|
函數(shù)裝飾器可以被用于增強方法的某些行為，如果想自己實現(xiàn)裝飾器，則必須了解閉包的概念。 裝飾器的基本概念裝飾器是一個可調(diào)用對象，它的參數(shù)是另一個函數(shù)，稱為被裝飾函數(shù)。裝飾器可以修改這個函數(shù)再將其返回，也可以將其替換為另一個函數(shù)或者可調(diào)用對象。 例如：有個名為 decorate 的裝飾器： @decorate
def target():
print('running target()')上述代碼的寫法和以下寫法的效果是一樣的： def target():
print('running target()')
target = decorate(target)但是，它們返回的 target 不一定是原來的那個 target 函數(shù)，例如下面這個例子： >>> def deco(func):
... def inner():
... print('running inner()')
... return inner
...
>>> @deco
... def target():
... print('running target()')
...
>>> target()
running inner()
>>> target
<function deco.<locals>.inner at 0x0000013D88563040>可以看到，調(diào)用 target 函數(shù)執(zhí)行的是 inner 函數(shù)，這里的 target 實際上是 inner 的引用。 何時執(zhí)行裝飾器裝飾器的另一個關(guān)鍵特性是，它們在被裝飾函數(shù)定義時立即執(zhí)行，這通常是發(fā)生在導(dǎo)入模塊的時候。 例如下面的這個模塊：registration.py # 存儲被裝飾器 @register 裝飾的函數(shù)
registry = []
# 裝飾器
def register(func):
print(f"注冊函數(shù) -> {func}")
# 記錄被裝飾的函數(shù)
registry.append(func)
return func
@register
def f1():
print("執(zhí)行 f1()")
@register
def f2():
print("執(zhí)行 f2()")
def f3():
print("執(zhí)行 f3()")
if __name__ == "__main__":
print("執(zhí)行主函數(shù)")
print("registry -> ", registry)
f1()
f2()
f3()現(xiàn)在我們在命令行執(zhí)行這個腳本： $ python registration.py
注冊函數(shù) -> <function f1 at 0x000001F6FC8320D0>
注冊函數(shù) -> <function f2 at 0x000001F6FC832160>
執(zhí)行主函數(shù)
registry -> [<function f1 at 0x000001F6FC8320D0>, <function f2 at 0x000001F6FC832160>]
執(zhí)行 f1()
執(zhí)行 f2()
執(zhí)行 f3() 這里我們可以看到，在主函數(shù)執(zhí)行之前，register 已經(jīng)執(zhí)行了兩次。加載模塊后，registry 中已經(jīng)有兩個被裝飾函數(shù)的引用：f1 和 f2。不過這兩個函數(shù)以及 f3 都是在腳本中明確調(diào)用后才開始執(zhí)行的。 如果只是單純的導(dǎo)入 registration.py 模塊而不運行： >>> import registration
注冊函數(shù) -> <function f1 at 0x0000022670012280>
注冊函數(shù) -> <function f2 at 0x0000022670012310> 查看 registry 中的值： >>> registration.registry
[<function f1 at 0x0000022670012280>, <function f2 at 0x0000022670012310>] 這個例子主要說明：裝飾器在導(dǎo)入模塊時立即執(zhí)行，而被裝飾的函數(shù)只有在明確調(diào)用時才運行。這也突出了 Python 中導(dǎo)入時和運行時這個兩個概念的區(qū)別。 在裝飾器的實際使用中，有兩點和示例是不同的： 裝飾器內(nèi)部定義并返回新函數(shù)的做法需要靠閉包才能正常運作。為了理解閉包，則必須先了解 Python 中的變量作用域。 變量作用域的規(guī)則我們來看下面這個例子，一個函數(shù)讀取一個局部變量 a，一個全局變量 b。 >>> def f1(a):
... print(a)
... print(b)
...
>>> f1(3)
3
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in f1
NameError: name 'b' is not defined 出現(xiàn)錯誤并不奇怪。如果我們先給 b 賦值，再調(diào)用 f1，那就不會出錯了： >>> b = 1
>>> f1(3)
3
1 現(xiàn)在，我們來看一個不尋常的例子： >>> b = 1
>>> def f2(a):
... print(a)
... print(b)
... b = 2
...
