一文读懂Python装饰器由来（一）

Python装饰器是非常不错的特性，熟练掌握装饰器会让你的编程思路更加宽广，程序也更加pythonic。下面就让我们一起来探讨一下python的装饰器吧。

装饰器的存在是为了适用两个场景，一个是增强被装饰函数的行为，另一个是代码重用。

先看一个例子，直观的感受一下：

1. import time

3. def out_wrapper(func):

4.    def inner_wrapper():

5.        start_time = time.time()

6.        func()

7.        stop_time = time.time()

8.        print('Used time {}'.format(stop_time-start_time))

9.    return inner_wrapper

12. @out_wrapper

13. def test1():

14.    time.sleep(1)

15.    print('I am test1!')

输出：

1. I am test1!

2. Used time 1.0000572204589844

这个装饰器是用来计算函数执行时间的。原本test1函数只是休眠1秒，然后输出字符串，但是在使用装饰器（out_wrapper）后，它的功能多了一项：输出执行时间。 这是一个最简单的装饰器，实现了 “增强被装饰函数的行为”。而我们需要思考的是为什么装饰器是这个样子的？ 那是因为行为良好的装饰器必须要遵守两个原则：

1、不能修改被装饰函数的代码；

2、不能修改被装饰函数的调用方式；

这并不难以理解，因为在生产环境中如果我们要给某个函数添加功能，最好不要修改该函数的源码，因为可能造成意想不到的影响，或者这个代码是一个大神写的，你根本不知从何改起；同时你也不能修改其调用方式，因为你不知道程序中有多少地方调用了此函数。

那么我们从函数和函数名说起吧。

1. def func(name):

2.    print('I am {}!'.format(name))

4. func('li')

5. y = func

6. y('liu')

输出：

1. I am li!

2. I am liu!

定义函数func，调用函数func，将函数名func赋值给y，调用y。y=func 表明：函数名可以赋值给变量，并且并不影响调用。

这其实和整数、数字是一样的：

1. a = 1

2. b = a

3. print(a, b)

明白了这一点，下面再说说高阶函数： 高阶函数满足如下两个条件中的任意一个： a. 可以接收函数名作为实参； b. b.返回值中可以包含函数名；

其实python标准库中的map和filter等函数就是高阶函数。

1. l = [1, 2, 4]

2. r = map(lambda x: x*3, l)

3. for i in r:

4.    print(i)

自定义一个能返回函数的函数，也是高阶函数

1. def f(l):

2.    return map(lambda x: x*5, l)

3. a = f(l)

4. for i in a:

5.    print(i)

有了这些基础，我们就可以尝试实现一下类似装饰器的功能了。

1. def out(func):

2.    print('Add a function.')

3.    return func

5. def test1():

6.    time.sleep(1)

7.    print('I am test1!')

9. temp = out(test1)

10. temp()

输出：

1. Add a function.

2. I am test1!

还是第一个例子中的test1函数，我们定义了一个函数out，out接收一个函数名然后直接返回该函数名。这样，我们实现了不修改原函数test1，并且添加了一个新功能的需求，但是缺陷就是调用方式改变了。如何解决这个问题呢？其实很简单，相信 a = a * 3 这样的表达式我们都见过，那么上述代码中的temp = out(test1) 同样可以修改为 test1 = out(test1)，这样我们就完美的解决了问题：既添加了新功能又没有修改原函数和其调用方式。修改后的代码如下：

1. def out(func):

2.    print('Add a function.')

3.    return func

5. def test1():

6.    time.sleep(1)

7.    print('I am test1!')

9. test1 = out(test1)

10. test1()

只是美中不足的事每次需要使用装饰器的时候，都要在写一句类似test1 = out(test1) 的代码。python为了简化这种情况，提供了一个语法糖@，在每个被装饰的函数上方使用这个语法糖就可以省掉这一句代码test1 = out(test1)。如下：

1. def out(func):

2.    print('Add a function.')

3.    return func

4. @out

5. def test1():

6.    time.sleep(1)

7.    print('I am test1!')

9. # test1 = out(test1)

10. test1()

至此，我们搞清楚了装饰器的工作原理，但是对比开篇的例子，还是有些不一样。这又是为什么呢？ 开篇例子实现的是输出被装饰函数的执行时间，那么必须在函数执行之前记录一下时间，函数执行之后记录一下时间，这样才能计算出函数的执行时间，但是我们现在是直接返回了函数名，这样函数调用后我们就没办法做任何事情了，所以此时我们需要在嵌套一层函数，将实现额外功能的部分写在内层函数中，然后将这个内层函数返回即可。这也是为什么装饰器都是嵌套函数的原因。 另外，开篇的例子并没有返回值，也没有参数，要对既有参数又有返回值的函数进行装饰的话，还需要进一步完善。 能够处理返回值的装饰器：

1. import time

3. def out_wrapper(func):

4.    def inner_wrapper():

5.        start_time = time.time()

6.        result = func()

7.        stop_time = time.time()

8.        print('Used time {}'.format(stop_time - start_time))

9.        return result

10.    return inner_wrapper

13. @out_wrapper

14. def test1():

15.    time.sleep(1)

16.    print('I am {test1}!')

17.    return 'test1 return'

19. x = test1()

20. print(x)

输出：

1. I am {test1}!

2. Used time 1.0000572204589844

3. test1 return

能够处理参数的装饰器：

1. def out_wrapper(func):

2.    def inner_wrapper(*args, **kwargs):

3.        start_time = time.time()

4.        result = func(*args, **kwargs)

5.        stop_time = time.time()

6.        print('Used time {}'.format(stop_time - start_time))

7.        return result

8.    return inner_wrapper

11. @out_wrapper

12. def test1(args):

13.    time.sleep(1)

14.    print('I am {}!'.format(args))

15.    return 'test1 return'

17. x = test1('li')

18. y = test1('liu')

19. print(x, y)

输出：

1. I am li!

2. Used time 1.0000569820404053

3. I am liu!

4. Used time 1.0000572204589844

5. test1 return test1 return

总结：装饰器的本质是函数，其参数是另一个函数（被装饰的函数）。 装饰器通常会额外处理被装饰的函数，然后把它返回，或者将其替换成另一个函数或可调用对象。行为良好的装饰器可以重用，以减少代码量。

原文出处