11月27日学习笔记_匿名函数/装饰器

当文章一开篇,廖老师就说明一点-----我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。

所以我们要学会使用匿名函数,他的优点有很多,最重要的亮点好处就是:

一因为函数没有名字，不必担心函数名冲突

二 因为匿名函数也是一个函数对象，所以可以把匿名函数赋值给一个变量，再利用变量来调用该函数

当然有长处也就一定有限制:,但是说实话,个人觉得这个限制不算真正的限制,因为阿是限制我们让我们简化精炼代码用的,所以没有什么缺点

要注意的一点就是我们可以把匿名函数作为返回值返回，比如：

def build(x, y):    return lambda: x * x + y * y

至于后面的练习题,我看了看总感觉词不达意,因为这一节课讲的就是简单的返回匿名参数,所以,我考虑之后答案如下

装饰器方面我特别推崇一个人的文章，现在借鉴转载，我觉得他比廖雪峰老师讲的更细致

 装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

 

先来看一个简单例子：

现在有一个新的需求，希望可以记录下函数的执行前后的时间，于是在代码中添加日志代码：

bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间 

逻辑上不难理解，而且运行正常。 但是这样的话，我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成show_time(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

简单装饰器

   if  bar()==show_time(bar) :问题解决!  

   所以，我们需要show_time(bar)返回一个函数对象，而这个函数对象内则是核心业务函数:func()与装饰函数：两个时间函数，修改如下：

函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像bar被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。

conclusion：

                   

 

@show_time帮我们做的事情就是当我们执行业务逻辑bar()时，执行的代码由红框部分转到绿框部分

 

装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

带参数的被装饰函数

带参数的装饰器

装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

def cal_time(flag):    def show_time(func):            def wrapper(*args,**kwargs):                before_time=time.ctime()                print("Begin:",before_time)                func(*args,**kwargs)                time.sleep(2)                after_time=time.ctime()                print("End:",after_time)                if flag=="true":                    print("expend_time:",time.mktime(time.strptime(after_time))-time.mktime(time.strptime(before_time)))            return wrapper    return show_time@cal_time("true") #add = show_time(add)def add(*args,**kwargs):    sum=0    for i in args:        sum+=i    print(sum)add(2,7,9)

 

  上面的cal_time是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我 们使用@cal_time("true")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

类装饰器

再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

class Foo(object):
    def __init__(self, func):
        self._func = func

    def __call__(self):
        print ('class decorator runing')
        self._func()
        print ('class decorator ending')

@Foo
def bar():
    print ('bar')

bar()    #bar=Foo(bar)()>>>>>>>active __call__方法


# class decorator runing
# bar
# class decorator ending

functools.wraps

使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

装饰器

def sb():    print("alex")print(sb.__name__)def logged(func):    def with_logging(*args, **kwargs):        print (func.__name__ + " was called")        return func(*args, **kwargs)    return with_logging@loggeddef ft(x):   return x + x * xprint(ft.__name__)######### sb# with_logging

函数

@loggeddef f(x):   return x + x * x

该函数完成等价于：

def f(x):    return x + x * xf = logged(f)

不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。

print f.__name__    # prints 'with_logging'print f.__doc__     # prints None

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wrapsdef sb():    print("alex")print(sb.__name__)def logged(func):    @wraps(func)        def with_logging(*args, **kwargs):        print (func.__name__ + " was called")        return func(*args, **kwargs)    return with_logging@loggeddef ft(x):   return x + x * xprint(ft.__name__)######### sb# ft

 

内置装饰器

@staticmathod、@classmethod、@property

装饰器的顺序

@a@b@cdef f ():

等效于

f = a(b(c(f)))

http://stackoverflow.com/questions/739654/how-can-i-make-a-chain-of-function-decorators-in-python/1594484#1594484

一、函数基础

1.函数基础

定义函数，未调用，函数内部代码块不会被执行

函数名即不带括号，代指函数

函数名+()，即f1() ，表示执行f1()函数

'''例1'''def foo():    print('foo')foo    #表示是函数,函数名指函数所在内存中的位置，如果带后面括号表示执行函数foo()   #表示执行函数'''例2：'''def foo():    print('foo')foo = lambda x=1: x+1foo()  #执行下面的lambda表达式，而不再是原来的foo函数，因为函数foo被重新定义

