在编程中，如对函数的接收类型，有要求，比如：

def add(x, y):
    return x + y

if __name__ == '__main__':
    x = add(2,3)
    print("x=",x)

我们一看，就知道，这个出现：TypeError。

 

那么在编程时，为了使用接收的参数的正确。我们可以使用python中的装饰器。

构建一个装饰器：

def requires_ints(decorated):
    def inner(*args, **kwargs):
        kwarg_values = [i for i in kwargs.values()]
        for arg in list(args) + kwarg_values:
            if not isinstance(arg, int):
                raise TypeError("参数中存在不是Int类型的：", decorated.__name__)

        return decorated(*args, **kwargs)
    
    return inner

测试方法：

@requires_ints
def add(x, y):
    return x + y


if __name__ == '__main__':
    # print(help(add))
    x = add(2,3)
    print("x=",x)


输出过程：





 

完整代码：

# -*- coding: utf8 -*-

"""
# __author__ = "Tom枫明"
# HomePage: https://blog.csdn.net/fm345689
# Python -V: Python 3.6.1
"""

"""
装饰器：判断对应是否为一个Int类型
"""

def requires_ints(decorated):
    def inner(*args, **kwargs):
        kwarg_values = [i for i in kwargs.values()]
        for arg in list(args) + kwarg_values:
            if not isinstance(arg, int):
                raise TypeError("参数中存在不是Int类型的：", decorated.__name__)

        return decorated(*args, **kwargs)

    return inner


@requires_ints
def add(x, y):
    return x + y


if __name__ == '__main__':
    # print(help(add))
    x = add(2,3.0)
    print("x=",x)



 

 

其实,python 中的装饰器本质上就是一个函数,这个函数接收其他的函数作为参数,并将其以一个全新的修改后的函数替换它

关于装饰器的知识是python面试中比较常见的,对于装饰器的理解可以看这篇文章:理解Python中的装饰器,理解之后,再手写一遍下面的8种装饰器加深理解以后使用就更轻松多了!
1.最简单的函数
def myfunc()
	print "i am a function"

myfunc()

2.初步了解装饰函数的调用结构
在函数执行前和执行后分别计时,打印函数运行消耗的时间
import datetime
import time
def out(fun):
	start = datetime.datetime.now()
	fun()
	end = datetime.datetime.now()
	print (end-start)
	return fun
def inner():
    time.sleep(1)
    print ("i am inner func")

myfunc = out

myfunc(inner)

3.尝试引用@语法糖来调用装饰函数
import datetime,time
def out(func):
    start =datetime.datetime.now()
    func()
    end = datetime.datetime.now()
    print(end-start)
    return func

@out
def myfunc():
    time.sleep(1)
    print("zhangkun inner")

4.使用内嵌的包装函数
使用内嵌包装函数来确保每次新函数都被调用,内嵌包装函数的形参和返回值与原函数相同,装饰函数返回内嵌包装函数对象
import datetime,time

def out(func):
    def inner():
        start = datetime.datetime.now()
        func()
        end = datetime.datetime.now()
        print(end-start)
        print("out and inner")
    return inner

@out
def myfunc():
    time.sleep(1)
    print("zhangkun")

myfunc()

5.对带参数的函数使用装饰器
内嵌包装函数的形参和返回值与原函数相同，装饰函数返回内嵌包装函数对象
import datetime,time

def out(func):
    def inner(*args):
        start = datetime.datetime.now()
        func(*args)
        end = datetime.datetime.now()
        print(end-start)
        print("out and inner")
    return inner

@out
def myfunc(*args):
    time.sleep(1)
    print("args is{}".format(args))

myfunc("lalalal")

6.给装饰器参数
和上一示例相比在外层多了一层包装
#coding:utf-8
def outermost(*args):
	def out(func):
		print ("装饰器参数{}".format(args))
		def inner(*args):
			print("innet start")
			func(*args)
			print ("inner end")
		return inner
	return out

@outermost(666)
def myfun(*args):
	print ("试试装饰器和函数都带参数的情况,被装饰的函数参数{}".format(args))

myfun("zhangkun")

7.带类参数的装饰器
class locker:
    def __init__(self):
        print("locker.__init__() should be not called")

    @staticmethod
    def acquire():
        print("locker.acquire() static method be called")

    @staticmethod
    def release():
        print("locker.release() static method be called")

def outermost(cls):
    def out(func):
        def inner():
            cls.acquire()
            func()
            cls.release()
        return inner
    return out

@outermost(locker)
def myfunc():
    print("myfunc called")

myfunc()

8.对一个函数应用多个装饰器
class mylocker:
    def __init__(self):
        print("mylocker.__init__() called.")

    @staticmethod
    def acquire():
        print("mylocker.acquire() called.")

