Python装饰器模式学习总结
2016-05-21 11:57
351 查看
装饰器模式,重点在于装饰。装饰的核心仍旧是被装饰对象。
类比于Java编程的时候的包装模式,是同样的道理。虽然概念上稍有不同但是原理上还是比较相近的。下面我就来谈一谈我对Python的装饰器的学习的一点心得吧。
L:local 函数内部
E: enclosing 函数内部和内置函数之间
G:global 全局性质,有命名空间的限制
B:build-in 内置函数,由python解释器管理
学过编程的人一眼就可以看得出来大致是什么意思,所以这里不再叙述。
简单的一个闭包的实现,就差不多是这个样子的。我们需要注意的就是要将内部函数当成一个对象来返回(Python中函数其实就是一个对象,我们可以通过type来进行验证)。
这段代码执行的流程是先执行func1,然后执行func2,并且将func2作为一个属性返回给func1.这样我们可以再次的得到func2的内容。这就是闭包!
下面就来看一看Python中怎么来实现装饰器吧。
核心:借助于@符号,即可。
代码执行的流程:
先执行@对象,也就是一个函数。其返回值就是一个内置函数,只不过这个内置函数是得到了装饰的被装饰对象(这里是foo函数),我们可以理解为:
装饰器,其本身接收一个函数对象作为参数,然后做一些工作后,返回接收的参数,供外界调用。
下面看一个实例:
类比于Java编程的时候的包装模式,是同样的道理。虽然概念上稍有不同但是原理上还是比较相近的。下面我就来谈一谈我对Python的装饰器的学习的一点心得吧。
关于作用域
Python作用域 体现在LEGB中:L:local 函数内部
E: enclosing 函数内部和内置函数之间
G:global 全局性质,有命名空间的限制
B:build-in 内置函数,由python解释器管理
学过编程的人一眼就可以看得出来大致是什么意思,所以这里不再叙述。
关于闭包
关键在于理解Python中闭包的概念。说白了,闭包就是函数里面又定义了函数,这就是闭包了。(呵呵,断章取义一下。可能说法不恰当)。如下:def func1(): print 'func1 is running' def in_func1(): print 'in_func1 is running' return in_func1 print 'over'
简单的一个闭包的实现,就差不多是这个样子的。我们需要注意的就是要将内部函数当成一个对象来返回(Python中函数其实就是一个对象,我们可以通过type来进行验证)。
这段代码执行的流程是先执行func1,然后执行func2,并且将func2作为一个属性返回给func1.这样我们可以再次的得到func2的内容。这就是闭包!
关于装饰器
类比Java中那么多的模式,比如ServletRequest被装饰成了HttpServletRequest。Python中也有很多这样被装饰的例子。如CookieJar被装饰成了MozillaCookieJar等等。实现的功能就是被装饰对象的功能得到了增强,完成的效果也大大大的比未装饰之前好了。这就是装饰的好处。下面就来看一看Python中怎么来实现装饰器吧。
核心:借助于@符号,即可。
def bar(): print 'Bar' @bar def foo(): print "foo" # 其等价于: def foo(): print "foo" foo = bar(foo)
代码执行的流程:
先执行@对象,也就是一个函数。其返回值就是一个内置函数,只不过这个内置函数是得到了装饰的被装饰对象(这里是foo函数),我们可以理解为:
装饰器,其本身接收一个函数对象作为参数,然后做一些工作后,返回接收的参数,供外界调用。
下面看一个实例:
import time def function_performance_statistics(trace_this=True): if trace_this: def performace_statistics_delegate(func): def counter(*args, **kwargs): start = time.clock() func(*args, **kwargs) end =time.clock() print 'used time: %d' % (end - start, ) return counter else: def performace_statistics_delegate(func): return func return performace_statistics_delegate @function_performance_statistics(True) def add(x, y): time.sleep(3) print 'add result: %d' % (x + y,) @function_performance_statistics(False) def mul(x, y=1): print 'mul result: %d' % (x * y,) add(1, 1) mul(10) 上述代码想要实现一个性能分析器,并接收一个参数,来控制性能分析器是否生效,其运行效果如下所示: add result: 2 used time: 0 mul result: 10 上述代码中装饰器的调用等价于: add = function_performance_statistics(True)(add(1, 1)) mul = function_performance_statistics(False)(mul(10))
总结
Python装饰器的核心就是装饰,实质就是被装饰函数性能的增强。相关文章推荐
- Python装饰器模式学习总结
- windows10下sublime_python配置
- Python学习之NumPy篇
- python结构
- 用python播放音乐--pygame package
- python多线程备份MYSQL数据库并删除旧的备份。
- Python: Convert rst to html
- python scrapy cannot import name xmlrpc_client的解决方案,解决办法
- Oslo命令行解析
- Python中敏感信息(用户名、密码等)处理方法――添加到环境变量
- python 如何输出百分数(如23%)
- python第二天
- Meet Python: little notes
- python基础
- PYTHON 基础
- python 序列类型可用的内建函数
- python 字符串操作 str
- Python基础
- 百度图片爬虫-python语言
- Python处理海量手机号码