f}秒")
        return result
    return wrapper

@timer_decorator
def example_function(n):
    time.sleep(n)
    return "完成"

# 调用示例
example_function(2)

这个例子中，timer_decorator 装饰器在 example_function 执行前后记录了执行时间，这样在不修改 example_function 的情况下就增加了新的功能。装饰器的使用场景非常广泛，例如实现缓存、权限验证、输入校验等功能。

如果有兴趣了解更多关于 Python 装饰器的使用案例和技巧，可以参考 Real Python 上的相关内容，提供了深入浅出的介绍和示例，希望对进一步的学习有所帮助。

11月12日回复举报

添加新评论

韦永怿

11月02日

在实际项目中常用，像校验输入或输出，感谢提供的代码示例！

赞 0 回复举报

烟圈： @韦永怿

在实际开发中，函数装饰器确实是一种强大的工具，能够简化代码的同时提高其可读性。例如，在进行输入校验时，可以通过装饰器对调用函数的参数进行验证，避免冗余代码。以下是一个简单的示例：

def validate_input(func):
    def wrapper(*args, **kwargs):
        if not all(isinstance(arg, int) for arg in args):
            raise ValueError("All arguments must be integers")
        return func(*args, **kwargs)
    return wrapper

@validate_input
def add(a, b):
    return a + b

# 下面的调用将会正常工作
print(add(3, 5))  # 输出: 8

# 下面的调用将引发 ValueError
# print(add(3, '5'))

使用装饰器可以极大地减少重复的输入校验代码。同时，也能够将校验逻辑与业务逻辑分离，提高代码的模块性。关于函数装饰器的更多探讨，可以参考 Python Decorators - Real Python，提供了大量示例和深入的解释，有助于理解其在实际应用中的重要性。

11月14日回复举报

添加新评论

无门有缘

11月12日

装饰器的使用让代码逻辑更分明，尤其适用于大型项目翻新或扩展，推荐参考：https://realpython.com/primer-on-python-decorators/

赞 0 回复举报

刺眼： @无门有缘

装饰器在 Python 中的确是一个非常强大的特性，通过它可以简化许多常见任务。在大型项目中，合理使用装饰器能够提升代码的可读性和可维护性。例如，记录函数执行时间或访问日志都是很好的装饰器应用场景。以下是一个简单的装饰器示例，可以用来计算函数的执行时间：

import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f'Function {func.__name__} executed in {end_time - start_time:.4f} seconds')
        return result
    return wrapper

@timing_decorator
def some_heavy_computation(n):
    total = sum(i * i for i in range(n))
    return total

some_heavy_computation(1000000)

这种方法不仅让我们能够跟踪函数的性能，还是封装增强功能的好方法。可以考虑深入研究更多的装饰器应用，比如缓存、权限验证等，可以参考这个 Python Decorators Documentation。这样一来，掌握装饰器的使用，对于提升项目效率和代码整洁度都大有裨益。

11月13日回复举报

添加新评论

墩子

11月16日

本文展示了装饰器的基本用法，但对于初学者还需要更多例子以巩固理解，比如类装饰器和参数装饰器。

赞 0 回复举报

海风吹： @墩子

装饰器在Python中确实是一个颇具魅力的功能。理解它的基本用法固然重要，但深入到类装饰器和带参数的装饰器，能够更全面地掌握这一特性。

例如，下面是一个简单的参数装饰器示例，用于控制函数的执行时间：

import time

def timeit(repeat: int):
    def decorator(func):
        def wrapper(*args, **kwargs):
            total_time = 0
            for _ in range(repeat):
                start_time = time.time()
                func(*args, **kwargs)
                total_time += (time.time() - start_time)
            avg_time = total_time / repeat
            print(f"{func.__name__} executed in {avg_time:.4f} seconds on average over {repeat} repeats.")
        return wrapper
    return decorator

@timeit(repeat=3)
def example_func():
    sum(range(10000))

example_func()

在这个示例中，timeit 函数接收一个参数 repeat，并返回一个装饰器，而该装饰器会计算函数多次调用的平均执行时间。这种方式能够帮助大家更好地理解装饰器是如何增强功能的。

对于类装饰器，可以参考以下基本示例，这有助于了解装饰器在OOP中的应用：

def class_decorator(cls):
    cls.extra_attribute = "This is an added attribute"
    return cls

@class_decorator
class MyClass:
    pass

obj = MyClass()
print(obj.extra_attribute)  # Output: This is an added attribute

展示这些例子能够更好地帮助初学者理解装饰器的灵活性与强大之处，建议访问 Real Python 来获取更全面的理解与示例。

11月10日回复举报

添加新评论

雁过留香

11月18日

代码示例简单易懂，建议添加复杂案例，如带参数装饰器： python def decorator_with_args(arg1): def decorator(func): def wrapper(*args, **kwargs): print(f'Argument: {arg1}') return func(*args, **kwargs) return wrapper return decorator

