Python进阶: 通过实例详解装饰器（附代码）

Python中的装饰器有很多用处，比如输出日志、参数检查、代理设置、计数计时、结果缓存等等。本文就通过几个装饰器例子，详细解释一下Python中装饰器的用法。

• 一步步从简到繁学习装饰器用法
• 其他一些装饰器实例
• Python中自带的装饰器

按照惯例，先上代码：

GitHub - xianhu/LearnPython: 以撸代码的形式学习Python

一步步从简到繁学习装饰器用法

（1）最简单的装饰器，实现日志输出功能：

# 构建装饰器
def logging(func):
    @functools.wraps(func)
    def decorator():
        print("%s called" % func.__name__)
        result = func()
        print("%s end" % func.__name__)
        return result
    return decorator

# 使用装饰器
@logging
def test01():
    return 1

# 测试用例
print(test01())
print(test01.__name__)

代码很简单，很容易看懂。这里注意"functools.wraps"用法，其目的是"test01.__name__"输出正确的"test01"。"@logging"相当于"test01 = logging(test01)"，返回的是decorator函数，所以如果不加"functools.wraps"，则"test01.__name__"返回为"decorator"。

注意，此时test01没有参数，对于带有参数的函数，logging装饰器则不再适用。那么如果想装饰带有参数的函数，装饰器该怎么写呢？

（2）装饰器传入函数参数，并正确返回结果：

# 构建装饰器
def logging(func):
    @functools.wraps(func)
    def decorator(a, b):
        print("%s called" % func.__name__)
        result = func(a, b)
        print("%s end" % func.__name__)
        return result
    return decorator

# 使用装饰器
@logging
def test01(a, b):
    print("in function test01, a=%s, b=%s" % (a, b))
    return 1

# 测试用例
print(test01(1, 2))

这里的test01函数带有参数a、b，那么decorator函数带有同样的参数即可。那么问题又来了，如何让logging装饰器更加通用，而不是只装饰参数为两个的函数呢？这时候自然想到Python中的 * 和 ** 的用法。

# 构建装饰器
def logging(func):
    @functools.wraps(func)
    def decorator(*args, **kwargs):
        print("%s called" % func.__name__)
        result = func(*args, **kwargs)
        print("%s end" % func.__name__)
        return result
    return decorator

# 使用装饰器
@logging
def test01(a, b):
    print("in function test01, a=%s, b=%s" % (a, b))
    return 1

# 使用装饰器
@logging
def test02(a, b, c=1):
    print("in function test02, a=%s, b=%s, c=%s" % (a, b, c))
    return 1

# 测试用例
print(test01(1, 2))
print(test02(1, 2, c=3, d=4))

此时对于任意参数的函数，logging都可以进行装饰。但是注意，logging装饰器是不带参数的，那么装饰器可以带参数吗？当然可以，我们换个例子：参数检查。

（3）构建带有参数的装饰器，并正确返回结果：

# 构建装饰器
def params_chack(a_type, b_type):
    def _outer(func):
        @functools.wraps(func)
        def _inner(a, b):
            assert isinstance(a, a_type) and isinstance(b, b_type)
            return func(a, b)
        return _inner
    return _outer

# 使用装饰器
@params_chack(int, (list, tuple))
def test03(a, b):
    print("in function test03, a=%s, b=%s" % (a, b))
    return 1

# 测试用例
print(test03(1, [2, 3]))   # 参数正确
print(test03(1, 2))        # 参数错误

从代码可以看出，实际上就是在原有装饰器的基础上，外层又加了一层包装。params_check装饰器的作用是限制第一个参数为a_type，第二个参数为b_type。类似于（2），这里如何让装饰器更加通用，而不是只装饰参数为两个的函数呢？这里又一次想到Python中的 * 和 **。

# 构建装饰器
def params_chack(*types, **kwtypes):
    def _outer(func):
        @functools.wraps(func)
        def _inner(*args, **kwargs):
            result = [isinstance(_param, _type) for _param, _type in zip(args, types)]
            assert all(result), "params_chack: invalid parameters"
            result = [isinstance(kwargs[_param], kwtypes[_param]) for _param in kwargs if _param in kwtypes]
            assert all(result), "params_chack: invalid parameters"
            return func(*args, **kwargs)
        return _inner
    return _outer

# 使用装饰器
@params_chack(int, str, c=(int, str))
def test04(a, b, c):
    print("in function test04, a=%s, b=%s, c=%s" % (a, b, c))
    return 1

# 测试用例
print(test04(1, "str", 1))         # 参数正确
print(test04(1, "str", "abc"))     # 参数正确
print(test04("str", 1, "abc"))     # 参数错误

此时params_check装饰器不但能够传入任意个数的参数，而且支持K-V形式的参数传递。

（4）使用装饰器装饰类中的函数，比较简单，直接看代码。注意此时第一个参数为self本身：

# 使用装饰器
class ATest(object):
    @params_chack(object, int, str)
    def test(self, a, b):
        print("in function test of ATest, a=%s, b=%s" % (a, b))
        return 1

