Python中的装饰器是什么？装饰器是如何工作的？

àì夳堔傛蜴生んèń 2022-11-05 05:22 164阅读 0赞

Python很早就引入了装饰器——在PEP-318中，作为一种简化函数和方法定义方式的机制，这些函数和方法在初始定义之后必须进行修改。

这样做的最初动机之一是，使用classmethod和staticmethod等函数来转换方法的原始定义，但是它们需要额外的一行代码来修改函数的初始定义。

一般来说，每次必须对函数应用转换时，我们必须使用modifier函数调用它，然后将它重新分配到函数初始定义时的名称中。

例如，假设有一个叫作original的函数，在它上面有一个改变original行为的函数（叫作modifier），那么我们必须这样写：

def original(...):
        ...
    original = modifier(original)

请注意我们是如何更改函数并将其重新分配到相同的名称中去的。这是令人困惑的，很容易出错（假设有人忘记重新分配函数，或者重新分配了函数，但不在函数定义之后的行中，而是在更远的地方），而且很麻烦。出于这个原因，Python语言增加了一些语法支持。

前面的示例可以改写为如下样式：

@modifier
    def original(...):
       ...

这意味着装饰器只是语法糖，用于调用装饰器之后的内容作为装饰器本身的第一个参数，结果将是装饰器返回的内容。

为了与Python的术语一致，在我们的示例中modifier称为装饰器，original是装饰函数，通常也被称为包装对象。

虽然该功能最初被认为是用于方法和函数的，但实际的语法允许它修饰任何类型的对象，因此我们将研究应用于函数、方法、生成器和类的装饰器。

最后一点需要注意的是，虽然装饰器的名称是正确的（毕竟，装饰器实际上是在对包装函数进行更改、扩展或处理），但不要将它与装饰器设计模式混淆。

# 5.1.1　装饰器函数 #

函数可能是对可以装饰的Python对象的最简单的表示形式。我们可以在函数上使用装饰器来应用各种逻辑——我们可以验证参数、检查前置条件、完全改变行为、修改其签名、缓存结果（创建原始函数的内存版本）等。

例如，我们将创建一个实现retry机制的基本装饰器，控制一个特定的域级异常并重试一定的次数：

# decorator_function_1.py
    class ControlledException(Exception):
        """A generic exception on the program's domain."""
    
    def retry(operation):
        @wraps(operation)
        def wrapped(*args, **kwargs):
            last_raised = None
            RETRIES_LIMIT = 3
            for _ in range(RETRIES_LIMIT):
                try:
                    return operation(*args, **kwargs)
                except ControlledException as e:
                    logger.info("retrying %s", operation.__qualname__)
                    last_raised = e
            raise last_raised
    
        return wrapped

现在可以忽略@wrap的使用，因为它将在另一节中讨论。在for循环中使用“\_”，意味着这个数字被分配给一个我们目前不感兴趣的变量，因为它不在for循环中使用（在Python中，将被忽略的值命名为“\_”是一个常见的习惯用法）。

retry装饰器不接收任何参数，所以它可以很容易地应用于任何函数，如下所示：

@retry
    def run_operation(task):
        """Run a particular task, simulating some failures on its execution."""
        return task.run()

正如一开始所解释的，在run\_operation之上@retry的定义只是Python提供的语法糖，用于实际执行run\_operation = retry(run\_operation)。

在这个有限的示例中，我们可以看到如何用装饰器创建一个通用的retry操作，在某些确定的条件下（在本示例中，表示为可能与超时相关的异常），该操作将允许多次调用装饰后的代码。

# 5.1.2　装饰类 #

类也可以被装饰（PEP-3129），其装饰方法与语法函数的装饰方法相同。唯一的区别是，在为装饰器编写代码时，我们必须考虑到所接收的是一个类，而不是一个函数。

一些实践者可能会认为装饰类是相当复杂的事情，这样的场景可能会损害可读性，因为我们将在类中声明一些属性和方法，但是在幕后，装饰器可能会应用一些变化，从而呈现一个完全不同的类。

这种评定是正确的，但只有在装饰类技术被严重滥用的情况下成立。客观上，这与装饰功能没有什么不同；毕竟，类和函数一样，都只是Python生态系统中的一种类型的对象而已。在5.4节中，我们将再次审视这个问题的优缺点，但是这里只探索装饰器的优点，尤其是适用于类的装饰器的优点。

