python中的装饰器是如何工作的_python装饰器工作原理与实例详解

装饰器通过函数作为第一类对象实现,定义一个接收函数的装饰器,在其内部定义wrapper函数并添加额外逻辑,最后返回wrapper;使用@语法糖将原函数替换为包装后的函数,从而在不修改原函数代码的情况下增强功能。

python中的装饰器是如何工作的_python装饰器工作原理与实例详解

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变动的前提下增加额外的功能,装饰器的返回值也是一个函数对象。 它们经常用于有切面需求的场景,比如:插入日志、性能测试、事务处理等等。

装饰器就像给函数穿上了一件“外衣”,这件“外衣”可以给函数增加额外的能力,但不会改变函数本身。

装饰器是如何实现的?

Python的装饰器是基于函数是“第一类对象”这一概念实现的。这意味着函数可以像任何其他对象一样被传递、赋值和作为返回值。

简单来说,装饰器通过以下步骤工作:

立即学习“Python免费学习笔记(深入)”;

定义一个装饰器函数,该函数接收一个函数作为参数。在装饰器函数内部,定义一个新的函数(通常称为wrapper函数)。wrapper函数中,调用原始函数,并在调用前后添加额外的功能。装饰器函数返回wrapper函数。

当使用

@decorator

语法糖来装饰一个函数时,实际上是将原始函数作为参数传递给装饰器函数,并将装饰器返回的wrapper函数赋值给原始函数的名字。

def my_decorator(func):    def wrapper():        print("Something is happening before the function is called.")        func()        print("Something is happening after the function is called.")    return wrapper@my_decoratordef say_hello():    print("Hello!")say_hello()

这段代码的执行结果是:

Something is happening before the function is called.Hello!Something is happening after the function is called.

如何处理带参数的函数?

如果被装饰的函数带有参数,wrapper函数需要能够接收和传递这些参数。可以使用

*args

**kwargs

来实现:

def my_decorator(func):    def wrapper(*args, **kwargs):        print("Before calling the function")        result = func(*args, **kwargs)        print("After calling the function")        return result    return wrapper@my_decoratordef add(a, b):    return a + bprint(add(2, 3))

输出结果:

Before calling the functionAfter calling the function5

装饰器能做什么?除了日志和性能监控

装饰器可以做的远不止日志和性能监控。 它们可以用于:

权限验证: 检查用户是否有权限访问某个函数。缓存: 缓存函数的返回值,避免重复计算。重试机制: 在函数执行失败时自动重试。类型检查: 验证函数参数的类型。信号处理: 在函数执行前后发送信号。路由控制: 在Web框架中,将URL映射到对应的处理函数。

例如,一个简单的缓存装饰器:

import functoolsdef cache(func):    cached_values = {}    @functools.wraps(func)    def wrapper(*args):        if args in cached_values:            return cached_values[args]        else:            result = func(*args)            cached_values[args] = result            return result    return wrapper@cachedef expensive_operation(n):    print(f"Calculating for {n}...")    return n * nprint(expensive_operation(5))print(expensive_operation(5)) # 从缓存中获取

装饰器与类装饰器有什么区别

除了函数装饰器,Python还支持类装饰器。 类装饰器接收一个函数或类作为参数,并返回一个修改后的函数或类。

类装饰器通常通过实现

__call__

方法来工作。 当使用类装饰器装饰一个函数时,实际上是创建了该类的一个实例,并将被装饰的函数作为参数传递给类的构造函数。 当调用被装饰的函数时,实际上是调用了类实例的

__call__

方法。

class MyDecorator:    def __init__(self, func):        self.func = func    def __call__(self, *args, **kwargs):        print("Before calling the function")        result = self.func(*args, **kwargs)        print("After calling the function")        return result@MyDecoratordef say_hello(name):    print(f"Hello, {name}!")say_hello("Alice")

如何编写一个带参数的装饰器?

有时候,我们需要一个可以接收参数的装饰器。 这可以通过创建一个返回装饰器函数的函数来实现。

def repeat(num_times):    def decorator_repeat(func):        def wrapper(*args, **kwargs):            for _ in range(num_times):                result = func(*args, **kwargs)            return result        return wrapper    return decorator_repeat@repeat(num_times=3)def greet(name):    print(f"Hello, {name}!")greet("Bob")

这个例子中,

repeat

函数接收一个

num_times

参数,并返回一个装饰器函数

decorator_repeat

decorator_repeat

函数再接收被装饰的函数

func

,并返回wrapper函数。

装饰器会影响函数的元数据吗?

