在第六章已经有所介绍，这里看到一篇比较好的文章转过来。
基本概念
装饰器是23z种设计模式之一，经常被用于有切面需求的场景，较为经典的有插入日志、性能测试、事务处理, Web权限校验, Cache等。
很有名的例子来理解，咖啡，加糖的咖啡，加牛奶的咖啡。 本质上，还是咖啡，只是在原有的东西上，做了“装饰”，使之附加一些功能或特性。
例如记录日志，需要对某些函数进行记录
笨的办法，每个函数加入代码，如果代码变了，就悲催了
装饰器的办法，定义一个专门日志记录的装饰器，对需要的函数进行装饰。
优点
抽离出大量函数中与函数功能本身无关的雷同代码并继续重用
即，可以将函数“修饰”为完全不同的行为，可以有效的将业务逻辑正交分解，如用于将权限和身份验证从业务中独立出来
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
Python中的装饰器
在Python中，装饰器实现是十分方便的
原因是：函数可以被扔来扔去。
函数作为一个对象：
A.可以被赋值给其他变量，可以作为返回值 B.可以被定义在另外一个函数内
def:
装饰器是一个函数,一个用来包装函数的函数，装饰器在函数申明完成的时候被调用，调用之后返回一个修改之后的函数对象，将其重新赋值原来的标识符，并永久丧失对原始函数对象的访问(申明的函数被换成一个被装饰器装饰过后的函数)
当我们对某个方法应用了装饰方法后， 其实就改变了被装饰函数名称所引用的函数代码块入口点，使其重新指向了由装饰方法所返回的函数入口点。
由此我们可以用decorator改变某个原有函数的功能，添加各种操作，或者完全改变原有实现
分类：
装饰器分为无参数decorator，有参数decorator
* 无参数decorator 生成一个新的装饰器函数 * 有参decorator 有参装饰，装饰函数先处理参数，再生成一个新的装饰器函数，然后对函数进行装饰
装饰器有参/无参，函数有参/无参，组合共4种
具体定义：
decorator方法
A.把要装饰的方法作为输入参数，
B.在函数体内可以进行任意的操作(可以想象其中蕴含的威力强大，会有很多应用场景)，
C.只要确保最后返回一个可执行的函数即可（可以是原来的输入参数函数， 或者是一个新函数）
无参数装饰器 – 包装无参数函数
不需要针对参数进行处理和优化
def decorator(func):
print "hello"
return func
@decorator
def foo():
pass
foo()
foo() 等价于:
foo = decorator(foo) foo()
无参数装饰器 – 包装带参数函数
def decorator_func_args(func):
def handle_args(*args, **kwargs): #处理传入函数的参数
print "begin"
func(*args, **kwargs) #函数调用
print "end"
return handle_args
@decorator_func_args
def foo2(a, b=2):
print a, b
foo2(1)
foo2(1) 等价于
foo2 = decorator_func_args(foo2) foo2(1)
带参数装饰器 – 包装无参数函数
def decorator_with_params(arg_of_decorator):#这里是装饰器的参数
print arg_of_decorator
#最终被返回的函数
def newDecorator(func):
print func
return func
return newDecorator
@decorator_with_params("deco_args")
def foo3():
pass
foo3()
与前面的不同在于：比上一层多了一层封装，先传递参数，再传递函数名
第一个函数decomaker是装饰函数，它的参数是用来加强“加强装饰”的。由于此函数并非被装饰的函数对象，所以在内部必须至少创建一个接受被装饰函数的函数，然后返回这个对象（实际上此时foo3= decorator_with_params(arg_of_decorator)(foo3)）
带参数装饰器– 包装带参数函数
def decorator_whith_params_and_func_args(arg_of_decorator):
def handle_func(func):
def handle_args(*args, **kwargs):
print "begin"
func(*args, **kwargs)
print "end"
print arg_of_decorator, func, args,kwargs
return handle_args
return handle_func
@decorator_whith_params_and_func_args("123")
def foo4(a, b=2):
print "Content"
foo4(1, b=3)
内置装饰器
内置的装饰器有三个：staticmethod,classmethod, property
class A():
@staticmethod
def test_static():
print "static"
def test_normal(self):
print "normal"
@classmethod
def test_class(cls):
print "class", cls
a = A()
A.test_static()
a.test_static()
a.test_normal()
a.test_class()
结果：
static static normal class __main__.A
A.test_static
staticmethod 类中定义的实例方法变成静态方法
基本上和一个全局函数差不多(不需要传入self，只有一般的参数)，只不过可以通过类或类的实例对象来调用，不会隐式地传入任何参数。
类似于静态语言中的静态方法
B.test_normal
普通对象方法： 普通对象方法至少需要一个self参数，代表类对象实例
C.test_class
类中定义的实例方法变成类方法
classmethod需要传入类对象，可以通过实例和类对象进行调用。
是和一个class相关的方法，可以通过类或类实例调用，并将该class对象（不是class的实例对象）隐式地当作第一个参数传入。
就这种方法可能会 比较奇怪一点，不过只要你搞清楚了python里class也是个真实地存在于内存中的对象，而不是静态语言中只存在于编译期间的类型，就好办了。正常的方法就是和一个类的实例对象相关的方法，通过类实例对象进行调用，并将该实例对象隐式地作为第一个参数传入，这个也和其它语言比较像。
D.区别
staticmethod，classmethod相当于全局方法，一般用在抽象类或父类中。一般与具体的类无关。
类方法需要额外的类变量cls，当有子类继承时，调用类方法传入的类变量cls是子类，而不是父类。
类方法和静态方法都可以通过类对象和类的实例对象访问
定义方式，传入的参数，调用方式都不相同。
E.property
对类属性的操作，类似于java中定义getter/setter
class B():
def __init__(self):
self.__prop = 1
@property
def prop(self):
print "call get"
return self.__prop
@prop.setter
def prop(self, value):
print "call set"
self.__prop = value
@prop.deleter
def prop(self):
print "call del"
del self.__prop
其他
A.装饰器的顺序很重要，需要注意
@A @B @C def f ():
等价于
f = A(B(C(f)))
B.decorator的作用对象可以是模块级的方法或者类方法
C.functools模块提供了两个装饰器。 这个模块是Python 2.5后新增的。
functools.wraps(func) total_ordering(cls) 这个具体自己去看吧，后续用到了再补充
一个简单例子
通过一个变量，控制调用函数时是否统计时间
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#@author: [email protected]
#@version: a test of decorator
#@date: 20121027
#@desc: just a test
import logging
from time import time
logger = logging.getLogger()
logger.setLevel(logging.DEBUG)
is_debug = True
def count_time(is_debug):
def handle_func(func):
def handle_args(*args, **kwargs):
if is_debug:
begin = time()
func(*args, **kwargs)
logging.debug( "[" + func.__name__ + "] -> " + str(time() - begin) )
else:
func(*args, **kwargs)
return handle_args
return handle_func
def pr():
for i in range(1,1000000):
i = i * 2
print "hello world"
def test():
pr()
@count_time(is_debug)
def test2():
pr()
@count_time(False)
def test3():
pr()
if __name__ == "__main__":
test()
test2()
test3()
结果：
hello world hello world DEBUG:root:[test2] -> 0.0748538970947 hello world