Python深度解析：装饰器—提升代码灵活性与可维护性的艺术

2024-08-20 15:44
文章标签 python 代码 深度 解析 提升 灵活性 艺术 装饰 可维护性

本文主要是介绍Python深度解析：装饰器—提升代码灵活性与可维护性的艺术，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Python深度解析：装饰器—提升代码灵活性与可维护性的艺术

在Python编程中，装饰器是一种功能强大且优雅的工具，能够在不改变函数定义的前提下，动态地扩展或修改其行为。使用装饰器不仅能够提升代码的可读性和可重用性，还能在实际开发中实现更高效的解决方案。

装饰器的基本概念

定义与语法

装饰器本质上是一个高阶函数，它接收一个函数作为输入，并返回一个新的函数。通过在函数定义前添加@decorator_name语法，Python会在函数调用时首先执行装饰器逻辑，再调用函数本身。通过@decorator_name语法实际效果是和decorator_name(func) 是一样的，可以参考下面的例子


def simple_decorator(func):def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return resultreturn wrapper@simple_decorator
def say_hello(name):print(f"Hello, {name}!")say_hello("Alice")
# Before function call
# Hello, Alice!
# After function callsimple_decorator(say_hello("Alice"))
# Before function call
# Hello, Alice!
# After function call

工作原理

装饰器的核心是函数包装，通过在wrapper函数中添加额外的逻辑，我们可以在函数执行前后插入自定义行为，这在日志记录、性能监控、权限验证等场景中非常有用。

编写自定义装饰器

编写一个自定义装饰器通常包括以下步骤：

  1. 定义一个接收函数作为参数的装饰器函数。
  2. 在装饰器函数内部定义一个包装函数，处理传入的参数和返回值。
  3. 在包装函数内编写所需的附加逻辑。
  4. 返回包装函数，使其替代原始函数。

以下示例展示了一个用于记录函数执行时间的装饰器：

import time
from functools import wrapsdef timing_decorator(func):@wraps(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 resultreturn wrapper@timing_decorator
def compute_square(n):return n * ncompute_square(4)

functools.wraps 的使用

在记录函数执行时间的例子里面，使用到了functools.wraps。它的作用是保留原始函数的元数据，比如 __name__ 和 __doc__ 的属性，我们可以看下面这个例子

from functools import wrapsdef simple_decorator(func):def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return resultreturn wrapperdef simple_decorator_with_wraps(func):@wraps(func)def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return resultreturn wrapper@simple_decorator
def my_function():"""This is my_function."""print("Executing my_function")@simple_decorator_with_wraps
def my_function2():"""This is my_function2."""print("Executing my_function")print(my_function.__name__)  # 输出：wrapper
print(my_function.__doc__)   # 输出：Noneprint(my_function2.__name__)  # 输出：my_function2
print(my_function2.__doc__)   # 输出：This is my_function2.

实际应用案例

装饰器在实际开发中的应用非常广泛。以下是几个典型场景：

  • 日志记录：自动记录函数的调用信息。
  • 性能测试：衡量函数的执行时间。
  • 事务处理：在数据库操作中确保事务的开始和提交。
  • 访问控制：在函数调用前进行权限验证。

这些应用不仅提高了代码的可维护性，也使得业务逻辑与辅助功能之间的耦合更低。

注意事项与常见问题

在使用装饰器时，可能会遇到以下问题：

  • 闭包的使用：装饰器的包装函数通常是闭包，正确处理闭包变量非常重要。
  • 装饰器顺序：当多个装饰器同时应用时，它们的执行顺序会影响最终结果。
  • 调试困难：装饰器会修改函数的行为，可能导致调试难度增加。使用functools.wraps可以帮助保留原函数的信息。

面试常见问题

实现一个记录函数的调用时间、参数、返回值日志的装饰器

import time
import logging
from functools import wraps# 设置日志记录
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')def log_execution(func):@wraps(func)def wrapper(*args, **kwargs):# 记录函数开始执行时间start_time = time.time()# 记录函数参数logging.info(f"Calling {func.__name__} with args: {args} and kwargs: {kwargs}")# 执行函数result = func(*args, **kwargs)# 记录函数结束时间和执行时间end_time = time.time()execution_time = end_time - start_time# 记录返回值和执行时间logging.info(f"{func.__name__} returned {result} in {execution_time:.4f} seconds")return resultreturn wrapper# 示例函数
@log_execution
def example_function(a, b, delay=1):time.sleep(delay)return a + b# 调用示例函数
example_function(5, 10, delay=2)

实现一个记录函数的执行时间的装饰器

import time
from functools import wrapsdef timing_decorator(func):@wraps(func)def wrapper(*args, **kwargs):# 记录开始时间start_time = time.time()# 执行函数result = func(*args, **kwargs)# 记录结束时间end_time = time.time()# 计算并打印执行时间execution_time = end_time - start_timeprint(f"{func.__name__} executed in {execution_time:.4f} seconds")return resultreturn wrapper# 示例函数
@timing_decorator
def example_function(a, b):time.sleep(1)  # 模拟耗时操作return a + b# 调用示例函数
result = example_function(5, 10)

定义一个带参数的装饰器

from functools import wrapsdef repeat_decorator(times):"""一个装饰器，它会重复执行被装饰的函数指定的次数"""def decorator(func):@wraps(func)def wrapper(*args, **kwargs):result = Nonefor _ in range(times):result = func(*args, **kwargs)return resultreturn wrapperreturn decorator# 示例函数
@repeat_decorator(times=3)
def greet(name):print(f"Hello, {name}!")# 调用示例函数
greet("Alice")

实现一个失败重试的装饰器

import time
from functools import wrapsdef retry_decorator(max_retries=3, delay=1, exceptions=(Exception,)):"""一个失败重试的装饰器。:param max_retries: 最大重试次数:param delay: 每次重试之间的延迟时间（秒）:param exceptions: 触发重试的异常类型元组"""def decorator(func):@wraps(func)def wrapper(*args, **kwargs):attempts = 0while attempts < max_retries:try:return func(*args, **kwargs)except exceptions as e:attempts += 1print(f"Attempt {attempts} failed: {e}")if attempts < max_retries:time.sleep(delay)else:print(f"All {max_retries} attempts failed.")raisereturn wrapperreturn decorator# 示例函数
@retry_decorator(max_retries=5, delay=2)
def unstable_function():# 模拟可能失败的操作if time.time() % 2 < 1:  # 模拟50%的概率失败raise ValueError("Simulated failure")return "Success!"# 调用示例函数
try:result = unstable_function()print(result)
except Exception as e:print(f"Function failed after all retries: {e}")

实现一个用于参数校验的装饰器

from functools import wrapsdef validate_params(**validators):"""参数校验装饰器。:param validators: 一个字典，键是参数名，值是校验函数或校验规则的元组。校验函数接收参数值并返回True或False，表示参数是否合法。校验规则元组可以包含预期的类型和一个可选的范围检查函数。"""def decorator(func):@wraps(func)def wrapper(*args, **kwargs):# 获取函数的参数名列表func_args = func.__code__.co_varnames# 对位置参数进行校验for i, arg in enumerate(args):if i < len(func_args):param_name = func_args[i]if param_name in validators:validate(arg, validators[param_name], param_name)# 对关键字参数进行校验for param_name, arg in kwargs.items():if param_name in validators:validate(arg, validators[param_name], param_name)return func(*args, **kwargs)return wrapperreturn decoratordef validate(value, validator, param_name):"""通用的验证函数，用于验证参数是否满足条件"""if isinstance(validator, tuple):expected_type = validator[0]range_check = validator[1] if len(validator) > 1 else lambda x: Trueif not isinstance(value, expected_type):raise TypeError(f"Parameter '{param_name}' must be of type {expected_type.__name__}")if not range_check(value):raise ValueError(f"Parameter '{param_name}' failed the range check.")elif callable(validator):if not validator(value):raise ValueError(f"Parameter '{param_name}' failed custom validation.")# 示例函数
@validate_params(x=(int, lambda v: v > 0),  # x 必须是正整数y=(float, lambda v: 0.0 <= v <= 1.0),  # y 必须是0到1之间的浮点数name=str  # name 必须是字符串
)
def process_data(x, y, name="default"):print(f"Processing data: x={x}, y={y}, name={name}")# 调用示例函数
try:process_data(10, 0.5, name="example")process_data(-1, 0.5, name="example")  # 这将引发TypeError
except Exception as e:print(f"Validation error: {e}")