默认情况下,装饰器会改变被装饰函数的元数据,例如

__name__

__doc__

。 这可能会导致一些问题,例如在使用

help()

函数时显示不正确的信息。

为了解决这个问题,可以使用

functools.wraps

装饰器来保留原始函数的元数据。

import functoolsdef my_decorator(func):    @functools.wraps(func)    def wrapper(*args, **kwargs):        """This is the wrapper function."""        print("Before calling the function")        result = func(*args, **kwargs)        print("After calling the function")        return result    return wrapper@my_decoratordef say_hello():    """This is the original function."""    print("Hello!")print(say_hello.__name__)print(say_hello.__doc__)

使用了

functools.wraps

后,

say_hello.__name__

会输出

say_hello

say_hello.__doc__

会输出

This is the original function.

。 如果没有使用

functools.wraps

,则会输出wrapper函数的信息。

装饰器链:多个装饰器叠加使用

可以同时使用多个装饰器来增强一个函数的功能,这就是装饰器链。 装饰器的应用顺序是从下往上,从里到外。

def bold(func):    def wrapper(*args, **kwargs):        return "" + func(*args, **kwargs) + ""    return wrapperdef italic(func):    def wrapper(*args, **kwargs):        return "" + func(*args, **kwargs) + ""    return wrapper@bold@italicdef get_message(message):    return messageprint(get_message("Hello"))

在这个例子中,

get_message

函数首先被

italic

装饰器装饰,然后再被

bold

装饰器装饰。 因此,输出结果是

Hello

以上就是python中的装饰器是如何工作的_python装饰器工作原理与实例详解的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1370796.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
dj-rest-auth 邮箱验证 URL 错误问题排查与解决
上一篇 2025年12月14日 10:51:38
python pandas如何对某一列进行计数_pandas对dataframe列进行值计数的方法
下一篇 2025年12月14日 10:51:53

相关推荐

  • composer require-dev和require有什么不同_Composer Require与Require-Dev区别解析

    require用于声明项目运行必需的依赖,如框架、数据库组件和第三方SDK,这些包会随项目部署到生产环境;2. require-dev用于声明仅在开发和测试阶段需要的工具,如PHPUnit、PHPStan、Faker等,不会默认部署到生产环境;3. 安装时composer install根据环境决定…

    2026年5月10日
    1000
  • Matplotlib 地图中多类型图例的创建与优化

    Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化

    本教程旨在解决matplotlib地图可视化中,如何在一个图例中同时展示颜色块(如区域分类)和自定义标记(如特定兴趣点)的问题。文章详细介绍了当传统`patch`对象无法正确显示标记时,如何利用`matplotlib.lines.line2d`创建标记图例句柄,并将其与颜色块图例句柄合并,从而生成一…

    2026年5月10日 用户投稿
    100
  • 利用海象运算符简化条件赋值:Python教程与最佳实践

    本文旨在探讨Python中海象运算符(:=)在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符,以及条件表达式,分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例,展示如何在列表推导式等场景下合理使用海象运算符,同时强调其潜在的复杂性及替代方案,帮助开发者更好地掌…

    2026年5月10日
    100
  • 比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币,基于区块链技术实现点对点交易,具有匿名性、有限发行和不可篡改等特点;新手可通过交易所购买,P2P交易获得比特币,常用平台包括Binance、OKX和Huobi;交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买,可选择市价单或限价单;比特币存储方式有交易…

    2026年5月10日
    000
  • RichHandler与Rich Progress集成:解决显示冲突的教程

    在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时,可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…

    2026年5月10日
    000
  • 使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合,支持数据导入(pandas)、清洗(fillna)、探索(matplotlib/seaborn可视化)、统计分析(describe/corr)和特征工程,便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    2026年5月10日
    000
  • php常量怎么用_PHP常量(define/const)定义与使用方法

    PHP中可通过define函数和const关键字定义常量,用于存储不可变值。define适用于全局作用域,支持动态名称和条件定义,如define(‘SITE_NAME’, ‘MyWebsite’);const在编译时生效,语法简洁但限制多,只能在类或全…

    2026年5月10日
    000
  • 深入理解 Express.js 中 next() 参数的作用与中间件机制

    本文深入探讨 express.js 中间件函数中的 `next()` 参数。它负责将控制权传递给请求-响应周期中的下一个中间件或路由处理程序。文章将详细解释 `next()` 的工作原理、中间件的注册与执行顺序,以及不正确使用 `next()` 可能导致请求挂起的风险,并通过代码示例和实际应用场景,…

    2026年5月10日
    000
  • Python命令怎样使用profile分析脚本性能 Python命令性能分析的基础教程

    使用Python的cProfile模块分析脚本性能最直接的方式是通过命令行执行python -m cProfile your_script.py,它会输出每个函数的调用次数、总耗时、累积耗时等关键指标,帮助定位性能瓶颈;为进一步分析,可将结果保存为文件python -m cProfile -o ou…

