[TOC] ### 引入 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）`。 ### 使用 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 ~~~