Python 装饰器高级应用指南

Python闭包(Closure)与装饰器(Decorator)入门指南 本文详细介绍了Python中的闭包和装饰器,这两个特性在提升代码可重用性和可维护性方面具有重要作用。闭包是指函数能够记住并访问其词法作用域中的变量,即使函数在其原始作用域之外执行。装饰器则是一种高阶函数,接受函数作为参数并返回函数,用于在不修改原函数代码的情况下扩展其功能。文章深入解析了闭包的基本概念、与普通函数的对比以及典型应用,如计数器和函数工厂模式。同时,全面剖析了装饰器的基本语法、与直接函数调用的对比、带参数的装饰器及其应用场景。此外,还探讨了闭包与装饰器的结合应用,如函数执行时间统计和缓存装饰器实 阅读详情

Python 装饰器高级应用指南

1. 装饰器基础

装饰器是 Python 中一种强大的特性,它允许我们在不修改原函数代码的情况下,增强函数的功能。

def decorator(func):
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@decorator
def greet(name):
    print(f"Hello, {name}!")

# 调用被装饰的函数
greet("Alice")

2. 带参数的装饰器

2.1 基本带参装饰器

def repeat(n):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for i in range(n):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(3)
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")

2.2 装饰器类

class Timer:
    def __init__(self, unit="seconds"):
        self.unit = unit
    
    def __call__(self, func):
        def wrapper(*args, **kwargs):
            import time
            start = time.time()
            result = func(*args, **kwargs)
            end = time.time()
            duration = end - start
            if self.unit == "milliseconds":
                duration *= 1000
            print(f"Function {func.__name__} took {duration:.2f} {self.unit}")
            return result
        return wrapper

@Timer(unit="milliseconds")
def slow_function():
    import time
    time.sleep(1)
    print("Function executed")

slow_function()

3. 高级装饰器技巧

3.1 保留函数元数据

使用 functools.wraps 可以保留被装饰函数的元数据。

import functools

def decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        """Wrapper function"""
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@decorator
def greet(name):
    """Greet someone"""
    print(f"Hello, {name}!")

print(greet.__name__)  # 输出: greet
print(greet.__doc__)   # 输出: Greet someone

3.2 叠加装饰器

多个装饰器可以叠加使用,执行顺序是从下到上。

def decorator1(func):
    def wrapper(*args, **kwargs):
        print("Decorator 1 before")
        result = func(*args, **kwargs)
        print("Decorator 1 after")
        return result
    return wrapper

def decorator2(func):
    def wrapper(*args, **kwargs):
        print("Decorator 2 before")
        result = func(*args, **kwargs)
        print("Decorator 2 after")
        return result
    return wrapper

@decorator1
@decorator2
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")
# 输出顺序:
# Decorator 1 before
# Decorator 2 before
# Hello, Alice!
# Decorator 2 after
# Decorator 1 after

3.3 装饰器工厂

装饰器工厂是一个函数,它返回一个装饰器。

def create_decorator(prefix):
    def decorator(func):
        def wrapper(*args, **kwargs):
            print(f"{prefix}: Before function call")
            result = func(*args, **kwargs)
            print(f"{prefix}: After function call")
            return result
        return wrapper
    return decorator

@create_decorator("DEBUG")
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")

4. 实际应用场景

4.1 日志记录

import functools
import logging

logging.basicConfig(level=logging.INFO)

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        logging.info(f"Calling {func.__name__} with args: {args}, kwargs: {kwargs}")
        result = func(*args, **kwargs)
        logging.info(f"{func.__name__} returned: {result}")
        return result
    return wrapper

@log
def add(a, b):
    return a + b

result = add(1, 2)
print(result)

4.2 缓存

import functools

def cache(func):
    cache_dict = {}
    
    @functools.wraps(func)
    def wrapper(*args):
        if args in cache_dict:
            return cache_dict[args]
        result = func(*args)
        cache_dict[args] = result
        return result
    return wrapper

@cache
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(30))  # 第一次计算较慢
print(fibonacci(30))  # 第二次使用缓存,速度很快

4.3 权限验证

import functools

def requires_permission(permission):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            # 假设 current_user 是当前登录用户
            current_user = {"permissions": ["read", "write"]}
            if permission not in current_user["permissions"]:
                raise PermissionError(f"User does not have {permission} permission")
            return func(*args, **kwargs)
        return wrapper
    return decorator

