Python函数小结（2）-- 装饰器、 lambda

　　本篇依然是一篇学习笔记，文章的结构首先讲装饰器，然后讲lambda表达式。装饰器内容较多，先简要介绍了装饰器语法，之后详细介绍理解和使用不带参数装饰器时应当注意到的一些细节，然后实现了一个简单的缓存装饰器作为实践，最后在理解不带参数的装饰器的基础上，介绍了理解和使用带参数的装饰器需要注意到的细节。lambda表达式的讲解依然着重于使用细节和理解上。如果有不对的地方欢迎指正。

装饰器

　　实际上理解装饰器的作用很简单，在看core python相关章节的时候大概就是这种感觉。只是在实际应用的时候，发现自己很难靠直觉决定如何使用装饰器，特别是带参数的装饰器，于是摊开来思考了一番，写下一些心得。

装饰器简述

　　为了完整起见，这里简要说明一下装饰器的语法。装饰器分为带参数得装饰器以及不带参数得装饰器。装饰器以及使用效果看起来大概是这样的。

#语法是这个样子的@decorator(dec_opt_args)def func2Bdecorated(func_opt_args):    ...#不带参数的装饰器@dec1@dec2def func():    ...#这个函数声明等价于func = dec1(dec2(func))#带参数的装饰器@dec(some_args)def func():    ...#这个函数声明等价于func = dec(some_args)(func)

不带参数的装饰器需要注意的一些细节

　　这里将说明使用带参数的装饰器时需要注意的一些细节。并会实现一个简单缓存装饰器，来帮助理解。

1. 关于装饰器函数(decorator)本身

　　对于被装饰的函数func，不带参数的装饰器接受一个函数为参数，并返回一个装饰过的函数decorated_func。因为对返回的函数没有限制，所以decorator函数甚至可以返回与func完全无关的新函数。但是大部分情况下，decorated_func是对func的额外处理，因此一个装饰器一般对应两个函数，一个是decorator函数，用来进行一些初始化操作处理，一个是decorated_func用来实现对被装饰的函数func的额外处理。并且为了保持对func的引用，decorated_func一般作为decorator的内部函数，比如：

#一般将decorated_func作为decorator的内部函数#因为内部函数可以保持对func的引用(详见(1)的闭包讲解)>>> def decorator(func):...     print 'init opration'...     def decorated_func():...             return func(2)...     return decorated_func... 

2. decorator函数只在函数声明的时候被调用一次

　　装饰器实际上是语法糖，在声明函数之后就会被调用，产生decorated_func，并把func符号的引用替换为decorated_func。之后每次调用func函数，实际调用的是decorated_func。

>>> def decorator(func):...     def decorated_func():...         func(1)...     return decorated_func... #声明时就被调用>>> @decorator... def func(x):...     print x... decorator being called  #使用func()函数实际上使用的是decorated_func函数>>> func()1>>> func.__name__'decorated_func'

　　如果要保证返回的decorated_func的函数名与func的函数名相同，应当在decorator函数返回decorated_func之前，加入decorated_func.name = func.name， 另外functools模块提供了wraps装饰器，可以完成这一动作。

#@wraps(func)的操作相当于#在return decorated_func之前，执行#decorated_func.__name__ = func.__name__#func作为装饰器参数传入， #decorated_func则作为wraps返回的函数的参数传入>>> def decorator(func):...     @wraps(func)...     def decorated_func():...         func(1)...     return decorated_func... #声明时就被调用>>> @decorator... def func(x):...     print x... decorator being called  #使用func()函数实际上使用的是decorated_func函数>>> func()1>>> func.__name__'func'

3. decorator函数局部变量的妙用

　　因为closure的特性（详见(1)部分闭包部分的详解），decorator声明的变量会被decorated_func.func_closure引用，所以调用了decorator方法结束之后，decorator方法的局部变量也不会被回收，因此可以用decorator方法的局部变量作为计数器，缓存等等。值得注意的是，如果要改变变量的值，该变量一定要是可变对象，因此就算是计数器，也应当用列表来实现。并且声明一次函数调用一次decorator函数，所以不同函数的计数器之间互不冲突，例如：

#!/usr/bin/env python#filename decorator.pydef decorator(func):    #注意这里使用可变对象    a = [0]    def decorated_func(*args,**keyargs):        func(*args, **keyargs)        #因为闭包是浅拷贝，如果是不可变对象，每次调用完成后符号都会被清空，导致错误        a[0] += 1        print "%s have bing called %d times" % (func.__name__, a[0])    return decorated_func@decoratordef func(x):    print x@decoratordef theOtherFunc(x):    print x

>>> from decorator import func>>> from decorator import theOtherFunc>>> func(0)0func have bing called 1 times>>> func(0)0func have bing called 2 times>>> func(0)0func have bing called 3 times>>> theOtherFunc(0)0theOtherFunc have bing called 1 times>>> theOtherFunc(1)1theOtherFunc have bing called 2 times>>> theOtherFunc(2)2theOtherFunc have bing called 3 times

