基本概念

具体概念请先看之前的文章

装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能测试、事务处理, Web权限校验, Cache等。

很有名的例子，就是咖啡，加糖的咖啡，加牛奶的咖啡。本质上，还是咖啡，只是在原有的东西上，做了“装饰”，使之附加一些功能或特性。

例如记录日志，需要对某些函数进行记录

笨的办法，每个函数加入代码，如果代码变了，就悲催了

装饰器的办法，定义一个专门日志记录的装饰器，对需要的函数进行装饰，搞定

优点

抽离出大量函数中与函数功能本身无关的雷同代码并继续重用

即，可以将函数“修饰”为完全不同的行为，可以有效的将业务逻辑正交分解，如用于将权限和身份验证从业务中独立出来

概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能

Python中的装饰器

在Python中，装饰器实现是十分方便的

原因是：函数可以被扔来扔去。

函数作为一个对象：

A.可以被赋值给其他变量，可以作为返回值B.可以被定义在另外一个函数内

def:

装饰器是一个函数,一个用来包装函数的函数，装饰器在函数申明完成的时候被调用，调用之后返回一个修改之后的函数对象，将其重新赋值原来的标识符，并永久丧失对原始函数对象的访问(申明的函数被换成一个被装饰器装饰过后的函数)

当我们对某个方法应用了装饰方法后， 其实就改变了被装饰函数名称所引用的函数代码块入口点，使其重新指向了由装饰方法所返回的函数入口点。

由此我们可以用decorator改变某个原有函数的功能，添加各种操作，或者完全改变原有实现

分类：

装饰器分为无参数decorator，有参数decorator

* 无参数decorator生成一个新的装饰器函数* 有参decorator有参装饰，装饰函数先处理参数，再生成一个新的装饰器函数，然后对函数进行装饰

装饰器有参/无参，函数有参/无参，组合共4种

具体定义：

decorator方法

A.把要装饰的方法作为输入参数，

B.在函数体内可以进行任意的操作(可以想象其中蕴含的威力强大，会有很多应用场景)，

C.只要确保最后返回一个可执行的函数即可（可以是原来的输入参数函数， 或者是一个新函数）

无参数装饰器 – 包装无参数函数

不需要针对参数进行处理和优化

def decorator(func):    print "hello"    return func@decoratordef foo():    passfoo()

foo()等价于:

foo = decorator(foo)foo()

无参数装饰器 – 包装带参数函数

def decorator_func_args(func):    def handle_args(*args, **kwargs): #处理传入函数的参数        print "begin"        func(*args, **kwargs)   #函数调用        print "end"    return handle_args@decorator_func_argsdef foo2(a, b=2):    print a, bfoo2(1)

foo2(1)等价于

foo2 = decorator_func_args(foo2)foo2(1)

带参数装饰器 – 包装无参数函数

def decorator_with_params(arg_of_decorator):#这里是装饰器的参数    print arg_of_decorator    #最终被返回的函数    def newDecorator(func):         print func        return func    return newDecorator@decorator_with_params("deco_args") #注意装饰器参数是这时候使用的def foo3():    passfoo3()

与前面的不同在于：比上一层多了一层封装，先传递参数，再传递函数名

第一个函数decomaker是装饰函数，它的参数是用来加强“加强装饰”的。由于此函数并非被装饰的函数对象，所以在内部必须至少创建一个接受被 装饰函数的函数，然后返回这个对象（实际上此时foo3= decorator_with_params(arg_of_decorator)(foo3)）

带参数装饰器– 包装带参数函数

def decorator_whith_params_and_func_args(arg_of_decorator):    def handle_func(func):        def handle_args(*args, **kwargs):            print "begin"            func(*args, **kwargs)            print "end"            print arg_of_decorator, func, args,kwargs        return handle_args    return handle_func@decorator_whith_params_and_func_args("123")def foo4(a, b=2):    print "Content"foo4(1, b=3)

　　实际上此时foo3= decorator_with_params(arg_of_decorator)(foo4)

内置装饰器

内置的装饰器有三个：staticmethod,classmethod, property

class A():    @staticmethod    def test_static():        print "static"    def test_normal(self):        print "normal"    @classmethod    def test_class(cls):        print "class", clsa = A()A.test_static()a.test_static()a.test_normal()a.test_class()

结果：

staticstaticnormalclass __main__.A

A.test_static

staticmethod 类中定义的实例方法变成静态方法

基本上和一个全局函数差不多(不需要传入self，只有一般的参数)，只不过可以通过类或类的实例对象来调用，不会隐式地传入任何参数。

类似于静态语言中的静态方法

B.test_normal

普通对象方法：普通对象方法至少需要一个self参数，代表类对象实例

C.test_class

类中定义的实例方法变成类方法

classmethod需要传入类对象，可以通过实例和类对象进行调用。

是和一个class相关的方法，可以通过类或类实例调用，并将该class对象（不是class的实例对象）隐式地当作第一个参数传入。

就这种方法可能会 比较奇怪一点，不过只要你搞清楚了python里class也是个真实地存在于内存中的对象，而不是静态语言中只存在于编译期间的类型，就好办了。正常的 方法就是和一个类的实例对象相关的方法，通过类实例对象进行调用，并将该实例对象隐式地作为第一个参数传入，这个也和其它语言比较像。

D.区别

staticmethod，classmethod相当于全局方法，一般用在抽象类或父类中。一般与具体的类无关。

类方法需要额外的类变量cls，当有子类继承时，调用类方法传入的类变量cls是子类，而不是父类。

类方法和静态方法都可以通过类对象和类的实例对象访问

定义方式，传入的参数，调用方式都不相同。

E.property

对类属性的操作，类似于java中定义getter/setter

class B():    def __init__(self):        self.__prop = 1    @property    def prop(self):        print "call get"        return self.__prop    @prop.setter    def prop(self, value):        print "call set"        self.__prop = value    @prop.deleter    def prop(self):        print "call del"        del self.__prop

其他

A.装饰器的顺序很重要，需要注意

@A@B@Cdef f ():   ...

等价于

f = A(B(C(f)))

B.decorator的作用对象可以是模块级的方法或者类方法

C.functools模块提供了两个装饰器。这个模块是Python 2.5后新增的。

functools.wraps(func)total_ordering(cls)这个具体自己去看吧，后续用到了再补充

一个简单例子

通过一个变量，控制调用函数时是否统计时间

#!/usr/bin/env python# -*- coding:utf-8 -*-#@author: wklken@yeah.net#@version: a test of decorator#@date: 20121027#@desc: just a testimport loggingfrom time import timelogger = logging.getLogger()logger.setLevel(logging.DEBUG)is_debug = Truedef count_time(is_debug):    def  handle_func(func):        def  handle_args(*args, **kwargs):            if is_debug:                begin = time()                func(*args, **kwargs)                logging.debug( "[" + func.__name__ + "] -> " + str(time() - begin) )            else:                func(*args, **kwargs)        return handle_args    return handle_funcdef pr():    for i in range(1,1000000):        i = i * 2    print "hello world"def test():    pr()@count_time(is_debug)def test2():    pr()@count_time(False)def test3():    pr()if __name__ == "__main__":    test()    test2()    test3()

结果：

hello worldhello worldDEBUG:root:[test2] -> 0.0748538970947hello world

转自:http://blog.csdn.net/wklken/article/details/8118942

参考:http://blog.csdn.net/dreamcoding/article/details/8611578