>>> f2(3)
3
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in f2
UnboundLocalError: local variable 'b' referenced before assignment 這里，f2 函數(shù)的前兩行和 f1 相同，然后再給 b 賦值?？墒?，在賦值之前，第二個 print 失敗了。這是因為Python 在編譯函數(shù)的定義體時，發(fā)現(xiàn)在函數(shù)中有給 b 賦值的語句，因此判斷它是局部變量。而在上述示例中，當(dāng)我們打印局部變量 b 時，它并沒有被綁定值，故而報錯。 Python 不要求聲明變量，但是會把在函數(shù)定義體中賦值的變量當(dāng)成局部變量。
如果想把上述示例中的 b 看成全局變量，則需要使用 global 聲明： >>> b = 1
>>> def f3(a):
... global b
... print(a)
... print(b)
... b = 2
...
>>> f3(3)
3
1
>>> b
2
>>> f3(3)
3
2 閉包閉包是指延伸了作用域的函數(shù)，其中包含了函數(shù)定義體中的引用，以及不在定義體中定義的非全局變量。 我們通過以下示例來理解這句話。 假設(shè)我們有這種需求，計算某個商品在整個歷史中的平均收盤價格（商品每天的價格會變化）。例如： >>> avg(10)
10.0
>>> avg(11)
10.5
>>> avg(12)
11.0 那么如何獲取 avg 函數(shù)？歷史收盤價格又是如何保存的？ 我們可以用一個類來實現(xiàn)： class Averager:
def __init__(self):
self.serial = []
def __call__(self, price):
self.serial.append(price)
return sum(self.serial) / len(self.serial) Averager 的實例是一個可調(diào)用對象。
>>> avg = Averager()
>>> avg(10)
10.0
>>> avg(11)
10.5
>>> avg(12)
11.0 也可以使用一個函數(shù)來實現(xiàn)： >>> def make_averager():
... serial = []
... def averager(price):
... serial.append(price)
... return sum(serial) / len(serial)
... return averager
...
>>> avg = make_averager()
>>> avg(10)
10.0
>>> avg(11)
10.5
>>> avg(12)
11.0 第一種寫法很明顯的可以看到，所有歷史收盤價均保存在實例變量 self.serial 中。 第二種寫法我們要好好的分析一下：serial 是 make_averager 的局部變量，但是當(dāng)我們調(diào)用 avg(10) 時，make_averager 函數(shù)已經(jīng)返回了，它的作用域不是應(yīng)該消失了嗎？ 實際上，在 averager 函數(shù)中，serial 是自由變量（未在本地作用域中綁定的變量）。如下圖所示： 
我們可以在 averager 返回對象的 __code__ 屬性中查看它的局部變量和自由變量的名字。 >>> avg.__code__.co_varnames
('price',)
>>> avg.__code__.co_freevars
('serial',)自由變量 serial 綁定的值存放在 avg 對象的 __closure__ 屬性中，它是一個元組，里面的元素是 cell 對象，它的 cell_contents 屬性保存實際的值： >>> avg.__closure__
(<cell at 0x000002266FF99430: list object at 0x00000226702841C0>,)
>>> avg.__closure__[0].cell_contents
[10, 11, 12] 綜上所述，閉包是一種函數(shù)，它會保留定義函數(shù)時存在的自由變量的綁定值，這樣在我們調(diào)用這個函數(shù)時，即使作用域不在了，仍然可以使用這些綁定的值。 注意： 只有嵌套在其它函數(shù)中的函數(shù)才可能需要處理不在全局作用域中的外部變量。
nonlocal 聲明
前面的 make_averager 方法的效率并不高，我們可以只保存當(dāng)前的總值和元素個數(shù)，再使用它們計算平均值。下面是我們更改后的函數(shù)體： >>> def make_averager():
... count = total = 0
... def averager(price):
... count += 1
... total += price
... return total / count
... return averager 但是這個寫法實際上是有問題的，我們先運行再分析： >>> avg = make_averager()
>>> avg(10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 4, in averager
UnboundLocalError: local variable 'count' referenced before assignment 這里 count 被當(dāng)成 averager 的局部變量，而不是我們期望的自由變量。這是因為 count += 1 相當(dāng)于 count = count + 1。因此，我們在 averager 函數(shù)體中實際包含了給 count 賦值的操作，這就把 count 變成局部變量。total 也有這個問題。 為了解決這個問題，Python3 引入了 nonlocal 關(guān)鍵字，用于聲明自由變量。使用 nonlocal 修改上述的例子： >>> def make_averager():
... count = total = 0
... def averager(price):
... nonlocal count, total
... count += 1
... total += price
... return total / count
... return averager
...
