python装饰器的原理--装饰器过程

  装饰器的定义

  就是给已有函数增加额外功能的函数,它本质上就是一个闭包函数。

  装饰器的功能特点:

  不修改已有函数的源代码

  不修改已有函数的调用方式

  给已有函数增加额外的功能

  在这里我们使用装饰器实现已有函数执行时间的统计的代码来讲解一些它的原理

  方式一:

  import time

  def show():

  start = time.time()

  print("show run...")

  stop = time.time()

  print("一共耗时 %s 秒" % (stop-start))

  def count_number():

  start = time.time()

  s = 0

  for i in range(1000000):

  s += i

  print(s)

  stop = time.time()

  print("一共耗时 %s 秒" % (stop-start))

  show()

  count_number()

  方式一的代码虽然可以实现功能,但我们会发现代码太冗余,定义的两个函数都要写一遍计时功能,代码的重用性不高,所以这方法不好.

  方式二:

  import time

  def count_time(func):

  start = time.time()

  func()

  stop = time.time()

  print("一共耗时 %s 秒" % (stop-start))

  def show():

  print("show run...")

  def count_number():

  s = 0

  for i in range(1000000):

  s += i

  print(s)

  count_time(show)

  count_time(count_number)

  方式二
封装了一个计时的函数,代码量虽然减少了很多,但是你会发现,我们在调用函数的时候,调用方式不一样,所以这个方法也不好,它修改了函数的使用方式,如果在实际开发中,你不需要计时功能了.那你还需要改,就很麻烦.

  方式三:

  def count_time(func):

  def inner():

  start = time.time()

  func()

  stop = time.time()

  print("一共耗时 %s 秒" % (stop-start))

  return inner

  def show():

  print("show run...")

  def count_number():

  s = 0

  for i in range(1000000):

  s += i

  print(s)

  # 这句话就是装饰器的原理

  show = count_time(show)

  # count_time(show) 单看这就是一个函数调用,

  # 我们把show传给了count_time也就是show = func

  # 所以count_time 函数中调用的 func()就相当于调用

  # show(),因此这个闭包既帮我们完成了计时又完成了show

  # 函数的调用,下面的count_number是一样的原理

  count_number = count_time(count_number)

  show()

  count_number()

  show = count_time(show)

  count_number = count_time(count_number)

  以上的代码,是装饰器的原理.我们必须能够理解,这是把 show 函数在内存当中的引用给了count_time

  方式三的简写:郑州妇科医院 http://www.sptdfk.com/

  如果有多个函数都需要添加登录验证的功能,每次都需要编写show =
count_time(show)这样代码对已有函数进行装饰,这种做法还是比较麻烦。

  Python给提供了一个装饰函数更加简单的写法,那就是语法糖,语法糖的书写格式是: @装饰器名字,通过语法糖的方式也可以完成对已有函数的装饰

  def count_time(func):

  def inner():

  start = time.time()

  func()

  stop = time.time()

  print("一共耗时 %s 秒" % (stop-start))

  return inner

  # 使用语法糖方式来装饰函数

  @count_time # 等价于 show = count_time(show)

  def show():

  print("show run...")

  @count_time

  # 等价于 count_number = count_time(count_number)

  def count_number():

  s = 0

  for i in range(1000000):

  s += i

  print(s)

  show()

  count_number()

  装饰器的执行时间是加载模块时立即执行

  我们需要注意:

  闭包函数有且只有一个参数,必须是函数类型,这样定义的函 数才是装饰器。

  写代码要遵循开放封闭原则,它规定已经实现的功能代码不允许被修改,但可以被扩展。

相关推荐:

如何在Python中使用asyncio.shield防止关键任务被取消?

asyncio.shield必须用于关键清理操作(如日志落盘、事务提交、连接关闭),防止被取消中断导致数据不一致;应只包裹协程本身(shield(coro)),而非Task,且内部子await需单独shield。 asyncio.shield什么时候必须用? 当一个asyncio.Task正在执行关...

为什么Python单例模式在多线程环境下会失效?

__new__中判空非原子操作会导致多线程重复创建实例;DCL通过无锁初判+加锁后复判解决,需配合__init__幂等防护。 __new__中的if判断不是原子操作 线程A执行到ifcls._instanceisNone时为True,刚准备调用super().__new__(cls),此时被调度挂起...

如何修复Python aiohttp请求时出现的ClientPayloadError?

ClientPayloadError表明服务端提前关闭连接,非客户端代码错误;常见于服务端超时、拒绝大响应或代理截断,需通过抓包、检查响应头、服务端日志及添加读取超时和异常处理来定位解决。 ClientPayloadError通常意味着服务端提前关闭了连接 这个错误不是客户端代码写错了,而是aioh...

为什么在大型Python项目中推荐使用Monorepo环境管理?

Monorepo是应对跨子包频繁修改、版本对齐成本高、CI耗时爆炸等痛点的止损方案;需统一依赖管理、确保本地与CI环境一致,并严守子包独立测试边界。 Monorepo不是“更先进”,而是对特定规模和协作模式的项目更可控——当Python项目中出现跨子包频繁修改、版本对齐成本高、CI耗时爆炸或本地开发...

为什么Python爬虫在解析复杂表格时推荐使用Pandas库?

pandas.read_html能自动解析HTML表格并修复合并单元格、多级表头等结构,但需合理配置match、header、skiprows等参数,并处理JS渲染、数据类型、空值等问题,否则易导致列错位、类型错误等隐患。 因为pandas.read_html能直接把HTML表格转成DataFram...

为什么在Python项目中推荐使用Poetry管理包依赖?

poetryinstall与pipinstall-rrequirements.txt的本质差异在于:前者是“解析后装”,基于poetry.lock中已验证的完整依赖图确保版本兼容并自动激活专属虚拟环境;后者是“盲装”,仅按文本顺序安装、不解析依赖冲突、不隔离环境,易导致静默覆盖和全局污染。 因为pi...