实现一个限制函数调用次数限制的装饰器

from functools import wrapsdef limit_calls(max_calls, on_limit_reached=None):"""限制函数调用次数的装饰器。:param max_calls: 最大允许调用次数:param on_limit_reached: 当超过调用限制时执行的操作，可以是一个函数，也可以是一个值"""def decorator(func):calls = 0  # 内部计数器@wraps(func)def wrapper(*args, **kwargs):nonlocal calls # 这里使用闭包去处理计数器，可以根据实际使用情况调整if calls >= max_calls:if callable(on_limit_reached):return on_limit_reached(*args, **kwargs)else:return on_limit_reachedcalls += 1return func(*args, **kwargs)return wrapperreturn decorator# 示例函数
@limit_calls(max_calls=3, on_limit_reached="Function call limit reached")
def example_function(x, y):return x + y# 调用示例函数
print(example_function(1, 2))  # 1st call
print(example_function(3, 4))  # 2nd call
print(example_function(5, 6))  # 3rd call
print(example_function(7, 8))  # 4th call - exceeds limit

提供一个函数，在不改变原有的函数的情况下，增加一个参数

from functools import wrapsdef add_parameter(new_param_name, new_param_value):"""装饰器，用于在不改变原有函数的情况下增加一个新的参数。:param new_param_name: 新参数的名称:param new_param_value: 新参数的默认值"""def decorator(func):@wraps(func)def wrapper(*args, **kwargs):# 添加新参数到kwargskwargs[new_param_name] = new_param_valuereturn func(*args, **kwargs)return wrapperreturn decorator# 示例函数
def original_function(x, y):print(f"x = {x}, y = {y}")# 使用装饰器添加新参数
@add_parameter('z', 10)
def modified_function(x, y, **kwargs):print(f"x = {x}, y = {y}, z = {kwargs.get('z')}")# 调用示例函数
modified_function(1, 2)

备注： 本文会同步发布于个人微信公众号(smith日常碎碎念)。

这篇关于Python深度解析：装饰器—提升代码灵活性与可维护性的艺术的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1090485。

相关文章

Python通用唯一标识符模块uuid使用案例详解

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数
阅读更多...
Python办公自动化实战之打造智能邮件发送工具

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置：搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、
阅读更多...
Python包管理工具pip的升级指南

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
PowerShell中15个提升运维效率关键命令实战指南

PowerShell中15个提升运维效率关键命令实战指南

《PowerShell中15个提升运维效率关键命令实战指南》作为网络安全专业人员的必备技能,PowerShell在系统管理、日志分析、威胁检测和自动化响应方面展现出强大能力,下面我们就来看看15个提升... 目录一、PowerShell在网络安全中的战略价值二、网络安全关键场景命令实战1. 系统安全基线核查
阅读更多...
基于Python实现一个图片拆分工具

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片，默认是输出到项目文件夹中，可以自己选择其他的文件夹，选择需要拆分的行数和列数，可以通过
阅读更多...
Python中反转字符串的常见方法小结

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函
阅读更多...
Python中将嵌套列表扁平化的多种实现方法

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表（即列表中包含列表）转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert
阅读更多...
使用Docker构建Python Flask程序的详细教程

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker
阅读更多...
Python使用vllm处理多模态数据的预处理技巧

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
Python使用pip工具实现包自动更新的多种方法

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2