Python 装饰器 - 技术栈

装饰器概念

装饰器（decorators）是 Python 中的一种高级功能，它允许你动态地修改函数或类的行为。

装饰器是一种函数，它接受一个函数作为参数，并返回一个新的函数或修改原来的函数。

说白了装饰去本质上是一个 Python 函数（其实就是闭包），它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。

装饰器的语法使用 @decorator_name 来应用在函数或方法上。

Python 还提供了一些内置的装饰器，比如 @staticmethod 和 @classmethod，用于定义静态方法和类方法。

python 复制代码

def print_function_name(func):
    print(func.__name__)
    return func

@print_function_name
def func1():
    print("函数1运行")


# 函数在声明时，如果我们添加了装饰器，那么装饰器在声明时就被调用了
func1()

# 结果是 func1 函数1运行

装饰器的应用场景

日志记录: 装饰器可用于记录函数的调用信息、参数和返回值。
性能分析: 可以使用装饰器来测量函数的执行时间。
权限控制: 装饰器可用于限制对某些函数的访问权限。
缓存: 装饰器可用于实现函数结果的缓存，以提高性能。

装饰器函数中的参数传递

我们使用一个日志的打印的案例来说明

python 复制代码

def print_log(func):
    print(func)
    return func

@print_log
def func1(a,b):
    print("函数1被运行",a,b)
    
func1(1,2)

函数参数传递演变1，func1 如果不调用，inner 不会被执行

python 复制代码

def print_log(func):
    print(func)
    def inner(x,y):
        x += 1
        y += 1
        print("参数列表是:",x,y) 
    return inner

@print_log
def func1(a,b):
    print("函数1被运行",a,b)
    
func1(1,2)  # 结果: 
                # 参数列表是: 2 3
                # <function func1 at 0x1044f68e0>

函数参数传递演变2

python 复制代码

def print_log(func):
    print(func)
    def inner(x,y):
        print("参数列表是:",x,y)
        return func(x,y)
    return inner

@print_log               
def func1(a,b):
    print("函数1被运行",a,b)
    return a + b
    
r = func1(10,20)
print(r) 

# 执行结果是：首先装饰器一声明，就会执行：<function func1 at 0x1046228e0>
#           func1 方法调用，就会执行 inner 参数列表是: 10 20，接着执行 函数1被运行 10 20 ， 接着是 None

调用 func1 ，需要在 inner 将结果返回给 r

python 复制代码

def print_log(func):
    print(func)
    def inner(x,y):
        print("参数列表是:",x,y)
        return func(x,y)
    return inner

@print_log               
def func1(a,b):
    print("函数1被运行",a,b)
    return a + b
    
r = func1(10,20)
print(r) 

# 执行结果是：首先装饰器一声明，就会执行：<function func1 at 0x1046228e0>
#           func1 方法调用，就会执行 inner 参数列表是: 10 20，接着执行 函数1被运行 10 20 ， 接着是 30

函数参数传递演变3---动态参数

python 复制代码

def print_log(func):
    print(func)
    def inner(*args,**kwargs):
        print("参数列表是:",args,kwargs)
        return func(*args,**kwargs)
    return inner

@print_log
def func1(a,b,c,d,e=1,f=2):
    print("函数1被运行",a,b,c,d)
    return a + b+c+d
    
r = func1(10,20,30,40,e=1,f=2)
print(r)

演变 4

python 复制代码

def print_log(type):
    print(type)
    def warpper(func):
        print(func)
        def inner(*args,**kwargs):
            if type=="控制台":
                print("参数列表是:",args,kwargs)
            elif type == "文件":
                print("我已经把日志输出到文件中了")
            return func(*args,**kwargs)
        return inner 
    return warpper


@print_log("控制台")
def func1(a,b,c,d,e=1,f=2):
    print("函数1被运行",a,b,c,d)
    return a + b+c+d
    
r = func1(10,20,30,40,e=1,f=2)
print(r)


@print_log("文件")
def func2(a,b):
    print("函数1被运行",a,b)
    return a + b
    
r = func2(100,200)
print(r)

理解 yield 关键字与生成器对象

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

当在生成器函数中使用 yield 语句时，函数的执行将会暂停，并将 yield 后面的表达式作为当前迭代的值返回。

调用一个生成器函数，返回的是一个迭代器对象。

python 复制代码

def countdown():
    print("函数func2被调用1")
    yield 2
    print("函数func2被调用2")
    yield 3
    print("函数func2被调用3")
    yield 4

# 创建生成器对象
f2 = countdown()
print(f2)
# 启动生成器对象
r2 = f2.__next__()
print(r2)
r3 = f2.__next__()
print(r3)
r4 = f2.__next__()
print(r4)

然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。这样，生成器函数可以逐步产生值，而不需要一次性计算并返回所有结果。

python 复制代码

def countdown():
    print("函数func2被调用1")
    yield 2
    print("函数func2被调用2")
    yield 3
    print("函数func2被调用3")
    yield 4

# 创建生成器对象
f2 = countdown()

for i in range(5):
    print(i)

for f in f2:
    print(f)

生成器函数的优势是它们可以按需生成值，避免一次性生成大量数据并占用大量内存。此外，生成器还可以与其他迭代工具（如for循环）无缝配合使用，提供简洁和高效的迭代方式。

python 复制代码

def func3():
    num = yield 1
    print(num)
    num1 = yield num + 10
    print(num1)
    yield  num1 + 10

f3 = func3()
print(f3)
r1 = f3.send(None)
print("r1的值",r1)
r2 = f3.send(2)
print("r2的值",r2)
r3 = f3.send(3)
print("r3的值",r3)