@requires_permission("write")
def create_post(title, content):
    print(f"Creating post: {title}")
    return {"title": title, "content": content}

@requires_permission("admin")
def delete_post(post_id):
    print(f"Deleting post: {post_id}")
    return True

create_post("Hello", "World")  # 成功
# delete_post(1)  # 抛出 PermissionError

4.4 性能分析

import functools
import time

def performance(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time:.4f} seconds")
        return result
    return wrapper

@performance
def slow_function():
    time.sleep(1)
    return "Done"

slow_function()

5. 最佳实践

  1. 使用 functools.wraps:保留被装饰函数的元数据,如函数名、文档字符串等。
  2. 保持装饰器简单:装饰器应该专注于单一功能,避免过于复杂。
  3. 使用参数化装饰器:对于需要配置的装饰器,使用参数化装饰器可以提高灵活性。
  4. 注意装饰器的执行顺序:当使用多个装饰器时,注意它们的执行顺序。
  5. 测试装饰器:确保装饰器在各种情况下都能正常工作。
  6. 文档化装饰器:为装饰器添加文档字符串,说明其功能和用法。
  7. 避免修改函数签名:装饰器应该保持函数的签名不变。

6. 总结

装饰器是 Python 中一种强大的特性,它允许我们以一种简洁、优雅的方式增强函数的功能。通过掌握装饰器的高级应用,我们可以编写更加模块化、可维护的代码。

在实际应用中,装饰器可以用于日志记录、缓存、权限验证、性能分析等多种场景,大大提高代码的复用性和可维护性。

希望本文对你理解和应用 Python 装饰器有所帮助!

AVEVA PDMS 二次开发之PML实战:从宏到自定义窗体的效率提升 本文详细介绍了AVEVA PDMS二次开发中PML语言的应用,从基础宏编写到高级窗体开发,全面提升工程设计效率。通过实战案例展示如何利用PML实现批量操作、流程自动化和交互优化,帮助工程师快速掌握这一强大工具。 阅读详情

相关推荐

Solidworks钣金设计:折弯系数、K因子与折弯扣除的实战应用解析

本文深入解析Solidworks钣金设计中折弯系数、K因子与折弯扣除的核心概念与实战应用。通过厘清三者间的逻辑关系与换算方法,并结合材料特性、工艺参数及车间实测,指导工程师精准确定展开长度,确保设计图纸与加工实物的一致性,有效提升钣金件设计精度与生产效率。

weixin_29268267的博客 927

Python高级技巧:装饰器全面指南,从基础到高级应用

装饰器本质上是一种特殊的嵌套函数,它接收一个函数作为参数(被装饰的函数),并返回一个新的函数(装饰后的函数)。装饰器的最大价值在于不修改原函数代码的情况下,为函数添加新功能。# 一个简单的装饰器示例def decorator(func): # 接收一个函数作为参数def wrapper(): # 定义一个新函数func() # 调用原函数return wrapper # 返回新函数")# 手动装饰# 输出:# Hello!

2302_77468438的博客 598

SAP MM新手避坑指南:工厂间调拨用301还是303?手把手教你选对移动类型

本文深入解析SAP MM模块中工厂间调拨的301与303移动类型,帮助新手避开常见陷阱。通过对比一步法(301)和两步法(303+305)的核心差异、适用场景及财务影响,提供清晰的决策框架和实战技巧,确保库存调拨的准确性和效率。

weixin_29223603的博客 353

Python装饰器原理与高级应用实战指南

装饰器是Python中实现AOP(面向切面编程)的核心技术,通过高阶函数实现代码复用和功能扩展。其本质是接受函数作为输入并返回新函数的可调用对象,遵循开放封闭原则实现功能增强而不修改原代码。在工程实践中,装饰器广泛应用于性能监控(如执行时间统计)、缓存优化(如lru_cache)、权限控制等横切关注点场景。Python内置的@property、@classmethod等装饰器展示了其语言级集成优势,而Flask、Django等主流框架则将其用于路由注册和权限验证。理解闭包和作用域规则是掌握装饰器的关键,同时

weixin_34406086的博客 379

智能车竞赛走马观碑组:如何高效识别目标板并优化绕行策略(附实战代码)