    @staticmethod
    def unlock():
        print("  mylocker.unlock() called.")

class lockerex(mylocker):
    @staticmethod
    def acquire():
        print("lockerex.acquire() called.")

    @staticmethod
    def unlock():
        print("  lockerex.unlock() called.")

def lockhelper(cls):
    def _deco(func):
        def __deco2(*args, **kwargs):
            print("before %s called." % func.__name__)
            cls.acquire()
            try:
                return func(*args, **kwargs)
            finally:
                cls.unlock()
        return __deco2
    return _deco

class example:
    @lockhelper(mylocker)
    @lockhelper(lockerex)
    def myfunc2(self, a, b):
        print(" myfunc2() called.")
        print(a+b)

a = example()
a.myfunc2(1,2)

9.作为一个类
虽然装饰器几乎总是可以用函数实现,但是在某些情况下,使用用户自定义的类可能会更好,如果装饰器需要复杂的参数化或者依赖特定状态,那么这种说法往往是对的

非参数化装饰器用作类的通用模式如下
class DerocatorAsClass:
    def __init__(self,funcation):
        self.funcation = funcation

    def __call__(self, *args, **kwargs):
        # 调用函数之前,做点什么
        result = self.funcation(*args,**kwargs)
        # 在调用之后做点什么并且返回结果
        return result

"""
func1.py 文件
1、执行到@w1
2、被装饰函数作为装饰器参数 w1(func=f1())
3、w1 函数执行有返回值，得用变量接收，变量名为f1 合适
"""
def w1(func):
def inner():
print('...验证权限...')
func()
return inner
@w1
def f1():
print('f1 called')
===================================================
"""
func2.py 文件
1、执行到@w1
2、被装饰函数作为装饰器参数 w1(func=f1())
3、w1 函数执行有返回值，得用变量接收，变量名为f1 合适
"""
def w1(func):
def inner():
print('...验证权限...')
func()
return inner
@w1
def f1():
print('f1 called')
f1()
"""
执行f1() 实际执行的是谁？-->是inner() 函数
为什么？-->步骤3 w1 函数返回值赋值给了f1
那实际是什么赋值给f1 变量了？-->是inner() 函数
现在执行f1() 当然执行的是inner() 函数
在执行inner() 函数的过程中有个func() 这个是什么？-->是w1 函数的参数
那这个函数实际执行的是谁？-->步骤2 有说明，实际指向的是被装饰的函数f1
"""

一、无参装饰器函数
Python的 decorator (装饰器)
本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。
例1：
#!/usr/bin/env python
#coding=utf-8

#装饰器函数
def log(f):
    def fn(n):
        print 'call', f.__name__ + '()'
        return f(n)
    return fn

#阶乘函数
@log
def factorial(n):
     return reduce(lambda x,y : x*y, range(1,n+1))

print factorial(5)
结果：


对于参数只有一个的函数，@log工作的很好，但是当参数不是一个的函数，调用将报错：
例2：
#加法函数
@log
def add(x, y):
     return x+y

print add(1+2)
结果：



因为add()函数需要传入两个参数，但是@log写死了只含一个参数的返回函数。
所以要让 @log 自适应任何参数定义的函数，可以利用python的*arg 和 **kw，保证任意个数的参数能正常调用。
例3：
#!/usr/bin/env python
#coding=utf-8

#装饰器函数
def log(f):
    def fn(*args, **kw):
        print 'call', f.__name__ + '()'
        return f(*args, **kw)
    return fn

#阶乘函数
@log
def factorial(n):
    return reduce(lambda x,y : x*y, range(1,n+1))

#加法函数
@log
def add(x, y):
     return x+y

print add(1, 2)
print factorial(5)
结果：



二、带参数的装饰器函数
需求来了：
如果有的函数非常重要，希望打印出'[INFO] call xxx()...'，有的函数不太重要，希望打印出'[DEBUG] call xxx()...'，这时，
log函数本身就需要传入'INFO'或'DEBUG'这样的参数，类似这样：

@log('DEBUG')
def my_func():
    pass
翻译成高阶函数相当于：
my_func = log('DEBUG')(my_func)


或者：
log_decorator = log('DEBUG')
my_func = log_decorator(my_func)
又相当于：
log_decorator = log('DEBUG')
@log_decorator
def my_func():
    pass


估计看明白了。带参数的装饰器函数其实就是在原来的基础上添加外层函数，又返回内层的装饰器函数而已，也是很简单的。


总结：带参数的log函数首先返回一个decorator函数，再让这个函数接收decorator函数接收my_func并返回函数。
代码如下：
def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print '[%s] %s()...' % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log('DEBUG')
def test():
    pass
print test()
结果：



无参装饰器函数和有参的装饰器函数就基本上告一段落。