由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。 ~~~ ~~~ >>> def now(): ... print('2015-3-25') ... >>> f = now >>> f() 2015-3-25 ~~~ ~~~ 函数对象有一个`__name__`属性，可以拿到函数的名字： ~~~ ~~~ >>> now.__name__ 'now' >>> f.__name__ 'now' ~~~ ~~~ 现在，假设我们要增强`now()`函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改`now()`函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。 本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下： ~~~ ~~~ def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper ~~~ ~~~ 观察上面的`log`，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处： ~~~ ~~~ @log def now(): print('2015-3-25') ~~~ ~~~ 调用`now()`函数，不仅会运行`now()`函数本身，还会在运行`now()`函数前打印一行日志： ~~~ ~~~ >>> now() call now(): 2015-3-25 ~~~ ~~~ 把`@log`放到`now()`函数的定义处，相当于执行了语句： ~~~ ~~~ now = log(now) ~~~ ~~~ 由于`log()`是一个decorator，返回一个函数，所以，原来的`now()`函数仍然存在，只是现在同名的`now`变量指向了新的函数，于是调用`now()`将执行新函数，即在`log()`函数中返回的`wrapper()`函数。 `wrapper()`函数的参数定义是`(*args, **kw)`，因此，`wrapper()`函数可以接受任意参数的调用。在`wrapper()`函数内，首先打印日志，再紧接着调用原始函数。 如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本： ~~~ ~~~ def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator ~~~ ~~~ 这个3层嵌套的decorator用法如下： ~~~ ~~~ @log('execute') def now(): print('2015-3-25') ~~~ ~~~ 执行结果如下： ~~~ ~~~ >>> now() execute now(): 2015-3-25 ~~~ ~~~ 和两层嵌套的decorator相比，3层嵌套的效果是这样的： ~~~ ~~~ >>> now = log('execute')(now) ~~~ ~~~ 我们来剖析上面的语句，首先执行`log('execute')`，返回的是`decorator`函数，再调用返回的函数，参数是`now`函数，返回值最终是`wrapper`函数。 以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有`__name__`等属性，但你去看经过decorator装饰之后的函数，它们的`__name__`已经从原来的`'now'`变成了`'wrapper'`： ~~~ ~~~ >>> now.__name__ 'wrapper' ~~~ ~~~ 因为返回的那个`wrapper()`函数名字就是`'wrapper'`，所以，需要把原始函数的`__name__`等属性复制到`wrapper()`函数中，否则，有些依赖函数签名的代码执行就会出错。 不需要编写`wrapper.__name__ = func.__name__`这样的代码，Python内置的`functools.wraps`就是干这个事的，所以，一个完整的decorator的写法如下： ~~~ ~~~ import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper ~~~ ~~~ 或者针对带参数的decorator： ~~~ ~~~ import functools def log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator ~~~ ~~~ `import functools`是导入`functools`模块。模块的概念稍候讲解。现在，只需记住在定义`wrapper()`的前面加上`@functools.wraps(func)`即可。 ### 小结 在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。 decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。 请编写一个decorator，能在函数调用的前后打印出`'begin call'`和`'end call'`的日志。 再思考一下能否写出一个`@log`的decorator，使它既支持： ~~~ ~~~ @log def f(): pass ~~~ ~~~ 又支持： ~~~ ~~~ @log('execute') def f(): pass ~~~ ~~~ ### 参考源码 [decorator.py](https://github.com/michaelliao/learn-python3/blob/master/samples/functional/decorator.py)