4. 简单的结果缓存装饰器

#coding=UTF-8#!/usr/bin/env python#filename decorator.pyimport timefrom functools import wrapsdef decorator(func):    "cache for function result, which is immutable with fixed arguments"    print "initial cache for %s" % func.__name__    cache = {}    @wraps(func)    def decorated_func(*args,**kwargs):        #key必须是可哈希对象        #这里其实不严谨，如果kwargs值有不可哈希对象会出错        #简单起见这里不再做特殊处理        key = (args, tuple(kwargs.items()))        result = None        #判断是否存在缓存        if key in cache:            (result, updateTime) = cache[key]            #过期时间固定为10秒            if time.time() -updateTime < 10:                print "cache hit for", key            else :                print  "cache expired for", key                result = None        else:            print "no cache for ", key        #如果过期，或则没有缓存调用方法        if result is None:            result = func(*args, **kwargs)        cache[key] = (result, time.time())        return result    return decorated_func@decoratordef func(x):    if x <=1:        return 1    return x + func(x-1)

>>> from decorator import funcinitial cache for func>>> func(5)no cache for  ((5,), ())no cache for  ((4,), ())no cache for  ((3,), ())no cache for  ((2,), ())no cache for  ((1,), ())15>>> func(5)cache hit for ((5,), ())15>>> func(1)cache expired for ((1,), ())1>>> func(2)cache expired for ((2,), ())cache hit for ((1,), ())3

带参数的装饰器

　　熟悉了不带参数的装饰器的使用之后，理解带参数的装饰器就简单很多了。带参数的装饰器主要用来传递一些设置，或者用来选择不同的装饰器。
　　我们已经知道，不带参数的装饰器调用decorator返回decorated_func。那么带参数的装饰器，就是返回decorator方法，再由decorator方法处理后，返回decorated_func。因此带参数的装饰器一般由3个方法组成，首先，调用settings_func用来接受参数, 并选择decorator方法， 之后调用返回的decorator方法产生decorated_func来对func进行额外处理。
　　有了settings_func我们就可以对decorator进行定制。如之前的实现的缓存方法，过期时间固定为10秒，有了settings_func我们就可以自定义过期时间，判断是否进行调试输出等。

1. 为缓存装饰器增加配置参数

   
   　　这里加入了对过期时间的配置，和调试输出的开关。
   　　

#coding=UTF-8#!/usr/bin/env python#filename decorator.pyimport timefrom functools import wrapsdef cache(expirationTime, debug=False):    def decorator(func):        if debug:            print "initial cache for %s" % func.__name__        cache = {}        @wraps(func)        def decorated_func(*args,**kwargs):            #key必须是可哈希对象            #这里其实不严谨，如果kwargs值有不可哈希对象会出错            #简单起见这里不再做特殊处理            key = (args, tuple(kwargs.items()))            result = None            if key in cache:                (result, updateTime) = cache[key]                if time.time() -updateTime < expirationTime:                    print "cache hit for", key                else :                    if debug:                        print  "cache expired for", key                    result = None            elif debug:                print "no cache for ", key            if result is None:                result = func(*args, **kwargs)            cache[key] = (result, time.time())            return result        return decorated_func    return decorator@cache(10)def func(x):    if x <=1:    return 1    return x + func(x-1)

可以看到除了cache hit，其他的消息都被debug=False关闭了。

>>> func(5)15>>> func(1)cache hit for ((1,), ())1>>> func(2)cache hit for ((2,), ())3>>> func(3)cache hit for ((2,), ())6

被装饰的函数共用变量

　　上面的例子由于装饰器的变量（计数器，缓存）是在装饰器的方法中声明的，所以不同方法的这些变量是不通用的。要使得同一个装饰器装饰的不同方法变量通用（如共用缓存等），可以使用类属性，或全局变量来实现。

lambda表达式

　　lambda表达式实际上就是匿名函数，类似javascript的function([arg1,[arg2[…]]]){…}。 python中lambda表达式返回的就是函数实例。 语法中lambda后面跟随的是参数， 冒号后面跟随的是返回的结果。

>>> bar = lambda x,y : x+y>>> type(bar)<type 'function'>>>> bar(1,2)3

同时，lambda表达式也具有closure（闭包）的特性：

>>> def foo():...     x = 5...     y = 5...     bar = lambda : x+y...     return bar... >>> foo()()10

　　总之，函数具有的特性，lambda表达式都具有。像给参数赋默认值啊， lambda内部的变量不受外部影响啊，全部都与函数的行为一模一样。

#默认参数>>> y=2>>> bar = lambda x, y =y : x + y>>> bar(3)5#lambda定义的变量不受外部影响>>> y = 5>>> bar(3)5>>>