>>> avg = make_averager()
>>> avg(10)
10.0
>>> avg(11)
10.5
>>> avg(12)
11.0 疊放裝飾器如果我們把 @d1 和 @d2 兩個裝飾器應(yīng)用到同一個函數(shù) f() 上，實際相當(dāng)于 f = d1(d2(f))。 也就是說，下屬代碼： @d1
@d2
def f():
pass 等同于： def f():
pass
f = d1(d2(f)) 參數(shù)化裝飾器Python 會把被裝飾的參數(shù)作為第一個參數(shù)傳遞給裝飾器函數(shù)，那么如何讓裝飾器接受其它的參數(shù)呢？這里我們需要定義一個裝飾器工廠函數(shù)，返回真正的裝飾器函數(shù)。 以本文開頭的 register 裝飾器為例，我們?yōu)樗砑右粋€ active 參數(shù)，如果置為 False，那就不注冊這個函數(shù)。 registry = []
def register(active=True):
def decorate(func):
if active:
print(f"注冊函數(shù) -> {func}")
# 記錄被裝飾的函數(shù)
registry.append(func)
return func
return decorate
@register()
def f1():
print("執(zhí)行 f1")
@register(active=False)
def f2():
print("執(zhí)行 f2")現(xiàn)在我們導(dǎo)入這個模塊： >>> import registration
注冊函數(shù) -> <function f1 at 0x0000016D80402280> 可以看到只注冊了 f1 函數(shù)。 實現(xiàn)一個簡單的裝飾器這里我們使用嵌套函數(shù)實現(xiàn)一個簡單的裝飾器：計算被裝飾函數(shù)執(zhí)行的耗時，并將函數(shù)名、參數(shù)和執(zhí)行的結(jié)果打印出來。 import time
def clock(func):
def clocked(*args):
start_time = time.perf_counter()
result = func(*args)
cost = time.perf_counter() - start_time
print(
"[%.2f] %s(%s) -> %r" % (cost, func.__name__, list(map(repr, args)), result)
)
return result
return clocked 下面我們來試試這個裝飾器： >>> @clock
... def factorial(n):
... # 計算 n 的階乘
... return 1 if n < 2 else n * factorial(n - 1)
>>>
>>> factorial(6)
[0.00] factorial(['1']) -> 1
[0.00] factorial(['2']) -> 2
[0.00] factorial(['3']) -> 6
[0.00] factorial(['4']) -> 24
[0.00] factorial(['5']) -> 120
[0.00] factorial(['6']) -> 720
720 具體來分析一下，這里 factorial 作為 func 參數(shù)傳遞給 clock 函數(shù)，然后 clock 函數(shù)返回 clocked 函數(shù)，Python 解釋器會把 clocked 賦值給 factorial。所以，如果我們查看 factorial 的 __name__ 屬性，會發(fā)現(xiàn)它的值是 clocked 而不是 factorial。 >>> factorial.__name__
'clocked' 所以，factorial 保存的是 clocked 的引用，每次調(diào)用 factorial 實際上都是在調(diào)用 clocked 函數(shù)。 我們也可以使用 functools.wraps 裝飾器把 func 的一些屬性復(fù)制到 clocked 函數(shù)上，例如：__name__ 和 __doc__： def clock(func):
@functools.wraps(func)
def clocked(*args):
start_time = time.perf_counter()
result = func(*args)
cost = time.perf_counter() - start_time
print(
"[%.2f] %s(%s) -> %r" % (cost, func.__name__, list(map(repr, args)), result)
)
return result
return clocked
>>>
>>> @clock
... def factorial(n):
... return 1 if n < 2 else n * factorial(n - 1)
>>>
>>> factorial.__name__
'factorial' 標(biāo)準(zhǔn)庫中的裝飾器使用 functools.lru_cache 做備忘functools.lru_cache 會把耗時的函數(shù)的結(jié)果保存起來，避免傳入相同的參數(shù)時的重復(fù)計算。lru 的意思是 Least Recently Used，表示緩存不會無限增長，一段時間不用的緩存條目會被丟棄。
lru_cache 非常適合計算第 n 個斐波那契數(shù)這樣的慢速遞歸函數(shù)。
我們來看看不使用 lru_cache 時的情況： >>> @clock
... def fibonacci(n):
... return n if n < 2 else fibonacci(n - 2) + fibonacci(n - 1)
...
