深入理解Python装饰器
Python是一门追求优雅编程的语言,它很容易上手,也很容易写出意大利式的代码。本文将介绍如何使用Python进阶编程之装饰器,来帮助您写出更加精炼可读的代码。
全文主要分为四个部分:
第一部分:尝鲜,通过讲解一个简单的装饰器例子,让您对装饰器的用法和作用有一个初步的感性认识;
第二部分:揭开面纱,将介绍装饰器抛开语法糖的使用方法,帮助您理解装饰器的本质原理;
第三部分:趁热打铁,将介绍装饰器在工作当中的实践用法,对应介绍的retry装饰器您可直接应用到项目代码中;
第四部分:更进一步,将介绍装饰器更多的高级用法,帮助您全方位掌握装饰器。
尝鲜
我们先来看一个简单的装饰器例子。首先定义一个装饰器log:
def log(f):
def wrapper():
print "before"
f()
print "after"
return wrapper
使用装饰器log来装饰greeting函数,并调用之:
@log
def greeting():
print "Hello, World!"
greeting()
输出结果:
before
Hello, World!
after
可以看到,使用装饰器我们实现了在函数greeting前后打印调试日志。
揭开面纱
装饰器是什么?从字面意思我们大致可以推测出来,它的作用是用来装饰的。日常生活中,大家都见过很多装饰器,比如装饰在圣诞树上的彩纸,或者套在iPhone外面的保护壳。保护壳的存在,并不会改变iPhone内部的功能,它存在的意义,在于增强了iPhone的抗摔性能。Python中的装饰器也是一样的道理,它并不会改变被装饰对象的内部逻辑,而是通过一种无侵入的方式,让它获得一些额外的能力,比如日志记录、权限认证、失败重试等等。
Python装饰器看起来高深莫测,实际上它的实现原理非常简单。我们知道,在Python中一切皆对象,函数作为一个特殊的对象,可以作为参数传递给另外一个函数,装饰器的工作原理就是基于这一特性。装饰器的默认语法是使用@来调用,这实际上仅仅是一种语法糖。下面我们看看,不利用语法糖来怎么调用装饰器:
def greeting():
print "Hello, World!"
greeting = log(greeting)
把函数greeting作为参数传递给装饰器函数log就行了!对装饰器log来说,它接收一个函数作为入参,然后返回一个新的函数,最后再赋值给greeting标识符。这样便得到了一个增强功能的函数,而它的名字又和之前的保持一样。
趁热打铁
装饰器是一个编程利器,只需一处修改,任何被装饰的对象就可以获得额外的功能。撸起袖子,让我们来看看装饰器在编程实践中的具体应用。
我们知道,程序跑起来后,有一些因素往往是不可控的,比如网络的连通性。为了容错,我们可能会加入try-except语句来捕获异常;考虑到请求失败是有一定概率的,我们或许可以通过多次重试的策略,以达到提高成功率的目的。我们先来模拟一个non_steady函数:
import random
def non_steady():
if random.random() <= 0.5:
# 失败的概率是 0.5
raise Exception("died")
else:
# 成功的概率是 0.5
return "survived"
这个函数成功返回的概率是0.5。显然,单次调用的成功率太低,如果重试10次呢?计算一下:1 - (0.5) ^ 10,即成功的概率将提升到0.9990,相比单次调用的0.5,重试的成功率大大地提升了。
按照上面的描述,我们先通过for循环来提升调用non_steady的成功率:
def non_steady_with_retry(times=10):
for i in xrange(times):
try:
return non_steady()
except Exception as e:
if (i + 1) < times:
# 尚未达到较大重试次数,默默吞掉异常
pass
else:
# 连续重试,达到较大次数时还是发生异常,则抛出异常
raise e
提升成功率的效果达到了,但是这种实现存在几个问题:
不支持无缝升级。假如函数non_steady在代码中被调用了n次,那么这意味着你需要同时修改n个地方(将调用non_steady修改为调用non_steady_with_retry);
不支持代码复用。如果你有第二个函数non_steady1,也需要升级一下重试机制,那么这意味着同样的重试代码,你需要再重写一遍。
再试试用装饰器来提升调用non_steady的成功率。定义一个retry装饰器:
def retry(times=10):
def outer(f):
def inner(*args, **kwargs):
for i in xrange(times):
try:
return f(*args, **kwargs)
except Exception as e:
if (i + 1) < times:
pass
else:
raise e
return inner
return outer
试用一下:
import random
@retry(10)
def non_steady():
if random.random() <= 0.5:
# 失败的概率是 0.5
raise Exception("died")
else:
# 成功的概率是 0.5
return "survived"
可以看到,只要函数前面加一行代码@retry(10),即可为其升级重试机制。一处更改即可,无需处处担忧。同时,对于其他想要升级的函数,也只需要更改一个地方,同样的代码就无需重写多遍了。
更进一步
一个函数可以同时应用多个装饰器,比如下面使用两个装饰器来装饰greeting函数:
@log
@retry(10)
def greeting():
print "Hello, World!"
这段代码等价于:
def greeting():
print "Hello, World!"
temp = retry(10)(greeting)
greeting = log(temp)
可以看到,叠加的装饰器生效的顺序是从内往外的。这一点在使用的时候需要特别注意。
Java中的注解,语法和Python中的装饰器很相似,它注解的顺序,没有Python中装饰器这么严格。使用时注意区分下。
除了函数,也可以用类来定义一个装饰器:
class Log(object):
def __init__(self, f):
self.f = f
def __call__(self, *args, **kwargs):
print "before"
self.f()
print "after"
类装饰器主要是通过它的__call__方法来实现的。相比函数装饰器,类装饰器具有面向对象编程所支援的一系列特点,比如高内聚、封装性和灵活度大等优点。使用类装饰器来装饰函数:
@Log
def greeting():
print "Hello, World!"
greeting()
输出结果和使用函数装饰器一样:
before
Hello, World!
after
实际上,Python中任何callable的对象都可以用来定义装饰器。
结语
使用Python装饰器,可以让你的代码更易维护,可读性也有一定提升。相信大家在日常工作中也有碰到过很多使用装饰器的场景,欢迎留言分享!人生苦短,我用Python。
作者简介
曾凡伟,携程信息安全部高级安全工程师,2015年加入携程,主要负责安全自动化产品的设计和研发,包括各类扫描器、漏洞管理平台、安全SaaS平台等。
时间:2018-10-09 22:38 来源: 转发量:次
声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。
相关文章:
- [数据挖掘]底层I/O性能大PK:Python/Java被碾压,Rust有望取代
- [数据挖掘]大数据分析的技术有哪些?
- [数据挖掘]大数据分析会遇到哪些难题?
- [数据挖掘]RedMonk语言排行:Python力压Java,Ruby持续下滑
- [数据挖掘]不得了!Python 又爆出重大 Bug~
- [数据挖掘]TIOBE 1 月榜单:Python年度语言四连冠,C 语言再次
- [数据挖掘]TIOBE12月榜单:Java重回第二,Python有望四连冠年度
- [数据挖掘]这个可能打败Python的编程语言,正在征服科学界
- [数据挖掘]2021年编程语言趋势预测:Python和JavaScript仍火热,
- [数据挖掘]Spark 3.0重磅发布!开发近两年,流、Python、SQL重
相关推荐:
网友评论: