python 设计模式-装饰器模式

2024-08-30 04:18

本文主要是介绍python 设计模式-装饰器模式,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!

装饰器模式实现起来跟代理模式差多,其实可以是一样的,看你把它置于什么场景。代理模式侧重于隔离客户与被代理者,通过代理者控制访问被代理者的权限,而装饰器模式侧重于给被装饰的对象提供附加的功能,例如加上日志功能。python 语法层面就提供了装饰器,足以说明装饰器模式的重要性,这里我们就直接介绍python的装饰器吧。

先看看函数装饰器:

def work_wrapper(w):def func(*args, **kwargs):print('logging start ...')w(*args, **kwargs)print('logging end ...')return func@work_wrapper
def work():print('working')if __name__ == '__main__':work()

输出:

logging start ...
working
logging end ...

@符号是装饰器的标志,函数work上加一行@work_wrapper的意思是 work = work_wrapper(work)。装饰器可以叠加,我们修改下:

def work_wrapper_a(w):def func(*args, **kwargs):print('a logging start ...')w(*args, **kwargs)print('a logging end ...')return funcdef work_wrapper_b(w):def func(*args, **kwargs):print('b logging start ...')w(*args, **kwargs)print('b logging end ...')return func@work_wrapper_b
@work_wrapper_a
def work():print('working')if __name__ == '__main__':work()

输出

b logging start ...
a logging start ...
working
a logging end ...
b logging end ...

装饰器还可以带参数,如下:

def work_para_wrapper(work_times): def work_wrapper(w):def func(*args, **kwargs):print('logging start ...')[w(*args, **kwargs) for i in range(work_times)]print('logging end ...')return funcreturn work_wrapper@work_para_wrapper(3)
def work():print('working')if __name__ == '__main__':work()

其实跟不带参数的装饰器原理一样,work_para_wrapper(3)会返回一个不带参数装饰器。不但函数可以应用装饰器,类也可以,看下面例子:

def worker_wrapper(cls):class WorkerEnhanced(cls):def learn(self):print('learning new things, {}'.format(self._name))return WorkerEnhanced@worker_wrapper
class Worker:def __init__(self, name):self._name = namedef work(self):print('working')if __name__ == '__main__':w = Worker('Jack')print(type(w))w.learn()

输出

<class '__main__.worker_wrapper.<locals>.WorkerEnhanced'>
learning new things, Jack

另外,利用类的魔术方法 __call__,类也可以作为装饰器。

class WorkerEnhanced:def __init__(self, worker):self._worker = worker()def __call__(self, name):self._worker.Name = namereturn self def learn(self):print('{} is learning new things'.format(self._worker.Name))def work(self):self._worker.work()@WorkerEnhanced
class Worker:def __init__(self, name=None):self._name = name@propertydef Name(self):return self._name@Name.setterdef Name(self, val):self._name = valdef work(self):print('{} is working'.format(self._name))if __name__ == '__main__':w = Worker('Jack')print(type(w))w.work()w.learn()

输出:

<class '__main__.WorkerEnhanced'>
Jack is working
Jack is learning new things

这个例子没什么意义,只是为了说明下怎么使用类来装饰类。最后强调一下,不论是函数装饰器还是类装饰器,原理都是同一个 @ d e c o r a t e t o _ b e _ d e c o r a t e d \frac{@decorate}{to\_be\_decorated} to_be_decorated@decorate ==> t o _ b e _ d e c o r a t e d = d e c o r a t e ( t o _ b e _ d e c o r a t e d ) to\_be\_decorated = decorate(to\_be\_decorated) to_be_decorated=decorate(to_be_decorated)

这篇关于python 设计模式-装饰器模式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/1119770

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

模版方法模式template method

学习笔记,原文链接 https://refactoringguru.cn/design-patterns/template-method 超类中定义了一个算法的框架, 允许子类在不修改结构的情况下重写算法的特定步骤。 上层接口有默认实现的方法和子类需要自己实现的方法

【iOS】MVC模式

MVC模式 MVC模式MVC模式demo MVC模式 MVC模式全称为model(模型)view(视图)controller(控制器),他分为三个不同的层分别负责不同的职责。 View:该层用于存放视图,该层中我们可以对页面及控件进行布局。Model:模型一般都拥有很好的可复用性,在该层中,我们可以统一管理一些数据。Controlller:该层充当一个CPU的功能,即该应用程序