python wraps

用代码说明问题:

def d(f):
	def _d(*args, **kwargs):
		print f.__name__, ‘ is called‘
		f(*args, **kwargs)
	return _d
@d
def test():
	"""function test"""
	print ‘test‘

if __name__==‘__main__‘:
	print test.__name__, " | ", test.__doc__

输出:

_d  |  None

可能你想要输出的是这样的:

test | function test

原因自然是函数已经发生了变化。

如果想要输出"test | function test",可以用wraps,d修改如下:

from functools import wraps

def d(f):
	@wraps(f)
	def _d(*args, **kwargs):
		print f.__name__, ‘ is called‘
		f(*args, **kwargs)
	return _d

即,在_d上面用wraps(f)修饰一下。

时间: 2024-10-20 11:22:38

python wraps的相关文章

python wraps装饰器

这是一个很有用的装饰器.看过前一篇反射的朋友应该知道,函数是有几个特殊属性比如函数名,在被装饰后,上例中的函数名foo会变成包装函数的名字 wrapper,如果你希望使用反射,可能会导致意外的结果.这个装饰器可以解决这个问题,它能将装饰过的函数的特殊属性保留. import time import functools def timeit(func): @functools.wraps(func) def wrapper(): start = time.clock() func() end =t

python wraps那点儿事儿

 一个需求的实现 当前,我们有这么一个小的需求:通过装饰器来计算函数执行的时间 计算出这个函数的执行时长 def add(x,y):   # add = TimeIt(add)     time.sleep(1)     'this is add'     return x + y 装饰器实现 import time import datetime from functools import wraps class TimeIt:     def __init__(self,fn):      

Python的wraps修饰器详解

本文和大家分享的主要是python 中wraps 修饰器相关内容,一起来看看吧,希望对大家 学习python有所帮助. 在了解  wraps  修饰器之前,我们首先要了解  partial  和  update_wrapper  这两个函数,因为在 wraps  的代码中,用到了这两个函数. partial 首先说  partial  函数,在  官方文档  的描述中,这个函数的声明如下:  functools.partial(func, *args, **keywords)  .它的作用就是返

python 装饰器及标准库functools中的wraps

最近在看 flask的视图装饰器 时,忽然想起预(复)习一下python的装饰器. 这里有一篇比较好的讲解装饰器的书写的 Python装饰器学习(九步入门) . 这里不单独记录装饰器的书写格式了,重点是工作流程. 首先常见的 装饰器 格式就是通过@语法糖,简便的写法,让流程有些不太清楚. 装饰器不带参数的情况下: def deco(func):     def _deco():         print("before myfunc() called.")         func(

Python 中实现装饰器时使用 @functools.wraps 的理由

Python 中使用装饰器对在运行期对函数进行一些外部功能的扩展.但是在使用过程中,由于装饰器的加入导致解释器认为函数本身发生了改变,在某些情况下--比如测试时--会导致一些问题.Python 通过 functool.wraps 为我们解决了这个问题:在编写装饰器时,在实现前加入 @functools.wraps(func) 可以保证装饰器不会对被装饰函数造成影响.比如,在 Flask 中,我们要自己重写 login_required 装饰器,但不想影响被装饰器装饰的方法,则 login_req

python装饰器中@wraps作用--修复被装饰后的函数名等属性的改变

Python装饰器(decorator)在实现的时候,被装饰后的函数其实已经是另外一个函数了(函数名等函数属性会发生改变),为了不影响,Python的functools包中提供了一个叫wraps的decorator来消除这样的副作用.写一个decorator的时候,最好在实现之前加上functools的wrap,它能保留原有函数的名称和docstring.废话不多说,上俩栗子就能搞明白! 实例一: 不加wraps # -*- coding=utf-8 -*- from functools imp

【Python】Flask中@wraps的使用

先说总结,白话来讲,@wraps相当于是装饰器的装饰器. python内置的方法使用解释,看起很复杂的样子┓( ´∀` )┏ def wraps(wrapped, assigned = WRAPPER_ASSIGNMENTS, updated = WRAPPER_UPDATES): """Decorator factory to apply update_wrapper() to a wrapper function Returns a decorator that invo

Python标准库: functools (cmp_to_key, lru_cache, total_ordering, partial, partialmethod, reduce, singledispatch, update_wrapper, wraps)

functools模块处理的对象都是其他的函数,任何可调用对象都可以被视为用于此模块的函数. 1. functools.cmp_to_key(func) 因为Python3不支持比较函数,cmp_to_key就是将老式的比较函数(comparison function)转换成关键字函数(key function),与能够接受key function的函数一起使用,比如说sorted,list.sort, min, max, heapq.nlargest, itertools.groupby等等.

python装饰器中的@wraps

python装饰器中的@wraps 第一段代码:没有添加@wraps def user_login_confirm(name): print('我是', name) def deco_fun(view_func): print('准备变身...') def wrapper(): view_func() print('变身完成...') return wrapper return deco_fun @user_login_confirm('小辣椒') def tony(): print('我是',