（1）重用代码和DRY原则的所有好处。类装饰器的一个有效情况是，强制多个类符合特定的接口或标准（通过只在将应用于多个类的装饰器中进行一次检查）。

（2）可以创建更小或更简单的类——这些类稍后将由装饰器进行增强。

（3）如果使用装饰器，那么需要应用到特定类上的转换逻辑将更容易维护，而不会使用更复杂的（通常是不鼓励使用的）方法，如元类。

在装饰器的所有可能应用程序中，我们将探索一个简单的示例，以了解装饰器可以用于哪些方面。记住，这不是类装饰器的唯一应用程序类型，而且给出的代码还可以有许多其他解决方案。所有这些解决方案都有优缺点，之所以选择装饰器，是为了说明它们的用处。

回顾用于监视平台的事件系统，现在需要转换每个事件的数据并将其发送到外部系统。然而，在选择如何发送数据时，每种类型的事件可能都有自己的特殊性。

特别是，登录事件可能包含敏感信息，例如我们希望隐藏的凭据。时间戳等其他领域的字段可能也需要一些转换，因为我们希望以特定的格式显示它们。符合这些要求的第一次尝试很简单，就像有一个映射到每个特定事件的类，并知道如何序列化它那样：

class LoginEventSerializer:
        def __init__(self, event):
            self.event = event
    
        def serialize(self) -> dict:
            return {
                "username": self.event.username,
                "password": "**redacted**",
                "ip": self.event.ip,
                "timestamp": self.event.timestamp.strftime("%Y-%m-%d
                 %H:%M"),
            }
    
    class LoginEvent:
        SERIALIZER = LoginEventSerializer
    
        def __init__(self, username, password, ip, timestamp):
            self.username = username
            self.password = password
            self.ip = ip
            self.timestamp = timestamp
    
        def serialize(self) -> dict:
            return self.SERIALIZER(self).serialize()

在这里，我们声明一个类。该类将直接映射到登录事件，其中包含它的一些逻辑——隐藏密码字段，并根据需要格式化时间戳。

虽然这是可行的，可能开始看起来是一个不错的选择，但随着时间的推移，若要扩展系统，就会发现一些问题。

（1）**类太多**。随着事件数量的增多，序列化类的数量将以相同的量级增长，因为它们是一一映射的。

（2）**解决方案不够灵活**。如果我们需要重用部分组件（例如，需要把密码藏在也有类似需求的另一个类型的事件中），就不得不将其提取到一个函数，但也要从多个类中调用它，这意味着我们没有重用那么多代码。

（3）**样板文件**。serialize()方法必须出现在所有事件类中，同时调用相同的代码。尽管我们可以将其提取到另一个类中（创建mixin），但这似乎没有很好地使用继承。

另一种解决方案是能够动态构造一个对象：给定一组过滤器（转换函数）和一个事件实例，该对象能够通过将过滤器应用于其字段的方式序列化它。然后，我们只需要定义转换每种字段类型的函数，并通过组合这些函数创建序列化器。

一旦有了这个对象，我们就可以装饰类以添加serialize()方法。该方法只会调用这些序列化对象本身：

def hide_field(field) -> str:
        return "**redacted**"
    
    def format_time(field_timestamp: datetime) -> str:
        return field_timestamp.strftime("%Y-%m-%d %H:%M")
    
    def show_original(event_field):
        return event_field
    
    class EventSerializer:
        def __init__(self, serialization_fields: dict) -> None:
            self.serialization_fields = serialization_fields
    
        def serialize(self, event) -> dict:
            return {
                field: transformation(getattr(event, field))
                for field, transformation in
                self.serialization_fields.items()
            }
    
    class Serialization:
        def __init__(self, **transformations):
            self.serializer = EventSerializer(transformations)
    
        def __call__(self, event_class):
            def serialize_method(event_instance):
                    return self.serializer.serialize(event_instance)
                event_class.serialize = serialize_method
                return event_class
    
    @Serialization(
        username=show_original,
        password=hide_field,
        ip=show_original,
        timestamp=format_time,
    )
    class LoginEvent:
    
        def __init__(self, username, password, ip, timestamp):
            self.username = username
            self.password = password
            self.ip = ip
            self.timestamp = timestamp

注意，装饰器让你更容易知道如何处理每个字段，而不必查看另一个类的代码。仅通过读取传递给类装饰器的参数，我们就知道用户名和IP地址将保持不变，密码将被隐藏，时间戳将被格式化。

现在，类的代码不需要定义serialize()方法，也不需要从实现它的mixin类进行扩展，因为这些都将由装饰器添加。实际上，这可能是创建类装饰器的唯一理由，因为如果不是这样的话，序列化对象可能是LoginEvent的一个类属性，但是它通过向该类添加一个新方法来更改类，这使得创建该类装饰器变得不可能。