赞 0 回复举报

残凋黄： @雁过留香

对于带参数的装饰器的讨论，很有意思，确实可以通过这种方式增强装饰器的灵活性和可重用性。除了你提到的代码示例，另外可以考虑添加一个实际应用场景，例如结合日志记录功能来跟踪函数调用的次数。

以下是一个示例，展示如何创建一个带参数的装饰器来记录函数调用次数：

def count_calls(count):
    def decorator(func):
        def wrapper(*args, **kwargs):
            wrapper.calls += 1
            print(f"Function '{func.__name__}' has been called {wrapper.calls} times.")
            return func(*args, **kwargs)
        wrapper.calls = 0
        return wrapper
    return decorator

@count_calls(1)
def say_hello():
    print("Hello!")

say_hello()
say_hello()

在这个示例中，count_calls 是一个装饰器工厂，接受一个参数 count，虽然目前没有实际用到，但可以根据需要进行扩展。对功能的实际使用可以使得代码更加生动，也能帮助他人更好地理解装饰器的强大之处。

可以参考更多关于 Python 装饰器的内容，例如 Real Python 的装饰器教程，增加对装饰器使用场景的理解。

11月17日回复举报

添加新评论

悲欢

11月22日

容易理解的例子！装饰器允许开发者在原函数外部“包裹”功能，增加灵活性和可扩展性。

赞 0 回复举报

凄凉： @悲欢

很高兴看到关于函数装饰器的讨论，这个主题确实充满了灵活性和潜力。装饰器不仅可以用于日志记录、权限校验等场景，还能通过参数化装饰器实现更复杂的需求。

例如，假设我们想向一个函数添加执行时间的记录，可以这样实现：

import time

def time_logger(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"Function '{func.__name__}' executed in {end_time - start_time:.2f} seconds.")
        return result
    return wrapper

@time_logger
def example_function():
    time.sleep(2)
    print("Function is running.")

example_function()

在这个示例中，我们创建了一个名为 time_logger 的装饰器，它记录了被装饰函数的执行时间。使用该装饰器后，可以轻松获得函数的性能信息，而无需在每个函数内部添加重复代码。

还有很多关于装饰器的技巧和用法，可以参考这篇更深入的文章：Python Decorators - Real Python。希望能引发更多关于装饰器的探讨！

11月18日回复举报

添加新评论

释迦侔尼

11月28日

装饰器极大提升了代码复用性，尤其在跨模块功能实现中显著，例子展示了一种优化代码结构的方法。

赞 0 回复举报

错误： @释迦侔尼

装饰器的确是提升代码复用性的利器，尤其在处理跨模块时效果尤为突出。通过装饰器，我们可以在不修改原函数的情况下，添加额外的功能，这样可以避免重复代码。

例如，假设我们需要在多个函数中记录日志，可以使用装饰器实现：

import logging

def log_decorator(func):
    def wrapper(*args, **kwargs):
        logging.info(f'Executing {func.__name__} with arguments: {args}, {kwargs}')
        return func(*args, **kwargs)
    return wrapper

@log_decorator
def my_function(x, y):
    return x + y

result = my_function(5, 3)

在这个例子中，任何使用了 @log_decorator 的函数在执行时都会自动记录日志，而不必在每个函数中重复添加日志代码。这样既提升了代码的结构和可读性，又实现了功能的复用。

另外，想了解更多关于装饰器的应用，可以参考这个链接：Python Decorators - Real Python。这篇文章提供了更全面的装饰器用法和实践示例，值得一读。

11月20日回复举报

添加新评论

安于现状

12月10日

装饰器是编写可复用和可维护代码的良好工具，本文示例适合Python初学者。

赞 0 回复举报

梦醒： @安于现状

装饰器在Python中确实是一个强大的工具，能够提升代码的可复用性与可维护性。以日志记录为例，使用装饰器可以轻松添加日志功能，而不需要重复代码。例如，可以定义一个简单的日志装饰器：

def log_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__} with arguments: {args} {kwargs}")
        result = func(*args, **kwargs)
        print(f"{func.__name__} returned: {result}")
        return result
    return wrapper

@log_decorator
def add(a, b):
    return a + b

# 测试
add(2, 3)

在这个示例中，log_decorator 会记录每次函数调用的参数以及返回值，使用起来既方便又直观。不仅减少了代码重复，同时提高了代码可读性。

另外，如果对装饰器有更深入的兴趣，可以参考 RealPython上的装饰器教程。深入了解装饰器的细节和应用方式，将会帮助更好地利用Python的这些特性。

11月10日回复举报

添加新评论

免费图表工具，画流程图、架构图

Python @函数装饰器

举报评论

删除

删除后，将不可回复，确认要删除？

提示

复制代码，请先登录