Flask学习(五):flask中添加装饰器

一、注意装饰器函数所在的位置:

代码示例如下:

python 复制代码
from flask import Flask

app = Flask(__name__)


def wapper(func):
    def inner(*args, **kwargs):
        print("执行了装饰器")
        return func(*args, **kwargs)

    return inner


@wapper
@app.route("/index1")
def index():
    return "Index"


if __name__ == "__main__":
    app.run()

执行结果:

由上述代码执行结果可知,装饰器wapper并没有被执行到,这是由于请求过来之后,执行完index并返回视图,因为wapper装饰器在app.route上面,所以并未执行到wapper装饰器,若想执行wapper装饰器,则需要将wapper放到route下面。

python 复制代码
@app.route("/index1")
@wapper
def index():
    return "Index"

执行结果如下:

由上述程序执行结果可知,当装饰器wapper放到route下面的时候,route会把装饰器wapper和index函数当做一个整体去执行,因此按照装饰器的执行顺序,就会先执行wapper返回inner函数引用,然后在执行请求,返回视图。

二、由第一条衍生出第二个问题,当多个请求共同被一个装饰器装饰的时候,程序会出现错误,示例及结果如下:

python 复制代码
from flask import Flask
from werkzeug.routing import BaseConverter

app = Flask(__name__)


def wapper(func):
    def inner(*args, **kwargs):
        print("执行了装饰器")
        return func(*args, **kwargs)

    return inner


@app.route("/index1")
@wapper
def index():
    return "Index"

@app.route("/index2")
@wapper
def index2():
    return "Index"


if __name__ == "__main__":
    app.run()

执行结果:

这是因为两个请求被一个装饰器装饰,执行装饰器后返回的是同样的inner函数的引用,因此存在两个inner函数,故而程序会报错,如果需要解决此问题就需要在执行装饰器的时候返回的函数引用是传入的函数参数,而不是内部闭包函数。因此需要在装饰器函数的内部函数上添加@functools.wraps(func)

@functools.wraps(func) (作用是在装饰函数时保留被装饰函数的元数据,比如函数名、注释、参数列表等。因为装饰器通常会改变函数的元数据,导致被装饰函数的某些特性丢失),代码如下所示:

python 复制代码
def wapper(func):
    def inner(*args, **kwargs):
        print("执行了装饰器")
        return func(*args, **kwargs)

    return inner
相关推荐
harmful_sheep13 分钟前
java group by常见用法
java·开发语言·python
whcyhhh38 分钟前
头歌实践教学平台:数据科学与大数据技术导论(十六)
大数据·开发语言·python
宸津-代码粉碎机40 分钟前
AI工程化高阶实战|从Demo到生产落地核心架构、全套源码与避坑指南
java·大数据·开发语言·人工智能·python·架构
2601_967100422 小时前
护眼灯哪个牌子更好更专业耐用?专业长效护眼台灯品牌推荐,品质过硬
学习·护眼·台灯
微露清风2 小时前
快慢指针算法学习记录
学习·算法·快慢指针
郝学胜-神的一滴2 小时前
Effective Python 条款4:字符串格式化大乱斗
开发语言·网络·python·程序人生·软件工程
ynchyong2 小时前
Python 字符组合生成器:product 与 permutations 的实战对比
python·工具·字符串生产
sunshine22 girl2 小时前
Angular7,9,学习笔记四 父子组件传值,组件之间传值
笔记·学习
benchmark_cc3 小时前
1000只ETF的5分钟K线如何批量获取?QuantDash分页策略与高性能Python实践
开发语言·人工智能·爬虫·python·算法·quantdash·量化数据源
sel_93 小时前
【PEFT】参数高效微调(PEFT)技术详解:从原理到 LoRA/QLoRA 实战
人工智能·python·深度学习·算法·机器学习·参数高效微调