我们还可以使用另一个类装饰器，通过定义类的属性来实现init方法的逻辑，但这超出了本例的范围。

通过使用Python 3.7+ 中的这个类装饰器（PEP-557），可以按更简洁的方式重写前面的示例，而不使用init的样板代码，如下所示：

from dataclasses import dataclass
    from datetime import datetime
    
    @Serialization(
        username=show_original,
        password=hide_field,
        ip=show_original,
        timestamp=format_time,
    )
    @dataclass
    class LoginEvent:
        username: str
        password: str
        ip: str
        timestamp: datetime

# 5.1.3　其他类型的装饰器 #

既然我们已经知道了装饰器的@语法的实际含义，就可以得出这样的结论：可以装饰的不仅是函数、方法或类；实际上，任何可以定义的东西（如生成器、协同程序甚至是装饰过的对象）都可以装饰，这意味着装饰器可以堆叠起来。

前面的示例展示了如何链接装饰器。我们先定义类，然后将@dataclass应用于该类——它将该类转换为数据类，充当这些属性的容器。之后，通过@Serialization把逻辑应用到该类上，从而生成一个新类，其中添加了新的serialize()方法。

装饰器另一个好的用法是用于应该用作协同程序的生成器。我们将在第7章中探讨生成器和协同程序的细节，其主要思想是，在向新创建的生成器发送任何数据之前，必须通过调用next()将后者推进到下一个yield语句。这是每个用户都必须记住的手动过程，因此很容易出错。我们可以轻松创建一个装饰器，使其接收生成器作为参数，调用next()，然后返回生成器。

# 5.1.4　将参数传递给装饰器 #

至此，我们已经将装饰器看作Python中的一个强大工具。如果我们可以将参数传递给装饰器，使其逻辑更加抽象，那么其功能可能会更加强大。

有几种实现装饰器的方法可以接收参数，但是接下来我们只讨论最常见的方法。第一种方法是将装饰器创建为带有新的间接层的嵌套函数，使装饰器中的所有内容深入一层。第二种方法是为装饰器使用一个类。

通常，第二种方法更倾向于可读性，因为从对象的角度考虑，其要比3个或3个以上使用闭包的嵌套函数更容易。但是，为了完整起见，我们将对这两种方法进行探讨，以便你可以选择使用最适合当前问题的方法。

# **1．带有嵌套函数的装饰器** #

粗略地说，装饰器的基本思想是创建一个返回函数的函数（通常称为高阶函数）。在装饰器主体中定义的内部函数将是实际被调用的函数。

现在，如果希望将参数传递给它，就需要另一间接层。第一个函数将接收参数，在该函数中，我们将定义一个新函数（它将是装饰器），而这个新函数又将定义另一个新函数，即装饰过程返回的函数。这意味着我们将至少有3层嵌套函数。

如果你到目前为止还不明白上述内容的含义，也不用担心，待查看下面给出的示例之后，就会明白了。

第一个示例是，装饰器在一些函数上实现重试功能。这是个好主意，只是有个问题：实现不允许指定重试次数，只允许在装饰器中指定一个固定的次数。

现在，我们希望能够指出每个示例有多少次重试，也许甚至可以为这个参数添加一个默认值。为了实现这个功能，我们需要用到另一层嵌套函数——先用于参数，然后用于装饰器本身。

这是因为如下代码：

@retry(arg1, arg2,... )

必须返回装饰器，因为@语法将把计算结果应用到要装饰的对象上。从语义上讲，它可以翻译成如下内容：

<original_function> = retry(arg1, arg2, ....)(<original_function>)

除了所需的重试次数，我们还可以指明希望控制的异常类型。支持新需求的新版本代码可能是这样的：

RETRIES_LIMIT = 3
    
    def with_retry(retries_limit=RETRIES_LIMIT, allowed_exceptions=None):
        allowed_exceptions = allowed_exceptions or (ControlledException,)
    
        def retry(operation):
    
            @wraps(operation)
            def wrapped(*args, **kwargs):
                last_raised = None
                for _ in range(retries_limit):
                    try:
                        return operation(*args, **kwargs)
                    except allowed_exceptions as e:
                        logger.info("retrying %s due to %s", operation, e)
                        last_raised = e
                raise last_raised
    
            return wrapped
    
        return retry

下面是这个装饰器如何应用于函数的一些示例，其中显示了它接收的不同选项：

# decorator_parametrized_1.py
    @with_retry()
    def run_operation(task):
        return task.run()
    
    @with_retry(retries_limit=5)
    def run_with_custom_retries_limit(task):
        return task.run()
    
    @with_retry(allowed_exceptions=(AttributeError,))
    def run_with_custom_exceptions(task):
        return task.run()
    
    @with_retry(
        retries_limit=4, allowed_exceptions=(ZeroDivisionError, AttributeError)
    )
    def run_with_custom_parameters(task):
        return task.run()

