摘要：在中，裝飾器一般用來(lái)修飾函數(shù)，實(shí)現(xiàn)公共功能，達(dá)到代碼復(fù)用的目的。智能裝飾器上節(jié)介紹的寫法，嵌套層次較多，如果每個(gè)類似的裝飾器都用這種方法實(shí)現(xiàn)，還是比較費(fèi)勁的腦子不夠用，也比較容易出錯(cuò)。假設(shè)有一個(gè)智能裝飾器，修飾裝飾器，便可獲得同樣的能力。

在Python中，裝飾器一般用來(lái)修飾函數(shù)，實(shí)現(xiàn)公共功能，達(dá)到代碼復(fù)用的目的。在函數(shù)定義前加上@xxxx，然后函數(shù)就注入了某些行為，很神奇！然而，這只是語(yǔ)法糖而已。

原文地址：https://python-book.readthedocs.io
微信公眾號(hào)：小菜學(xué)編程 (coding-fan)

假設(shè)，有一些工作函數(shù)，用來(lái)對(duì)數(shù)據(jù)做不同的處理：

def work_bar(data):
    pass


def work_foo(data):
    pass

我們想在函數(shù)調(diào)用前/后輸出日志，怎么辦？

logging.info("begin call work_bar")
work_bar(1)
logging.info("call work_bar done")

如果有多處代碼調(diào)用呢？想想就怕！

傻瓜解法無(wú)非是有太多代碼冗余，每次函數(shù)調(diào)用都要寫一遍logging?？梢园堰@部分冗余邏輯封裝到一個(gè)新函數(shù)里：

def smart_work_bar(data):
    logging.info("begin call: work_bar")
    work_bar(data)
    logging.info("call done: work_bar")

這樣，每次調(diào)用smart_work_bar即可：

smart_work_bar(1)

# ...

smart_work_bar(some_data)

看上去挺完美……然而，當(dāng)work_foo也有同樣的需要時(shí)，還要再實(shí)現(xiàn)一遍smart_work_foo嗎？這樣顯然不科學(xué)呀！

別急，我們可以用閉包：

def log_call(func):
    def proxy(*args, **kwargs):
        logging.info("begin call: {name}".format(name=func.func_name))
        result = func(*args, **kwargs)
        logging.info("call done: {name}".format(name=func.func_name))
        return result
    return proxy

這個(gè)函數(shù)接收一個(gè)函數(shù)對(duì)象(被代理函數(shù))作為參數(shù)，返回一個(gè)代理函數(shù)。調(diào)用代理函數(shù)時(shí)，先輸出日志，然后調(diào)用被代理函數(shù)，調(diào)用完成后再輸出日志，最后返回調(diào)用結(jié)果。這樣，不就達(dá)到通用化的目的了嗎？——對(duì)于任意被代理函數(shù)func，log_call均可輕松應(yīng)對(duì)。

smart_work_bar = log_call(work_bar)
smart_work_foo = log_call(work_foo)

smart_work_bar(1)
smart_work_foo(1)

# ...

smart_work_bar(some_data)
smart_work_foo(some_data)

第1行中，log_call接收參數(shù)work_bar，返回一個(gè)代理函數(shù)proxy，并賦給smart_work_bar。第4行中，調(diào)用smart_work_bar，也就是代理函數(shù)proxy，先輸出日志，然后調(diào)用func也就是work_bar，最后再輸出日志。注意到，代理函數(shù)中，func與傳進(jìn)去的work_bar對(duì)象緊緊關(guān)聯(lián)在一起了，這就是閉包。

再提一下，可以覆蓋被代理函數(shù)名，以smart_為前綴取新名字還是顯得有些累贅：

work_bar = log_call(work_bar)
work_foo = log_call(work_foo)

work_bar(1)
work_foo(1)

先來(lái)看看以下代碼：

def work_bar(data):
    pass
work_bar = log_call(work_bar)


def work_foo(data):
    pass
work_foo = log_call(work_foo)

雖然代碼沒(méi)有什么冗余了，但是看是去還是不夠直觀。這時(shí)候，語(yǔ)法糖來(lái)了~~~

@log_call
def work_bar(data):
    pass

因此，注意一點(diǎn)(劃重點(diǎn)啦)，這里@log_call的作用只是：告訴Python編譯器插入代碼work_bar = log_call(work_bar)。

先來(lái)猜猜裝飾器eval_now有什么作用？

def eval_now(func):
    return func()

看上去好奇怪哦，沒(méi)有定義代理函數(shù)，算裝飾器嗎？

@eval_now
def foo():
    return 1

print foo

這段代碼輸出1，也就是對(duì)函數(shù)進(jìn)行調(diào)用求值。那么到底有什么用呢？直接寫foo = 1不行么？在這個(gè)簡(jiǎn)單的例子，這么寫當(dāng)然可以啦。來(lái)看一個(gè)更復(fù)雜的例子——初始化一個(gè)日志對(duì)象：