 以上code说明：从成晨博客里看到的。引用一下。

1.在def 函数时，以顺序执行，如果相同的函数名，会被最后函数覆盖以前的

2.如果直接func名而没有后面的圆括号的话，只指向函数在内存中的位置

3.lambda表达式会自动return结果，而def需要定义return值

2.把函数作为参数传递

def f1():    print('123')def f2(xx):    xx()f2(f1)

输出结果：
12

将函数名称f1作为参数，传递给f2()函数，此时f1== xx  ,xx() == f1,  函数f2()内执行xx()  实际上是执行函数f1()

 

二、装饰器

1.

def outer(func):       return "132"@outerdef f1():    print("F1")

@ + 函数名

功能：

1.自动执行outer函数并且将其下面的函数名f1当作参数传递

2.将outer函数的返回值，重新赋值给f1,  相当于把函数f1重写了，即  f1 = "123" 

 下面证明一下上面的结论：

def outer(func):    def inner():        print('before')    return inner@outerdef f1():    print("F1")f1()

输出结果：
before

函数f1() 被装饰器装饰之后，如果执行f1() 那么不再是执行print("F1")了，而是执行的是inner()函数。因为装饰器outer返回了inner,即把inner整个函数返回给了f1，此时也就是把f1函数重写为inner函数了,也就是把原来的f1()函数用inner()函数给覆盖掉了。。所以执行的结果是 ：  before   而不是 F1

 

2.深入理解装饰器

def outer(func):    def inner():        print('before')        func()        print('after')    return inner@outerdef f1():    print("F1")f1()
输出结果：
before
F1
after

@ + 函数名

功能：

1.自动自行outer函数并且将其下面的函数名f1当作参数传递，即f1 = func  如果执行  func()  那么执行的就是f1()函数，即print("F1")

2.将outer函数的返回值，重新赋值给f1，即把函数f1重写了。即 f1函数变成了inner函数。

3.一个函数f1一旦被装饰器装饰之后,那么这个函数f1将会被重新赋值，赋值为装饰器的内层函数，即：，如果执行f1()函数的时候，实际上是执行函数，又因为inner()函数里面的 func ==原来的 f1 即func() 为print("F1")，所以执行func()函数，就是执行原来的f1()函数，即执行print("F1")

 

三、装饰器python解释的步骤：

装饰器执行之前首先是pyhton解释器解释代码：

步骤如下：

解释器解释的步骤：

第一步：遇到了def outer()  不会执行outer()函数的内容，此时只是把outer()函数的整体代码放到内存中；

 

第二步：会把  @outer和函数f1()作为一个整体作为第二步，即执行：

1.自动自行outer函数并且将其下面的函数名f1当作参数传递，即f1 = func  如果执行  func()  那么执行的就是f1()函数，即print("F1")

 

  第三步：执行到def inner()，解释遇到def 表示遇到了函数，此时不会执行函数里的代码，只是把函数整体代码放到内存中

第四步：直接执行return inner了，将outer函数的返回值，重新赋值给f1，即把函数f1重写了。即 f1函数变成了inner函数。

经过以上步骤后，得到的结果就是 f1函数 成为了 即成为了inner函数。如果没有调用f1函数的时候，相当于在内存中定义了个函数f1，函数f1等于inner函数，一直在内存中存放着，直到别人调用的时候才会执行。

 

四、装饰器执行步骤

调用f1函数：

开始有人调用f1函数了，即执行f1()了

当别人调用f1函数的时候，即f1()，实际上就是执行inner函数，因为python解释器执行的结果就是把inner重新赋值给了f1函数，所以就是执行inner函数内容。

 

执行步骤：

第一步：执行 print('before') 即输出：  before

第二步：执行 func() 即执行老的f1()函数，即执行print("F1"),也就是第三步 ,即输出:  F1

第四步：执行print("after")，即输出: after

 五、装饰器返回值：

获取原函数的返回值

def outer(func):    def inner():        print('before')        r = func()        print('after')        return r    return inner@outerdef f1():    print("F1")    return "好好学习，天天向上"ret = f1()print("返回值：" ,ret)

