【Python】Flask中@wraps的使用

  

  先说总结,白话来讲,@wraps相当于是装饰器的装饰器。

 

  python内置的方法使用解释,看起很复杂的样子┓( ´∀` )┏

def wraps(wrapped,
          assigned = WRAPPER_ASSIGNMENTS,
          updated = WRAPPER_UPDATES):
    """Decorator factory to apply update_wrapper() to a wrapper function

       Returns a decorator that invokes update_wrapper() with the decorated
       function as the wrapper argument and the arguments to wraps() as the
       remaining arguments. Default arguments are as for update_wrapper().
       This is a convenience function to simplify applying partial() to
       update_wrapper().
    """
    return partial(update_wrapper, wrapped=wrapped,
                   assigned=assigned, updated=updated)

  

  下面举个栗子:

from functools import wraps

# 用户角色权限确认
def permission_required():
    def decorator(f):
        #@wraps(f)
        def decorated_function():
            return 'this is decorated function'
        return decorated_function
    return decorator

# 管理员权限确认
def admin_required(f):
    return permission_required()(f)

if __name__=='__main__':
    def test_func():
        return 'this is test function'
    print(admin_required(test_func))

  

  不用@wraps时,打印出来是酱婶儿的

<function permission_required.<locals>.decorator.<locals>.decorated_function at 0x00000000030411E0>

  

  使用之后看起来清爽了很多

<function test_func at 0x0000000002FC11E0>

  

  通过对比结果,@wraps的作用猜出来个大概。

  使用之后它返回的是参数test_func方法的地址。也就是说,如果你想使用参数方法的一些属性,就需要使用@wraps了。

 

转载于:https://www.cnblogs.com/lilip/p/10755390.html

### 集成 Redis 到 Flask 应用中的方法 要在 Python Flask 应用中使用 Redis 实现缓存功能,可以通过安装 `redis` 和 `Flask-Redis` 库来完成。以下是具体实现的方式: #### 1. 安装必要的库 首先需要安装两个主要的依赖项:`redis` 和 `Flask-Redis`。这可以通过 pip 工具轻松完成[^1]。 ```bash pip install redis flask-redis ``` #### 2. 初始化 Redis 连接 通过导入 `redis` 模块并创建一个连接对象,可以初始化与 Redis 数据库之间的通信通道[^2]。 ```python import redis # 创建 Redis 连接池 redis_pool = redis.ConnectionPool(host='127.0.0.1', port=6379, db=1) # 获取 Redis 连接实例 redis_db = redis.Redis(connection_pool=redis_pool) ``` #### 3. 缓存装饰器的定义 为了方便在视图函数中使用 Redis 缓存,可以自定义一个基于 Redis 的缓存装饰器。该装饰器会自动处理请求的结果存储和读取逻辑。 ```python from functools import wraps from flask import request def cache_result(timeout=300): # 默认超时时间为 5 分钟 def decorator(func): @wraps(func) def wrapper(*args, **kwargs): key_prefix = f"{request.path}:{func.__name__}" result_key = f"cache:{key_prefix}" # 尝试从 Redis 中获取缓存的数据 cached_data = redis_db.get(result_key) if cached_data is not None: return cached_data.decode('utf-8') # 如果没有找到缓存,则调用原始函数计算结果 result = func(*args, **kwargs) # 存储到 Redis 并设置过期时间 redis_db.setex(result_key, timeout, result) return result return wrapper return decorator ``` #### 4. 使用缓存装饰器优化性能 将上述装饰器应用于任何希望加速响应速度的视图函数上即可。这样每次访问相同路径时都会优先尝试加载已有的缓存数据而不是重新执行业务逻辑。 ```python from flask import Flask app = Flask(__name__) @app.route('/example') @cache_result(timeout=60) # 设置此路由的缓存有效期为 60 秒 def example(): return "这是一个被缓存的例子" ``` #### 5. 配置高级选项 (可选) 对于更复杂的项目需求来说,还可以利用额外的一些配置参数来自定义行为模式,比如调整默认超时时长或者更改密钥前缀等等[^3]。 ```python class Config(object): CACHE_TYPE = 'redis' CACHE_REDIS_HOST = '127.0.0.1' CACHE_REDIS_PORT = 6379 CACHE_REDIS_DB = 0 CACHE_DEFAULT_TIMEOUT = 300 app.config.from_object(Config) ``` --- ### 总结 以上就是在 Python Flask 应用程序里集成 Redis 来充当缓存层的主要流程说明。通过这种方式不仅可以显著提升高频次查询接口的服务质量,同时也降低了后端数据库的压力水平^。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值