Python Decorator 基础，pythondecorator,首先来看一个简单的例子：

Python Decorator 基础，pythondecorator,首先来看一个简单的例子：

正文
一般来说，装饰器是一个函数，接受一个函数（或者类）作为参数，返回值也是也是一个函数（或者类）。首先来看一个简单的例子：

Python

# -*- coding: utf-8 -*-
def log_cost_time(func):
    def wrapped(*args, **kwargs):
        import time
        begin = time.time()
        try:
            return func(*args, **kwargs)
        finally:
            print 'func %s cost %s' % (func.__name__, time.time() - begin)
    return wrapped

@log_cost_time
def complex_func(num):
    ret = 0
    for i in xrange(num):
        ret += i * i
    return ret
#complex_func = log_cost_time(complex_func)

if __name__ == '__main__':
    print complex_func(100000)

code snippet 0

代码中，函数log_cost_time就是一个装饰器，其作用也很简单，打印被装饰函数运行时间。

装饰器的语法如下：

@dec

def func():pass

本质上等同于： func = dec(func)。

在上面的代码（code snippet 0）中，把line12注释掉，然后把line18的注释去掉，是一样的效果。另外staticmethod和classmethod是两个我们经常在代码中用到的装饰器，如果对pyc反编译，得到的代码一般也都是 func = staticmthod(func)这种模式。当然，@符号的形式更受欢迎些，至少可以少拼写一次函数名。

装饰器是可以嵌套的，如

@dec0
@dec1
def func():pass
等将于 func = dec0(dec1(fun))。

装饰器也有“副作用“”，对于被log_cost_time装饰的complex_calc, 我们查看一下complex_func.__name__，输出是：”wrapped“”。额，这个是log_cost_time里面inner function（wrapped）的名字，调用者当然希望输出是”complex_func”，为了解决这个问题，python提供了两个函数。

• functools.update_wrapper

原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])

第三个参数，将wrapped的值直接复制给wrapper，默认为（__doc__, __name__, __module__)

第四个参数，update，默认为(__dict__)

• functools.wraps： update_wrapper的封装

This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.

简单改改代码：

Python

import functools
def log_cost_time(func):
    @functools.wraps(func)
    def wrapped(*args, **kwargs):
        import time
        begin = time.time()
        try:
            return func(*args, **kwargs)
        finally:
            print 'func %s cost %s' % (func.__name__, time.time() - begin)
    return wrapped

再查看complex_func.__name__ 输出就是 “complex_func”

装饰器也是可以带参数的。我们将上面的代码略微修改一下：

Python

def log_cost_time(stream):
    def inner_dec(func):
        def wrapped(*args, **kwargs):
            import time
            begin = time.time()
            try:
                return func(*args, **kwargs)
            finally:
                stream.write('func %s cost %s \n' % (func.__name__, time.time() - begin))
        return wrapped
    return inner_dec

import sys
@log_cost_time(sys.stdout)
def complex_func(num):
    ret = 0
    for i in xrange(num):
        ret += i * i
    return ret

if __name__ == '__main__':
    print complex_func(100000)

code snippet 1

log_cost_time函数也接受一个参数，该参数用来指定信息的输出流，对于带参数的decorator

@dec(dec_args)
def func(*args, **kwargs):pass
等价于 func = dec(dec_args)(*args, **kwargs)。

装饰器对类的修饰也是很简单的，只不过平时用得不是很多。举个例子，我们需要给修改类的__str__方法，代码很简单。

Python

def Haha(clz):
    clz.__str__ = lambda s: "Haha"
    return clz

<a href="http://www.jobbole.com/members/cxh1527">@Haha</a>
class Widget(object):
    ''' class Widget '''

if __name__ == '__main__':
    w = Widget()
    print w

那什么场景下有必要使用decorator呢，设计模式中有一个模式也叫装饰器。我们先简单回顾一下设计模式中的装饰器模式，简单的一句话概述

　　动态地为某个对象增加额外的责任

　　由于装饰器模式仅从外部改变组件，因此组件无需对它的装饰有任何了解；也就是说，这些装饰对该组件是透明的。

下图来自《设计模式Java手册》或者GOF的《设计模式》

回到Python中来，用decorator语法实现装饰器模式是很自然的，比如文中的示例代码，在不改变被装饰对象的同时增加了记录函数执行时间的额外功能。当然，由于Python语言的灵活性，decorator是可以修改被装饰的对象的（比如装饰类的例子）。decorator在python中用途非常广泛，下面列举几个方面：

（1）修改被装饰对象的属性或者行为

（2）处理被函数对象执行的上下文，比如设置环境变量，加log之类

（3）处理重复的逻辑，比如有N个函数都可能跑出异常，但是我们不关心这些异常，只要不向调用者传递异常就行了，这个时候可以写一个catchall的decorator，作用于所用可能跑出异常的函数

Python

def catchall(func):
    @functools.wraps(func)
    def wrapped(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except:
            pass
    return wrapped

（4）框架代码，如flask， bottle等等，让使用者很方便就能使用框架，本质上也避免了重复代码。

decorator的奇妙应用往往超出相应，经常在各种源码中看到各种神奇的用法，酷壳这篇文章举的例子也不错。

参考

• pep 0318：https://www.python.org/dev/peps/pep-0318/#syntax-alternatives
• PYTHON修饰器的函数式编程：http://coolshell.cn/articles/11265.html