本文讲述了python装饰器：实现代码精简的利器！具有很好的参考价值，希望对大家有所帮助。一起跟随好学星城小编过来看看吧，具体如下:

今天，我们来探索 Python 装饰器的强大功能，学习如何通过使用装饰器来减少代码量，提高效率与可读性。

什么是装饰器

装饰器（decorator）是 Python 中一种强大的特性，它允许你改变函数或类的行为，而无需修改其源代码。装饰器本质上是一个函数，它接收另一个函数作为参数，并返回一个新的函数，这个新函数会包裹原始函数。通过这种方式，你可以在不修改原始函数的情况下，为其添加一些额外的功能或逻辑。

例如，假设你有一个函数，用于在控制台打印一条消息：

def hello():

    print("Hello, world!")

现在，假设你想测量这个函数的执行时间。你可能会这样做：

import time

def hello():

    start = time.time()    

    print("Hello, world!")   

    end = time.time()

    print(f"执行时间: {end - start} 秒")

但考虑到测量执行时间的功能很可能会复用，我们最好将它独立封装成一个函数，使用 time 模块来计算执行时间，然后调用原始函数：

import time

def measure_time(func):

    def wrapper():

        start = time.time()

        func()

        end = time.time()

        print(f"执行时间: {end - start} 秒")

    return wrapper

注意，measure_time 函数返回了另一个名为wrapper的函数，这是原始函数的修改版本。wrapper 函数做了两件事：它记录了执行的开始和结束时间，并调用了原始函数。

现在，要使用这个函数，只需要：

hello = measure_time(hello)

hello()

这将输出类似于这样的内容：

Hello, world!

执行时间: 0.000123456789 秒

通过这种方式，你无需修改hello函数的代码，就为其添加了测量执行时间的新功能。然而，有一种更优雅和简洁的方法来实现这一点，那就是使用装饰器。装饰器是一种语法糖，允许你使用@符号将一个函数应用到另一个函数上。例如，我们可以像这样重写前面的代码：

@measure_time

def hello():

    print("Hello, world!")

hello()

这将产生与之前相同的输出，但代码量大大减少。@measure_time这一行等同于hello = measure_time(hello)，但它看起来更清晰，更易于阅读。

为什么要用装饰器

使用装饰器的原因有很多，例如：

代码可复用。例如，如果你有许多需要测量执行时间的函数，你可以简单地为它们都应用相同的装饰器，而不是一遍又一遍地编写相同的代码。

遵循单一职责的原则。例如，如果你有一个执行复杂计算功能的函数，你可以使用装饰器来处理日志记录、错误处理、缓存或验证输入和输出，而不必弄乱函数的主要逻辑。

扩展功能的同时无需修改源代码。例如，如果你正在使用一个第三方库的类或函数，但你想为它们添加一些额外的功能或行为，你可以使用装饰器来包装它们，并根据你的需要进行定制。

装饰器示例

Python 中有许多内置装饰器，如@staticmethod、@classmethod、@property、@functools.lru_cache、@functools.singledispatch等。你也可以创建自己的自定义装饰器来满足各种需求。以下是一些可以有效精简代码的自定义装饰器示例：

@timer装饰器

这个装饰器与我们上面看到的@measure_time装饰器类似，但可以应用于任意数量参数的函数。它还使用functools.wraps装饰器来保留原始函数的名称和文档字符串（docstring）。代码如下：

import time

from functools import wraps

def timer(func):

    @wraps(func)

    def wrapper(*args, **kwargs):

        start = time.time()

        result = func(*args, **kwargs)

        end = time.time()

        print(f"{func.__name__}的执行时间: {end - start} 秒")

        return result

    return wrapper

现在，你可以使用这个装饰器来测量任何函数的执行时间，例如：

@timer

def factorial(n):

    """返回n的阶乘"""

    if n == 0 or n == 1:

        return 1

    else:

        return n * factorial(n - 1)

@timer

def fibonacci(n):

    """返回第n个斐波那契数"""

    if n == 0 or n == 1:

        return n

    else:

        return fibonacci(n - 1) + fibonacci(n - 2)

print(factorial(10))

print(fibonacci(10))

这将输出类似于这样的内容：

factorial的执行时间: 1.1920928955078125e-06 秒

3628800

fibonacci的执行时间: 0.000123456789 秒

55

通过这种方式，@timer装饰器为factorial和fibonacci函数添加了测量执行时间的新功能。

@debug装饰器

这个装饰器可用于调试目的，它支持输出它所装饰的函数的名称、参数和返回值。并使用functools.wraps装饰器来保留原始函数的名称和文档字符串。代码如下：

from functools import 

def debug(func):

    @wraps(func)

    def wrapper(*args, **kwargs):

        print(f"调用 {func.__name__}，参数: {args}，关键字参数: {kwargs}")

        result = func(*args, **kwargs)

        print(f"{func.__name__} 返回: {result}")

        return result

    return wrapper

现在，你可以使用这个装饰器来调试任何函数，例如：

@debug

def add(x, y):

    """返回x和y的和"""

    return x + y

@debug

def greet(name, message="Hello"):

    """返回带有名字的问候语"""

    return f"{message}, {name}!"

print(add(2, 3))

print(greet("Alice"))

print(greet("Bob", message="Hi"))

这将输出类似于这样的内容：

调用 add，参数: (2, 3)，关键字参数: {}

add 返回: 5

5

调用 greet，参数: ('Alice',)，关键字参数: {}

greet 返回: Hello, Alice!

Hello, Alice!

调用 greet，参数: ('Bob',)，关键字参数: {'message': 'Hi'}

greet 返回: Hi, Bob!

Hi, Bob!

通过这种方式，@debug装饰器为add和greet函数添加了调试功能，能够清晰地显示函数调用时的参数和返回值。

@memoize装饰器

这个装饰器对于优化函数性能非常有用（尤其是用了递归、或是需要大量计算的函数），因为它缓存了之前调用的结果，并在再次传递相同的参数时返回这些结果。同样使用了functools.wraps装饰器来保留原始函数的名称和文档字符串。代码如下：

from functools import wraps

def memoize(func):

    cache = {}

    @wraps(func)

    def wrapper(*args):

        if args in cache:

            return cache[args]

        else:

            result = func(*args)

            cache[args] = result

            return result

    return wrapper

现在，你可以使用这个装饰器来缓存任何函数的结果，例如：

@memoize

def factorial(n):

    """返回n的阶乘"""

    if n == 0 or n == 1:

        return 1

    else:

        return n * factorial(n - 1)

@memoize

def fibonacci(n):

    """返回第n个斐波那契数"""

    if n == 0 or n == 1:

        return n

    else:

        return fibonacci(n - 1) + fibonacci(n - 2)

print(factorial(10))

print(fibonacci(10))

这将输出与之前相同的结果，但执行时间会快得多，因为执行结果做了缓存。

通过这种方式，@memoize装饰器为factorial和fibonacci函数添加了缓存结果的功能，大大提高了这些函数的执行效率。

结语

Python 装饰器是一种强大而优雅的特性，能够在不修改源代码的前提下，改变函数或类的行为。它们可以帮助你减少代码量，提高代码的可读性，复用性，降低耦合性，以及扩展现有代码的功能。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。