# some other code before...

# log format
formatter = logging.Formatter(
    "[%(asctime)s] %(process)5d %(levelname) 8s - %(message)s",
    "%Y-%m-%d %H:%M:%S",
)

# stdout handler
stdout_handler = logging.StreamHandler(sys.stdout)
stdout_handler.setFormatter(formatter)
stdout_handler.setLevel(logging.DEBUG)

# stderr handler
stderr_handler = logging.StreamHandler(sys.stderr)
stderr_handler.setFormatter(formatter)
stderr_handler.setLevel(logging.ERROR)

# logger object
logger = logging.Logger(__name__)
logger.setLevel(logging.DEBUG)
logger.addHandler(stdout_handler)
logger.addHandler(stderr_handler)

# again some other code after...

用eval_now的方式：

# some other code before...

@eval_now
def logger():
    # log format
    formatter = logging.Formatter(
        "[%(asctime)s] %(process)5d %(levelname) 8s - %(message)s",
        "%Y-%m-%d %H:%M:%S",
    )

    # stdout handler
    stdout_handler = logging.StreamHandler(sys.stdout)
    stdout_handler.setFormatter(formatter)
    stdout_handler.setLevel(logging.DEBUG)

    # stderr handler
    stderr_handler = logging.StreamHandler(sys.stderr)
    stderr_handler.setFormatter(formatter)
    stderr_handler.setLevel(logging.ERROR)

    # logger object
    logger = logging.Logger(__name__)
    logger.setLevel(logging.DEBUG)
    logger.addHandler(stdout_handler)
    logger.addHandler(stderr_handler)

    return logger

# again some other code after...

兩段代碼要達(dá)到的目的是一樣的，但是后者顯然更清晰，頗有代碼塊的風(fēng)范。更重要的是，函數(shù)調(diào)用在局部名字空間完成初始化，避免臨時(shí)變量(如formatter等)污染外部的名字空間(比如全局)。

定義一個(gè)裝飾器，用于記錄慢函數(shù)調(diào)用：

def log_slow_call(func):
    def proxy(*args, **kwargs):
        start_ts = time.time()
        result = func(*args, **kwargs)
        end_ts = time.time()

        seconds = start_ts - end_ts
        if seconds > 1:
        logging.warn("slow call: {name} in {seconds}s".format(
            name=func.func_name,
            seconds=seconds,
        ))

        return result

    return proxy

第3、5行分別在函數(shù)調(diào)用前后采樣當(dāng)前時(shí)間，第7行計(jì)算調(diào)用耗時(shí)，耗時(shí)大于一秒輸出一條警告日志。

@log_slow_call
def sleep_seconds(seconds):
    time.sleep(seconds)

sleep_seconds(0.1)  # 沒(méi)有日志輸出

sleep_seconds(2)    # 輸出警告日志

然而，閾值設(shè)置總是要視情況決定，不同的函數(shù)可能會(huì)設(shè)置不同的值。如果閾值有辦法參數(shù)化就好了：

def log_slow_call(func, threshold=1):
    def proxy(*args, **kwargs):
        start_ts = time.time()
        result = func(*args, **kwargs)
        end_ts = time.time()

        seconds = start_ts - end_ts
        if seconds > threshold:
        logging.warn("slow call: {name} in {seconds}s".format(
            name=func.func_name,
            seconds=seconds,
        ))

        return result

    return proxy

然而，@xxxx語(yǔ)法糖總是以被裝飾函數(shù)為參數(shù)調(diào)用裝飾器，也就是說(shuō)沒(méi)有機(jī)會(huì)傳遞threshold參數(shù)。怎么辦呢？——用一個(gè)閉包封裝threshold參數(shù)：

def log_slow_call(threshold=1):
    def decorator(func):
        def proxy(*args, **kwargs):
            start_ts = time.time()
            result = func(*args, **kwargs)
            end_ts = time.time()

            seconds = start_ts - end_ts
            if seconds > threshold:
            logging.warn("slow call: {name} in {seconds}s".format(
                name=func.func_name,
                seconds=seconds,
            ))

            return result

        return proxy

    return decorator


@log_slow_call(threshold=0.5)
def sleep_seconds(seconds):
    time.sleep(seconds)

這樣，log_slow_call(threshold=0.5)調(diào)用返回函數(shù)decorator，函數(shù)擁有閉包變量threshold，值為0.5。decorator再裝飾sleep_seconds。

采用默認(rèn)閾值，函數(shù)調(diào)用還是不能省略：

@log_slow_call()
def sleep_seconds(seconds):
    time.sleep(seconds)

處女座可能會(huì)對(duì)第一行這對(duì)括號(hào)感到不爽，那么可以這樣改進(jìn)：

def log_slow_call(func=None, threshold=1):
    def decorator(func):
        def proxy(*args, **kwargs):
            start_ts = time.time()
            result = func(*args, **kwargs)
            end_ts = time.time()

            seconds = start_ts - end_ts
            if seconds > threshold:
            logging.warn("slow call: {name} in {seconds}s".format(
                name=func.func_name,
                seconds=seconds,
            ))

            return result

        return proxy

    if func is None:
        return decorator
    else:
        return decorator(func)

