装饰器

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

  1. >>> def now():
  2. ...     print '2013-12-25'
  3. ...
  4. >>> f = now
  5. >>> f()
  6. 2013-12-25

函数对象有一个name属性，可以拿到函数的名字：

  1. >>> now.__name__
  2. 'now'
  3. >>> f.__name__
  4. 'now'

现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

  1. def log(func):
  2.     def wrapper(*args, **kw):
  3.         print 'call %s():' % func.__name__
  4.         return func(*args, **kw)
  5.     return wrapper

观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：

  1. @log
  2. def now():
  3.     print '2013-12-25'

调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：

  1. >>> now()
  2. call now():
  3. 2013-12-25

把@log放到now()函数的定义处，相当于执行了语句：

  1. now = log(now)

由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。

wrapper()函数的参数定义是(args, *kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

  1. def log(text):
  2.     def decorator(func):
  3.         def wrapper(*args, **kw):
  4.             print '%s %s():' % (text, func.__name__)
  5.             return func(*args, **kw)
  6.         return wrapper
  7.     return decorator

这个3层嵌套的decorator用法如下：

  1. @log('execute')
  2. def now():
  3.     print '2013-12-25'

执行结果如下：

  1. >>> now()
  2. execute now():
  3. 2013-12-25

和两层嵌套的decorator相比，3层嵌套的效果是这样的：

  1. >>> now = log('execute')(now)

我们来剖析上面的语句，首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。

以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有name等属性，但你去看经过decorator装饰之后的函数，它们的name已经从原来的'now'变成了'wrapper'：

  1. >>> now.__name__
  2. 'wrapper'

因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的name等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。

不需要编写wrapper.name = func.name这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：

  1. import functools
  3. def log(func):
  4.     @functools.wraps(func)
  5.     def wrapper(*args, **kw):
  6.         print 'call %s():' % func.__name__
  7.         return func(*args, **kw)
  8.     return wrapper

或者针对带参数的decorator：

  1. import functools
  3. def log(text):
  4.     def decorator(func):
  5.         @functools.wraps(func)
  6.         def wrapper(*args, **kw):
  7.             print '%s %s():' % (text, func.__name__)
  8.             return func(*args, **kw)
  9.         return wrapper
  10.     return decorator

import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。

小结

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

请编写一个decorator，能在函数调用的前后打印出'begin call'和'end call'的日志。

再思考一下能否写出一个@log的decorator，使它既支持：

  1. @log
  2. def f():
  3.     pass

又支持：

  1. @log('execute')
  2. def f():
  3.     pass

原文: https://wizardforcel.gitbooks.io/liaoxuefeng/content/py2/31.html