# 测试用例
a_test = ATest()
a_test.test(1, "str")    # 参数正确
a_test.test("str", 1)    # 参数错误

（5）多个装饰器同时装饰一个函数，也比较简单，直接看代码：

# 使用装饰器
@logging
@params_chack(int, str, (list, tuple))
def test05(a, b, c):
    print("in function test05, a=%s, b=%s, c=%s" % (a, b, c))
    return 1

# 测试用例
print(test05(1, "str", [1, 2]))        # 参数正确
print(test05(1, "str", (1, 2)))        # 参数正确
print(test05(1, "str", "str1str2"))    # 参数错误

（6）将装饰器写为类的形式，即“装饰器类”。此时对于装饰器类的要求是必须是可被调用的，即必须实现类的__call__方法。直接上代码：

# 构建装饰器类
class Decorator(object):
    def __init__(self, func):
        self.func = func
        return

    def __call__(self, *args, **kwargs):
        print("%s called" % self.func.__name__)
        result = self.func(*args, **kwargs)
        print("%s end" % self.func.__name__)
        return result

# 使用装饰器
@Decorator
def test06(a, b, c):
    print("in function test06, a=%s, b=%s, c=%s" % (a, b, c))
    return 1

# 测试用例
print(test06(1, 2, 3))

这里的装饰器类的构造函数中传入func，使其能在__call__方法中被调用。同时这里的装饰器类并没有带有参数，实现不了类似于参数检查的功能。类似于上边的思路，我们这里也可以构建带有参数的装饰器类，还是以参数检查为例：

# 构建装饰器类
class ParamCheck(object):

    def __init__(self, *types, **kwtypes):
        self.types = types
        self.kwtypes = kwtypes
        return

    def __call__(self, func):
        @functools.wraps(func)
        def _inner(*args, **kwargs):
            result = [isinstance(_param, _type) for _param, _type in zip(args, self.types)]
            assert all(result), "params_chack: invalid parameters"
            result = [isinstance(kwargs[_param], self.kwtypes[_param]) for _param in kwargs if _param in self.kwtypes]
            assert all(result), "params_chack: invalid parameters"
            return func(*args, **kwargs)
        return _inner

# 使用装饰器
@ParamCheck(int, str, (list, tuple))
def test07(a, b, c):
    print("in function test06, a=%s, b=%s, c=%s" % (a, b, c))
    return 1

# 测试用例
print(test07(1, "str", [1, 2]))    # 参数正确
print(test07(1, "str", (1, 2)))    # 参数正确
print(test07(1, 2, (1, 2)))        # 参数错误

其他一些装饰器实例

函数缓存：一个函数的执行结果可以被缓存在内存中，下次再次调用时，可以先查看缓存中是否存在，如果存在则直接返回缓存中的结果，否则返回函数调用结果。这种装饰器比较适合装饰过程比较复杂或耗时的函数，比如数据库查询等。

# 实例: 函数缓存
def funccache(func):
    cache = {}

    @functools.wraps(func)
    def _inner(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return _inner

# 使用装饰器
@funccache
def test08(a, b, c):
    # 其他复杂或耗时计算
    return a + b + c

还有很多其他例子，比如函数调用计数、函数计时、函数自动重试等，思路都基本相同，这里就不一一列举了。

 

Python中自带的装饰器

Python中自带有三个和class相关的装饰器：@staticmethod、@classmethod 和@property。

（1）先看@property，可以将其理解为“将类方法转化为类属性的装饰器”。先看实例：

# 使用Python自带的装饰器
class People(object):

    def __init__(self):
        self._name = None
        self._age = None
        return

    @property
    def name(self):
        return self._name

    @name.setter
    def name(self, name):
        self._name = name
        return

    @property
    def age(self):
        return self._age

    @age.setter
    def age(self, age):
        assert 0 < age < 120
        self._age = age
        return

p = People()
p.name = "tom"          # 设置name
p.age = 12              # 设置age
print(p.name, p.age)    # 输出name和age
p.age = 120             # 设置age, 此时认为120为异常数据

这里定义一个People类，有两个属性name和age。当我们声明了实例p，使用p操作name和age时，实际上是调用的name、age方法，此时会做参数检查等工作。@property将name方法转化为属性，同时当对该属性进行赋值时，会自动调用@name.setter将下边的name方法。

@property有.setter、.getter和.deleter三中装饰器，分别对应赋值、取值和删除三种操作。

（2）@staticmethod 将类成员方法声明为类静态方法，类静态方法没有 self 参数，可以通过类名或类实例调用。

（3）@classmethod 将类成员方法声明为类方法，类方法所接收的第一个参数不是self，而是cls，即当前类的具体类型。

静态方法和类方法都比较简单，一个简单的例子解释静态方法和类方法：

# 类静态方法和类方法
class A(object):
    var = 1

    def func(self):
        print(self.var)
        return

    @staticmethod
    def static_func():
        print(A.var)
        return

    @classmethod
    def class_func(cls):
        print(cls.var)
        cls().func()
        return