這種寫法兼容兩種不同的用法，用法A默認(rèn)閾值(無(wú)調(diào)用)；用法B自定義閾值(有調(diào)用)。

# Case A
@log_slow_call
def sleep_seconds(seconds):
    time.sleep(seconds)


# Case B
@log_slow_call(threshold=0.5)
def sleep_seconds(seconds):
    time.sleep(seconds)

用法A中，發(fā)生的事情是log_slow_call(sleep_seconds)，也就是func參數(shù)是非空的，這是直接調(diào)decorator進(jìn)行包裝并返回(閾值是默認(rèn)的)。

用法B中，先發(fā)生的是log_slow_call(threshold=0.5)，func參數(shù)為空，直接返回新的裝飾器decorator，關(guān)聯(lián)閉包變量threshold，值為0.5；然后，decorator再裝飾函數(shù)sleep_seconds，即decorator(sleep_seconds)。注意到，此時(shí)threshold關(guān)聯(lián)的值是0.5，完成定制化。

你可能注意到了，這里最好使用關(guān)鍵字參數(shù)這種調(diào)用方式——使用位置參數(shù)會(huì)很丑陋：

# Case B-
@log_slow_call(None, 0.5)
def sleep_seconds(seconds):
    time.sleep(seconds)

當(dāng)然了，函數(shù)調(diào)用盡量使用關(guān)鍵字參數(shù)是一種極佳實(shí)踐，含義清晰，在參數(shù)很多的情況下更是如此。

上節(jié)介紹的寫法，嵌套層次較多，如果每個(gè)類似的裝飾器都用這種方法實(shí)現(xiàn)，還是比較費(fèi)勁的(腦子不夠用)，也比較容易出錯(cuò)。

假設(shè)有一個(gè)智能裝飾器smart_decorator，修飾裝飾器log_slow_call，便可獲得同樣的能力。這樣，log_slow_call定義將變得更清晰，實(shí)現(xiàn)起來(lái)也更省力啦：

@smart_decorator
def log_slow_call(func, threshold=1):
    def proxy(*args, **kwargs):
        start_ts = time.time()
        result = func(*args, **kwargs)
        end_ts = time.time()

        seconds = start_ts - end_ts
        if seconds > threshold:
        logging.warn("slow call: {name} in {seconds}s".format(
            name=func.func_name,
            seconds=seconds,
        ))

        return result

    return proxy

腦洞開(kāi)完，smart_decorator如何實(shí)現(xiàn)呢？其實(shí)也簡(jiǎn)單：

def smart_decorator(decorator):

    def decorator_proxy(func=None, **kwargs):
        if func is not None:
            return decorator(func=func, **kwargs)

        def decorator_proxy(func):
            return decorator(func=func, **kwargs)

        return decorator_proxy

    return decorator_proxy

smart_decorator實(shí)現(xiàn)了以后，設(shè)想就成立了！這時(shí)，log_slow_call，就是decorator_proxy(外層)，關(guān)聯(lián)的閉包變量decorator是本節(jié)最開(kāi)始定義的log_slow_call(為了避免歧義，稱為real_log_slow_call)。log_slow_call支持以下各種用法：

# Case A
@log_slow_call
def sleep_seconds(seconds):
    time.sleep(seconds)

用法A中，執(zhí)行的是decorator_proxy(sleep_seconds)(外層)，func非空，kwargs為空；直接執(zhí)行decorator(func=func, **kwargs)，即real_log_slow_call(sleep_seconds)，結(jié)果是關(guān)聯(lián)默認(rèn)參數(shù)的proxy。

# Case B
# Same to Case A
@log_slow_call()
def sleep_seconds(seconds):
    time.sleep(seconds)

用法B中，先執(zhí)行decorator_proxy()，func及kwargs均為空，返回decorator_proxy對(duì)象(內(nèi)層)；再執(zhí)行decorator_proxy(sleep_seconds)(內(nèi)層)；最后執(zhí)行decorator(func, **kwargs)，等價(jià)于real_log_slow_call(sleep_seconds)，效果與用法A一致。

# Case C
@log_slow_call(threshold=0.5)
def sleep_seconds(seconds):
    time.sleep(seconds)

用法C中，先執(zhí)行decorator_proxy(threshold=0.5)，func為空但kwargs非空，返回decorator_proxy對(duì)象(內(nèi)層)；再執(zhí)行decorator_proxy(sleep_seconds)(內(nèi)層)；最后執(zhí)行decorator(sleep_seconds, **kwargs)，等價(jià)于real_log_slow_call(sleep_seconds, threshold=0.5)，閾值實(shí)現(xiàn)自定義！

訂閱更新，獲取更多學(xué)習(xí)資料，請(qǐng)關(guān)注我們的?微信公眾號(hào)?：