# **2．装饰器对象** #

前面的示例需要用到3层嵌套函数。首先，这将是一个用于接收我们想要使用的装饰器的参数。在这个函数中，其余的函数是使用这些参数和装饰器逻辑的闭包。

更简洁的实现方法是用一个类定义装饰器。在这种情况下，我们可以在\_\_init\_\_方法中传递参数，然后在名为\_\_call\_\_的魔法方法上实现装饰器的逻辑。

装饰器的代码如下所示：

class WithRetry:
    
        def __init__(self, retries_limit=RETRIES_LIMIT,
    allowed_exceptions=None):
            self.retries_limit = retries_limit
            self.allowed_exceptions = allowed_exceptions or
    (ControlledException,)
    
        def __call__(self, operation):
    
            @wraps(operation)
            def wrapped(*args, **kwargs):
                last_raised = None
    
                for _ in range(self.retries_limit):
                    try:
                        return operation(*args, **kwargs)
                    except self.allowed_exceptions as e:
                        logger.info("retrying %s due to %s", operation, e)
                        last_raised = e
                raise last_raised
    
            return wrapped

这个装饰器可以像之前的一样应用，就像这样：

@WithRetry(retries_limit=5)
    def run_with_custom_retries_limit(task):
        return task.run()

注意Python语法在这里是如何起作用的，这一点很重要。首先，我们创建对象，这样在应用@操作之前，对象已经创建好了，并且其参数传递给它了，用这些参数初始化这个对象，如init方法中定义的那样。在此之后，我们将调用@操作，这样该对象将包装名为run\_with\_custom\_reries\_limit的函数，而这意味着它将被传递给call这个魔法方法。

在call这个魔法方法中，我们定义了装饰器的逻辑，就像通常所做的那样——包装了原始函数，返回一个新的函数，其中包含所要的逻辑。

# 5.1.5　充分利用装饰器 #

本节介绍一些充分利用装饰器的常见模式。在有些常见的场景中使用装饰器是个非常好的选择。

可用于应用程序的装饰器数不胜数，下面仅列举几个最常见或相关的。

（1）**转换参数**。更改函数的签名以公开更好的API，同时封装关于如何处理和转换参数的详细信息。

（2）**跟踪代码**。记录函数及其参数的执行情况。

（3）**验证参数**。

（4）**实现重试操作**。

（5）**通过把一些（重复的）逻辑移到装饰器中来简化类**。

接下来详细讨论前两个应用程序。

# **1．转换参数** #

前文提到，装饰器可以用来验证参数（甚至在DbC的概念下强制一些前置条件或后置条件），因此你可能已经了解到，这是一些处理或者操控参数时使用装饰器的常用方法。

特别是，在某些情况下，我们会发现自己反复创建类似的对象，或者应用类似的转换，而我们希望将这些转换抽象掉。大多数时候，我们可以通过简单地用装饰器实现这一点。

# **2．跟踪代码** #

在本节中讨论**跟踪**时，我们将提到一些更通用的内容，这些内容与处理所要监控的函数的执行有关，具体是指：

（1）实际跟踪函数的执行（例如，通过记录函数执行的行）；

（2）监控函数的一些指标（如CPU使用量或内存占用）；

（3）测量函数的运行时间；

（4）函数被调用时的日志，以及传递给它的参数。

我们将在5.2节剖析一个简单的装饰器示例，该示例记录了函数的执行情况，包括函数名和运行时间。

**本文摘自[《编写整洁的Python代码》][Python]**

![70ae49c5f90c509f152d6e5c3848ad48.png][]

本书介绍Python软件工程的主要实践和原则，旨在帮助读者编写更易于维护和更整洁的代码。全书共10章：第1章介绍Python语言的基础知识和搭建Python开发环境所需的主要工具；第2章描述Python风格代码，介绍Python中的第一个习惯用法；第3章总结好代码的一般特征，回顾软件工程中的一般原则；第4章介绍一套面向对象软件设计的原则，即SOLID原则；第5章介绍装饰器，它是Python的\*\*特性之一；第6章探讨描述符，介绍如何通过描述符从对象中获取更多的信息；第7章和第8章介绍生成器以及单元测试和重构的相关内容；第9章回顾Python中最常见的设计模式；第10章再次强调代码整洁是实现良好架构的基础。

本书适合所有Python编程爱好者、对程序设计感兴趣的人，以及其他想学习更多Python知识的软件工程的从业人员。

[Python]: https://item.jd.com/12784949.html
[70ae49c5f90c509f152d6e5c3848ad48.png]: /images/20221023/b02ccae89f1943079a20828bec1e68af.png