3. 装饰器
    5. 阅读: 328556
    6. 由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。
    8. >>> def now():
    9. ...     print('2015-3-25')
    10. ...
    11. >>> f = now
    12. >>> f()
    13. 2015-3-25
    14. 函数对象有一个__name__属性，可以拿到函数的名字：
    16. >>> now.__name__
    17. 'now'
    18. >>> f.__name__
    19. 'now'
    20. 现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为"装饰器"（Decorator）。
    22. 本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：
    24. def log(func):
    25.    def wrapper(*args, **kw):
    26.        print('call %s():' % func.__name__)
    27.        return func(*args, **kw)
    28.    return wrapper
    29. 观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
    31. @log
    32. def now():
    33.    print('2015-3-25')
    34. 调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
    36. >>> now()
    37. call now():
    38. 2015-3-25
    39. 把@log放到now()函数的定义处，相当于执行了语句：
    41. now = log(now)
    42. 由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
    44. wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
    46. 如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
    48. def log(text):
    49.    def decorator(func):
    50.        def wrapper(*args, **kw):
    51.            print('%s %s():' % (text, func.__name__))
    52.            return func(*args, **kw)
    53.        return wrapper
    54.    return decorator
    55. 这个3层嵌套的decorator用法如下：
    57. @log('execute')
    58. def now():
    59.    print('2015-3-25')
    60. 执行结果如下：
    62. >>> now()
    63. execute now():
    64. 2015-3-25
    65. 和两层嵌套的decorator相比，3层嵌套的效果是这样的：
    67. >>> now = log('execute')(now)
    68. 我们来剖析上面的语句，首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
    70. 以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
    72. >>> now.__name__
    73. 'wrapper'
    74. 因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
    76. 不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：
    78. import functools
    80. def log(func):
    81.    @functools.wraps(func)
    82.    def wrapper(*args, **kw):
    83.        print('call %s():' % func.__name__)
    84.        return func(*args, **kw)
    85.    return wrapper
    86. 或者针对带参数的decorator：
    88. import functools
    90. def log(text):
    91.    def decorator(func):
    92.        @functools.wraps(func)
    93.        def wrapper(*args, **kw):
    94.            print('%s %s():' % (text, func.__name__))
    95.            return func(*args, **kw)
    96.        return wrapper
    97.    return decorator
    98. import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
    100. 练习
    102. 请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：
    104. # -*- coding: utf-8 -*-
    105. import time, functools
    107. def metric(fn):
    108.    print('%s executed in %s ms' % (fn.__name__, 10.24))
    109.    return fn
    111. # 测试
    112. @metric
    113. def fast(x, y):
    114.    time.sleep(0.0012)
    115.    return x + y;
    117. @metric
    118. def slow(x, y, z):
    119.    time.sleep(0.1234)
    120.    return x * y * z;
    122. f = fast(11, 22)
    123. s = slow(11, 22, 33)
    124. if f != 33:
    125.    print('测试失败!')
    126. elif s != 7986:
    127.    print('测试失败!')
    128. Run
    129. 小结
    131. 在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。
    133. decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。
    135. 请编写一个decorator，能在函数调用的前后打印出'begin call'和'end call'的日志。
    137. 再思考一下能否写出一个@log的decorator，使它既支持：
    139. @log
    140. def f():
    141.    pass
    142. 又支持：
    144. @log('execute')
    145. def f():
    146.    pass
    147. 参考源码
    149. decorator.py