输出结果：
before
F1
after
返回值： 好好学习，天天向上

 

六、带参数的装饰器：

def outer(func):    def inner(*args,**kwargs):        print('before')        r = func(*args,**kwargs)        print('after')        return r    return inner@outerdef f1(arg):    print("f1函数的参数：%s" %arg)    return "好好学习"@outerdef f2(a1,a2):    print("f2函数的第一个参数：%s, 第二个参数：%s"  %(a1,a2))    return "天天向上"ret1 = f1("F1")print("f1函数返回值：" ,ret1)ret2 = f2("a","b")print("f1函数返回值：" ,ret2)

输出结果：
before
f1函数的参数：F1
after
f1函数返回值： 好好学习
before
f2函数的第一个参数：a, 第二个参数：b
after
f1函数返回值： 天天向上

 

七、装饰器练习：

#!/usr/bin/env  python# -*- coding:utf-8 -*-LOGIN_USER = {"is_login":False}def outer(func):    def inner(*args,**kwargs):        if LOGIN_USER['is_login'] == True:            r = func()            return r        else:            print("请登录")        pass    return inner@outerdef manager():        print("欢迎%s登录" % LOGIN_USER['current_user'])def login(user,pwd):    if user == "alex" and pwd == "123":        LOGIN_USER['is_login'] = True        LOGIN_USER['current_user'] = user        manager()def main():    while True:        inp = input("1,后台管理:\n2,登录：")        if inp == '1':            manager()        elif inp == '2':            username = input("请输入用户名：")            pwd = input("请输入密码：")            login(username,pwd)main()

输出结果：
1,后台管理:
2,登录：1
请登录
1,后台管理:
2,登录：2
请输入用户名：alex
请输入密码：123
欢迎alex登录
1,后台管理:
2,登录：

 八、多层装饰器：

 首先我们看一个例子：模拟登录，普通用户权限，管理员权限

 

 View Code

 

输入结果：

从结果中可以看出，已经满足需求

这个例子有明显缺点：

装饰器的功能应该单一，不应该混合

check_admin 即判断登录，又判断权限。

check_login是判断登录。

所以功能重复了。应该让check_admin 只判断权限，check_login只判断登录；这样规划比较合理

下面我们优化一下：

 View Code

 

 

优化后的代码我们使用了多层装饰器

九、多层装饰器 python解释器解释过程：

解释过程：从下往上

1.首先把check_login函数放入内存；

2.把check_admin函数放入内存；

3.把装饰器check_admin和函数index 一块解释，即

 ，此时index函数成为了装饰器check_admin里的inner函数，即：，相当于把装饰器里的inner函数放到了 index函数的位置，即，我们假如index函数变成了 check_admin_inner_index函数

 

 

 

4.从第3步我们可以知道，通过解释 @装饰器check_admin和函数index函数 ，而且@装饰器check_admin里面的inner函数替代了Index函数，我们假如此时的index函数命名check_admin_inner_index，所以下面的解释步骤为：

即，

 

 现在是解释@check_login  和 def check_admin_inner_index函数  

装饰器check_login的func参数指的就是 check_admin_inner_index函数，然后装饰器check_login里的inner函数会覆盖 check_admin_inner_index函数，我们假如覆盖后的函数为check_login_inner_index，此时的index函数 就是check_login_inner_index即

 

这是整个解释的过程。

 

十、多层装饰器执行过程：

 执行过程：从上往下

1.调用index函数，即index()

2.执行 装饰器check_login里的inner函数（我们假如if里面的条件都满足），即

 ，

第一步执行if判断（我们假如条件满足），第二步执行ret = func(*args,**kwargs) ，这里的func等价于装饰器check_admin里面的inner函数，所以第三步：执行装饰器check_admin里面的inner函数，

，这里的func函数等价于最原始的的index函数，即

 所以第四步：执行func函数,第五步;执行原始的index函数，

第六步：执行装饰器check_login里函数inner里的return ret ，把这个值返回给调用他的函数，即返回给装饰器check_admin里inner函数里 ret = func(*args,**kwargs)，虽然返回值为None

第七步：执行装饰器check_admin里inner函数里 的return ret 即,虽然返回值为None