本文深入探讨了智能车竞赛走马观碑组中,如何构建从图像识别到路径决策的全栈优化方案。针对目标板识别与绕行策略的核心难点,文章详细解析了基于MobileNetV2的高效识别流水线、结合预瞄点与纯追踪算法的平滑路径规划,以及横向与纵向协同控制策略,并提供了实战代码与调试指南,旨在全面提升小车的比赛表现。

o5p6q的博客 886

Bentley ORD(openroads designer) 二次开发(BIM)第七节 在ORD SDK中调用MicroStation SDK

从课程刚开始的时候我们就通过学习,了解了ORD的开发是基于MicroStation的,ORD SDK的接口发布的时候也对MicroStation SDK也做了一次发布。这一章将以我们对ORD SDK知识的了解为基础,使用ORD SDK的接口读取道路几何信息、计算桩号,然后再使用MicroStation SDK 读取地形数据和计算投影点的位置,并创建一组方柱形状的Soild。计算方柱底部坐标要经过两大步骤,通过路线的桩号及偏移距离去定位方柱的平面位置,通过方柱的平面位置计算数字地面模型上的投影点的坐标。

chen286990651的博客 883

{%coding:Python%}探索Python的装饰器从基础到高级应用的全面指南

``pythonfrom functools import wrapsdef preserving_decorator(func): @wraps(func) def wrapper(args, kwargs): 包装函数的文档字符串 print(准备执行函数...) return func(args, kwargs) return wrapper```装饰器的本质是一个高阶函数,它接受一个函数作为参数,并返回一个新的函数。

xxh2jd的博客 307

【WRF工具】WRF 模型输出可视化工具 plotfmt

【WRF工具】WRF 模型输出可视化工具 plotfmt

WW、forever的博客 1293

Python装饰器终极指南:从基础到高级应用的完整教程

Python装饰器是一种强大而灵活的工具,它允许你在不修改原函数代码的情况下增强函数功能。本教程将带你从基础概念逐步深入到高级应用,掌握装饰器的核心原理和实用技巧,让你的Python代码更加优雅和高效。 ## 什么是Python装饰器? 装饰器本质上是一个Python函数,它可以让其他函数在不需要做任何代码修改的前提下增加额外功能。装饰器的返回值也是一个函数对象,它经常用于有切面需求的场景,比

gitblog_00182的博客 377

PostgreSQL 实战:行级安全策略(RLS)详解

PostgreSQL的行级安全(RLS)机制实现了细粒度的数据访问控制,通过动态过滤行数据满足多租户隔离、隐私保护等需求。本文系统介绍了RLS的核心原理、配置方法及实践建议:1) 启用RLS后需定义策略,通过USING和WITH CHECK条件控制访问;2) 适用于SaaS、医疗金融等场景,但需注意COPY命令、外键等特殊情况;3) 建议配合会话变量、索引优化和文档化策略使用。文章还提供了多租户隔离等实战案例,并分析了RLS对查询性能的影响及优化方案。RLS将安全控制下沉至数据库层,显著提升应用安全性和可维

数据知道的博客 3154

【Flink on k8s】- 1 - Flink Kubernetes Operator 简介 2023

Flink Kubernetes Operator 可以与 Kubernetes 的其他功能和工具集成,可以帮助用户快速定位和解决问题。Flink Kubernetes Operator可以在Kubernetes上实现高可用性,以确保 Flink 集群的稳定性和可靠性。Flink Kubernetes Operator 可以快速地部署 Flink 集群,而无需手动配置和管理集群。Flink Kubernetes Operator可以将Flink集群与其他应用程序隔离,以避免资源争用和干扰。

欢迎来到我的博客,一起探索代码里的世界! 1355

Python装饰器完整指南:从基础语法到高级应用的终极教程

Python装饰器是Python编程中最强大且优雅的特性之一,它允许你以简洁、可重用的方式修改或增强函数和类的行为。无论你是Python新手还是经验丰富的开发者,掌握装饰器都能显著提升你的代码质量和开发效率。本教程将带你从装饰器的基础概念到高级应用,全面掌握这一核心技能。 ## 什么是Python装饰器?🎯 装饰器本质上是一个函数,它接受另一个函数作为参数,并返回一个新的包装函数。这种机制让

gitblog_00128的博客 925

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Python装饰器终极指南:从零基础到高级应用的完整教程