    2026年5月10日
    000
  • Discord.py 交互按钮超时与持久化解决方案

    本教程旨在解决Discord.py中交互按钮在一段时间后出现“This Interaction Failed”错误的问题。我们将深入探讨视图(View)的超时机制,并提供通过正确设置timeout参数以及利用bot.add_view()方法实现按钮持久化的具体方案,确保您的机器人交互功能稳定可靠,即…

    2026年5月10日
    000
  • Python递归函数追踪与性能考量:以序列打印为例

    本文深入探讨了Python中一种递归打印序列元素的方法,并着重演示了如何通过引入缩进参数来有效追踪递归函数的执行流程和参数变化。通过实际代码示例,文章揭示了递归调用可能带来的潜在性能开销,特别是对调用栈空间的需求,以及Python默认递归深度限制可能导致的错误,为读者提供了理解和优化递归算法的实用见…

    2026年5月10日
    000
  • python中zip函数详解 python多序列压缩zip函数应用场景

    zip函数的应用场景包括:1) 同时遍历多个序列,2) 合并多个列表的数据,3) 数据分析和科学计算中的元素运算,4) 处理csv文件,5) 性能优化。zip函数是一个强大的工具,能够简化代码并提高处理多个序列时的效率。 在Python中,zip函数是一个非常有用的工具,它能够将多个可迭代对象打包成…

    2026年5月10日
    000
  • Python中怎样使用pymongo?

    在python中使用pymongo可以轻松地与mongodb数据库进行交互。1)安装pymongo:pip install pymongo。2)连接到mongodb:from pymongo import mongoclient; client = mongoclient(‘mongod…

    2026年5月10日
    000
  • Golang空接口如何应用在项目中

    空接口可用于接收任意类型值,常见于日志函数、通用数据结构、JSON动态解析及配置驱动逻辑,提升代码灵活性,但需配合类型断言确保安全,避免滥用以降低维护成本。 空接口 interface{} 在 Go 语言中是一个非常灵活的类型,它可以存储任何类型的值。虽然它牺牲了一部分类型安全,但在实际项目中合理使…

    2026年5月10日
    100
  • Go语言接口与切片:如何识别和操作[]interface{}

    本文将深入探讨Go语言中如何识别和操作`[]interface{}`类型的切片。我们将介绍类型断言(Type Assertion)的关键作用,并通过`switch`语句演示如何安全地检测`[]interface{}`类型,并进而遍历其内部元素。文章旨在提供清晰的示例代码和专业指导,帮助开发者有效地处…

    2026年5月10日
    000
  • JavaScript计算器开发:解决数值显示与初始化问题

    本教程深入探讨了使用JavaScript构建计算器时常见的数值显示异常问题,特别是由于类属性未初始化导致的`Cannot read properties of undefined`错误。我们将详细分析问题根源,并通过在构造函数中调用初始化方法来解决该问题,同时优化显示逻辑,确保计算器功能稳定且界面显…

    2026年5月10日
    000
  • Python 函数参数类型:如何使用可变参数和动态参数?

    python 中的参数类型:关键词参数、可变参数和动态参数 在 python 中,函数的参数可以分为以下几种类型: 关键词参数(kw)**:这些参数具有名称,并且在调用函数时明确指定。可变参数(*args):这些参数没有名称,允许函数接受任意数量的位置参数。它们将被收集到一个元组中。动态参数(kwa…

    2026年5月10日
    000
  • Circle为何在凌晨向Solana新增铸造5亿枚USDC?USDC增发原因与对SOL生态影响深度解析

    近日,链上数据显示,Circle 在凌晨向 Solana 链新增铸造了 5亿枚USDC。此次大规模增发引起市场关注,投资者需要了解背后的原因以及对 Solana 生态的潜在影响。 USDC增发原因分析 增发 USDC 的主要原因可能包括: 满足市场需求:近期 Solana 上交易活动活跃,USDC …

    2026年5月10日
    000
  • RESTful API中,如何优雅地实现软删除和物理删除?

    RESTful API 中优雅地处理软删除是 API 设计中的一个关键考量。本文探讨在 RESTful 风格下实现软删除和物理删除的最佳实践,并分析各种方法的优劣。 许多开发者在选择 HTTP 方法时犹豫不决。软删除并非真正的删除,而是数据状态的修改,因此选择 DELETE、PUT 或 PATCH …

    2026年5月10日
    000
  • pycharm解析器怎么添加 解析器添加详细流程

    在pycharm中添加解析器的步骤包括:1) 打开pycharm并进入设置,2) 选择project interpreter,3) 点击齿轮图标并选择add,4) 选择解析器类型并配置路径,5) 点击ok完成添加。添加解析器后,选择合适的类型和版本,配置环境变量,并利用解析器的功能提高开发效率。 在…

    2026年5月10日
    100

发表回复

登录后才能评论
关注微信