Python装饰器：让函数更强大

news2024/12/23 22:44:30

在Python编程中，装饰器是一个强大的工具，它允许程序员以一种简洁优雅的方式修改或增强函数的行为，而无需更改其源代码。本文将介绍装饰器的基本概念、工作原理以及一些实际应用案例。
在这里插入图片描述

什么是装饰器？

装饰器本质上是一个接受函数作为参数的函数，并返回一个新的函数。这个新的函数通常会包含原函数的一些额外功能，比如日志记录、性能测试、事务处理、缓存、权限校验等。

装饰器的基本语法

一个简单的装饰器可以这样定义：

def my_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

这里，my_decorator 是一个装饰器，它接受一个函数 func 作为参数，并返回一个新的函数 wrapper。

使用装饰器

要使用上面定义的装饰器，我们可以这样做：

@my_decorator
def say_hello():
    print("Hello!")

say_hello()

这将输出：

Something is happening before the function is called.
Hello!
Something is happening after the function is called.

带参数的装饰器

有时候我们需要给装饰器传递参数来定制它的行为，例如设置日志级别：

def log(level):
    def decorator(func):
        def wrapper(*args, **kwargs):
            print(f"[{level}] The function {func.__name__} is about to be called.")
            result = func(*args, **kwargs)
            print(f"[{level}] The function {func.__name__} has been called.")
            return result
        return wrapper
    return decorator

@log("INFO")
def add(a, b):
    return a + b

print(add(10, 20))

这将输出：

[INFO] The function add is about to be called.
[INFO] The function add has been called.
30

实际应用案例

性能测试装饰器

一个常见的用途是在开发过程中进行性能测试。以下是一个简单的性能测试装饰器示例：

import time

def performance_test(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time:.6f} seconds to run.")
        return result
    return wrapper

@performance_test
def do_something_heavy():
    # Simulate some heavy computation
    time.sleep(2)

do_something_heavy()

缓存装饰器

另一个有用的应用是缓存结果，以减少重复计算的时间消耗：

cache = {}

def memoize(func):
    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return wrapper

@memoize
def fibonacci(n):
    if n < 2:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(10))  # This will compute and cache the result
print(fibonacci(10))  # This will retrieve the cached result, much faster