闭包
def outer():
x = 10
def inner(): # 内部函数
print(x) # 引用外部变量
return inner # inner是闭包
f = outer()
f() # f在outer()外执行，却能取到其内部变量x如果在一个内部函数中，对外部作用域（但不是全局作用域）的变量进行引用，那么内部函数就被认为是闭包（closure）。
闭包 = 函数快 + 定义函数时的环境
装饰器概念
装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。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。
先来看一个简单例子：
def foo():
print('I am fool')现在有一个新的需求，希望可以记录下函数的执行前后的时间，于是在代码中添加日志代码
import time, logging
def fool():
print("Begin:", time.ctime())
print('I am fool')
print("End:", time.ctime())
foo()bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间
import time
def show_time(func):
print("Begin:", time.ctime())
func()
print("End", time.ctime())
def bar():
print("I am bar")
show_time(bar)逻辑上不难理解，而且运行正常。 但是这样的话，我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成show_time(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。
简单装饰器
如果令bar 等于show_time(bar) ，就不要改动以前的代码了。所以，我们需要show_time(bar)返回一个函数对象，而这个函数对象内则是核心业务函数:func()与装饰函数：两个时间函数，修改如下：
import time
def show_time(func):
def wrapper():
print("Begin:", time.ctime())
func()
print("End", time.ctime())
return wrapper
def bar():
print("I am bar")
bar = show_time(bar)
bar()函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像bar被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作。
import time
def show_time(func):
def wrapper():
print("Begin:", time.ctime())
func()
print("End", time.ctime())
return wrapper
@showtime # bar = show_time(bar)
def bar():
print('I am bar')
@show_time # bar2 = show_time(bar2)
def bar2():
print('I am bar2')
bar()
bar2()如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
带参数的被装饰函数
import time
def show_time(func):
def wrapper(a, b):
print("Begin:", time.ctime())
func(a, b)
print("End:", time.ctime())
return wrapper
@show_time
def add(a, b):
print(a+b)
add(2, 3)即：被装饰的功能函数带有参数时，只需在wrapper()内对应加上参数即可
带参数的装饰器
装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。
import time
def cal_time(flag):
def show_time(func):
def wrapper(a, b):
start = time.ctime()
print("Begin:", start)
func(a, b)
end = time.ctime()
print("End:", end)
if flag:
print("Expend time:", time.mktime(time.strptime(end))-time.mktime(time.strptime(start)))
return wrapper
return show_time
@cal_time(True)
def add(a, b):
c = a + b
time.sleep(1)
print(c)
add(1, 2)上面的cal_time是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我 们使用@cal_time("true")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。
类装饰器
再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。
class Foo():
def __init__(self, func):
self.func = func
def __call__(self):
print('class decorator running')
self.func()
print('class decorator ending')
@Foo
def bar():
print('bar')
bar()
++++++++++++++++++++++++++++++
class decorator running
bar
class decorator endingfunctools.wraps
使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：
def foo():
print('foo')
print(foo.__name__)
def logged(func):
def wrapper(*args, **kwars):
print(func.__name__ + 'was called')
return func(*args, **kwargs)
return wrapper
@logged
def bar(x):
return x + x * x
print(bar.__name__)
++++++++++++++++++++++++++++++
foo
wrapper函数
@logged
def bar(x):
return x + x * x等价于
def bar(x):
return x + x * x
bar = logged(bar)不难发现，函数bar被wrapper取代了，于是其docstring，__name__就变成了wrapper函数的信息了。
这个问题可能引起一定的麻烦，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。
from functools import wraps
def foo():
print('foo')
print(foo.__name__)
def logged(func):
@wraps(func) # 只需加上这一句
def wrapper(*args, **kwars):
print(func.__name__ + 'was called')
return func(*args, **kwargs)
return wrapper
@logged
def bar(x):
return x + x * x
print(bar.__name__)
++++++++++++++++++++++++++++++
foo
bar
内置装饰器
@staticmathod@classmethod@property
装饰器的顺序
@a
@b
@c
def f ():
等效于
f = a(b(c(f)))