Python装饰器是Python编程中一种强大而灵活的功能,它允许开发者在不修改原函数代码的情况下,为函数添加额外的功能。本教程将从基础概念开始,逐步深入到高级应用,帮助你全面掌握Python装饰器的使用方法和技巧。 ## 什么是Python装饰器 装饰器(Decorators)是 Python 的一个重要部分。简单地说:他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短,也更 Py

gitblog_00885的博客 460

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

装饰器与递归:Python函数高级应用实战指南

在Python中,函数是一等公民,可作为参数传递或返回值,这为闭包与装饰器提供了底层基础。装饰器通过接收函数并返回新函数,在不修改业务代码的前提下实现日志、缓存、重试等横切关注点;递归则通过将复杂问题拆解为可收敛的子问题来简化代码,但朴素递归常因重复计算和调用深度限制而性能不佳。将装饰器与递归结合,记忆化缓存能把指数级调用拉回线性复杂度,深度守卫与轨迹追踪则显著提升可调试性与健壮性。这套组合在动态规划、树形遍历、算法注册表等场景中具有广泛工程价值。掌握装饰器与递归的协作方式,有助于写出职责清晰、复用度高且边

weixin_33491377的博客 216

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Python函数装饰器:日志记录与性能计时完整指南

Python装饰器是Python编程中一个强大而优雅的特性,它允许我们在不修改原函数代码的情况下,为函数添加额外的功能。在python-mastery项目中,我们可以学习到如何实现专业的日志记录和性能计时装饰器。🎯 ## 什么是Python装饰器? Python装饰器本质上是一个函数,它接受一个函数作为参数,并返回一个新的函数。通过使用@符号,我们可以轻松地将装饰器应用到目标函数上,实现代码

gitblog_00741的博客 1035

031 Python语法之装饰器

装饰器 装饰器格式 def costTime(func): import time startTime = time.time() func() endTime = time.time() print("一共用了", endTime-startTime, "秒") def func() sum1 = 0 for i in range(100...

runnoob_1115的博客 191

装饰器-python

【转载】:理解 Python 装饰器看这一篇就够了 【转载】:简单聊聊Python中的wraps修饰器 1) # 1) 【简单装饰器】use_logging 就是一个装饰器,它一个普通的函数,它把执行真正业务逻辑的函数 func 包裹在其中,看起来像 foo 被 use_logging 装饰了一样 def use_logging(func): def wrapper(): ...

sinat_15355869的博客 392

Python装饰器深度解析:从核心原理到高级应用实战

在Python编程中,函数作为一等公民是其核心特性之一,这意味着函数可以像普通变量一样被赋值、传递和返回。基于这一特性,结合闭包机制,Python实现了装饰器这一强大的设计模式。装饰器本质上是一个高阶函数,它接收一个函数作为参数,并返回一个新的函数,从而在不修改原函数代码的前提下,为其动态添加额外功能。这种技术价值在于实现了横切关注点的分离,使代码更加模块化、可复用和易于维护。在实际工程中,装饰器广泛应用于日志记录、性能监控、缓存优化、权限验证、输入校验以及Web框架的路由注册等场景。例如,通过functo

weixin_33806859的博客 252

Python装饰器详解

Pyhthon装饰器详解 本文章转载于https://blog.youkuaiyun.com/xiangxianghehe/article/details/77170585

桑占占Dream Pursue Blog 188

Python之类装饰器

class Test(): def __init__(self, func): print('---初始化---') print('func 的名字是 %s' % func.__name__) self.__func = func # 重写该方法后,对象可以直接进行调用 def __call__(self): ...

why404 260

Python 装饰器高级应用详解:从原理到实践

装饰器是 Python 中一种强大的元编程工具,它允许我们在不修改原函数代码的情况下增强函数的功能。装饰器在 Python 中被广泛应用于日志记录、性能分析、权限控制、缓存等场景。@property。

lady_mumu的博客 4852

组网第63课:安全域划分——Trust/Untrust/DMZ、区域模型、与 VLAN 的关系

一组接口 + 一组策略 + 一条默认拒绝。一组接口:这个域包含哪些物理口、VLAN、子接口;一组策略:这个域到别的域放行什么、拒绝什么;一条默认拒绝:没写进策略的,一律不通。第三条最关键。没有默认拒绝,前面划的域全是装饰。

qq_36765170的博客 572
上一篇: Python 上下文管理器高级应用指南
下一篇: Python 生成器和迭代器高级应用指南
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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