什么是装饰器

装饰器是什么，简单来说，装饰器可以改变一个函数的行为，比如原本有一个函数用来计算菲波那切数列，我们给这个函数加个计算执行时间的装饰器，这样原来的函数不仅能够计算菲波那切数列，而且还可以输出计算花费了多少时间。

在Python中，有几个很常见的内置装饰器：比如@staticmethod， 它可以将一个类的方法声明为静态的。@property， 为类中的变量设置get和set方法，保证了封装性。

如果你使用过python的web框架（比如flask）开发过网站，你应该经常会见到装饰器，像下面这样：

@app.route("/")def hello():    return "Hello World!"

这段代码把路由绑定到hello函数上，这样你输入网址之后就可以看到Hello World 。

先来看个很简单的例子：

# 定义了一个装饰器def deco(func):  def hah():      print('hahha')  return hah

上面我们定义了一个装饰器，打印hahah，接下来使用：

# 使用这个装饰器@decodef lal():    pritn('lalalala')lal()

执行lal()会输出hahha。 可见deco装饰器改变了lal函数的功能。上面的代码中，我们实际上是把lal函数放入了deco函数，像这样：

lal = deco(lal)

只不过，直接使用@标志把装饰器放在某个函数上更方便一点而已。

装饰器其实就是一个函数嵌套另一个函数（这里涉及到一个概念叫做闭包，下面会讲到）。在装饰器的定义中，需要把内部的函数返回（像hah），内部函数用来真正的改变被装饰函数的功能。

不过，上面定义的装饰器好像没什么用，我们来真正的写一个装饰器，像文章开头说的那样，定义一个装饰器计算函数执行的时间。

实现一个简单的装饰器

import time# 这个装饰器接收一个函数作为参数def clock(func):  # clocked用来改变被装饰函数功能  # 接收任意可变参数    def clocked(*args):      #先计算时间        t0 = time.perf_counter()        # 然后运行被装饰的函数        result = func(*args)        # 计算运行前后的时间差        elapsed = time.perf_counter()-t0        # 函数的名字        name = func.__name__        # 被装饰函数的所有变量        arg_str = ','.join(repr(arg) for arg in args)        # 输出        print('[%0.8fs] %s(%s) -> %r' % (elapsed, name, arg_str, result))        # 返回被装饰函数执行结果        # 可见装饰器是在原来的函数上增加了某些功能        # 而不是完全改变被装饰函数        return result     # 把clocked函数返回    return clocked

来使用一下上面定义的装饰器：

@clockdef factorial(n):    return 1 if n<2 else n*factorial(n-1)  result = factorial(6)print(result)

执行结果：

[0.00000030s] factorial(1) -> 1[0.00004588s] factorial(2) -> 2[0.00007184s] factorial(3) -> 6[0.00060794s] factorial(4) -> 24[0.00064205s] factorial(5) -> 120[0.00066801s] factorial(6) -> 720720

可以看到，在输出计算结果的同时，输出了每一步的执行时间。

装饰器除了改变函数功能之外还有一个特性是，函数装饰器在导入模块时立即执行，而被装饰的函数只在明确调用时运行。这点需要注意。

当然了，装饰器之上还可以放一个装饰器，不过是多了一层嵌套而已。

python中还有一个内置的模块functools，这里面定义了一些常用的装饰器函数，帮助你更好地定义自己的装饰器。这里就不讲了。

闭包

说到闭包，在上面的代码中我们已经见识到了，函数中嵌套函数就是闭包。严格来说，闭包是指延伸了作用域的函数，怎么理解？不如来看个例子：

我们定义一个函数不断计算平均值，它会记住上一次计算的值进行累计。

# 先看一些效果avg = make_averager()print(avg(10))print(avg(11))print(avg(12))

输出如下：

10.010.511.0

第一次输出10，第二次输出10加11的平均值，第三次输出10加11加12的平均值。

怎么实现的？

def make_averager():  # 局部变量series  # 用来保存每次输入的值    series = []    def averager(new_value):        series.append(new_value)        total = sum(series)        return total/len(series)    return averager

上面的函数中，series是局部变量。当我们调用avg(10)的时候，函数已经返回了，按理说它的本地作用域已经不存在了，但是我们还是可以继续使用。这是因为series其实是自由变量，它不受本地作用域的限制。需要注意的是，对于不可变类型，需要显示用关键字nonlocal 声明自由变量，如果不声明的话，会隐式的创建局部变量，这样自由变量就会失效。而可变类型则不需要。比如，我们来更改一下上面的代码：

# 改一下求平均值的函数# 用另一种方法def make_averager():   count = 0   total = 0   def averager(new_value):      # count、total是不可变类型      # 需要声明为自由变量     nonlocal count, total     count += 1     total += new_value     return total / count   return averager

除了上面说的装饰器的用法之外，我们还可以为装饰器添加参数，像app.route('/') 这样，限于篇幅，下一篇文章再介绍。