>>> fibonacci(6)
[0.00000040] fibonacci(['0']) -> 0
[0.00000060] fibonacci(['1']) -> 1
[0.00030500] fibonacci(['2']) -> 1
[0.00000030] fibonacci(['1']) -> 1
[0.00000040] fibonacci(['0']) -> 0
[0.00000060] fibonacci(['1']) -> 1
[0.00042110] fibonacci(['2']) -> 1
[0.00074440] fibonacci(['3']) -> 2
[0.00128530] fibonacci(['4']) -> 3
[0.00000020] fibonacci(['1']) -> 1
[0.00000030] fibonacci(['0']) -> 0
[0.00000050] fibonacci(['1']) -> 1
[0.00035500] fibonacci(['2']) -> 1
[0.00055270] fibonacci(['3']) -> 2
[0.00000030] fibonacci(['0']) -> 0
[0.00000060] fibonacci(['1']) -> 1
[0.00041220] fibonacci(['2']) -> 1
[0.00000040] fibonacci(['1']) -> 1
[0.00000040] fibonacci(['0']) -> 0
[0.00000050] fibonacci(['1']) -> 1
[0.00032410] fibonacci(['2']) -> 1
[0.00061420] fibonacci(['3']) -> 2
[0.00122760] fibonacci(['4']) -> 3
[0.00206850] fibonacci(['5']) -> 5
[0.00352630] fibonacci(['6']) -> 8
8 這種方式有很多重復(fù)的計算，例如 fibonacci(['1']) 執(zhí)行了 8 次，fibonacci(['2']) 執(zhí)行了 5 次等等。 現(xiàn)在我們使用 functools.lru_cache 優(yōu)化一下： >>> @functools.lru_cache
... @clock
... def fibonacci(n):
... return n if n < 2 else fibonacci(n - 2) + fibonacci(n - 1)
...
>>> fibonacci(6)
[0.00000060] fibonacci(['0']) -> 0
[0.00000070] fibonacci(['1']) -> 1
[0.00106320] fibonacci(['2']) -> 1
[0.00000080] fibonacci(['3']) -> 2
[0.00132790] fibonacci(['4']) -> 3
[0.00000060] fibonacci(['5']) -> 5
[0.00159670] fibonacci(['6']) -> 8
8 可以看到節(jié)省了一半的執(zhí)行時間，并且 n 的每個值只調(diào)用了一次函數(shù)。 在執(zhí)行 fibonacci(30) 時，如果使用未優(yōu)化的版本需要 141 秒，使用優(yōu)化后的版本只需要 0.002 秒。 除了優(yōu)化遞歸算法之外，lru_cache 在從 WEB 獲取信息的應(yīng)用中也能發(fā)揮巨大作用。 lru_cache 還有兩個可選參數(shù)：
def lru_cache(maxsize=128, typed=False): 單分派泛函數(shù)假設(shè)我們現(xiàn)在開發(fā)一個調(diào)試 WEB 應(yīng)用的工具：生成 HTML，顯示不同類型的 Python 對象。 我們可以這樣編寫一個函數(shù)： import html
def htmlize(obj):
content = html.escape(repr(obj))
return f"<pre>{content}</pre>"現(xiàn)在我們需要做一些拓展，讓它使用特別的方式顯示某些特定類型： 最常用的方式就是寫 if...elif..else 判斷： import numbers
from collections.abc import MutableSequence
def htmlize(obj):
if isinstance(obj, str):
content = obj.replace("\n", "<br>\n")
return f"<p>{content}</p>"
elif isinstance(obj, numbers.Integral):
content = f"{obj} ({hex(obj)})"
return f"<pre>{content}</pre>"
elif isinstance(obj, MutableSequence):
content = "</li>\n<li>".join(htmlize(item) for item in obj)
return "<ul>\n<li>" + content + "</li>\n</ul>"
else:
content = f"<pre>{obj}</pre>"
return content如果想添加新的類型判斷，只會將函數(shù)越寫越長，并且各個類型之間耦合度較高，不利于維護。 Python 3.4 新增的 functools.singledispatch 裝飾器可以將整個方案拆分成多個模塊。 import numbers
from collections.abc import MutableSequence
from functools import singledispatch
@singledispatch
def htmlize(obj):
content = f"<pre>{obj}</pre>"
return content
@htmlize.register(str)
def _(text):
content = text.replace("\n", "<br>\n")
return f"<p>{content}</p>"
@htmlize.register(numbers.Integral)
def _(num):
content = f"{num} ({hex(num)})"
return f"<pre>{content}</pre>"
@htmlize.register(MutableSequence)
def _(seq):
content = "</li>\n<li>".join(htmlize(item) for item in seq)
return "<ul>\n<li>" + content + "</li>\n</ul>"這里我們?yōu)槊恳粋€需要特殊處理的類型都定義另一個專門的函數(shù)。 functools.singledispatch 的更詳細的文檔參考：https://www./dev/peps/pep-0443/。
|
