内容简介:熟悉在要理解
熟悉 Java
编程的程序猿对 装饰器模式 一定不陌生,它是能够动态的给一个类添加新的行为的一种设计模式。相对于通过继承的方式使用装饰器会更加灵活。
在 Python
里面装饰器( Decorator
)也是一个非常重要的概念。跟装饰器模式类似,它 能够动态为一个函数、方法或者类添加新的行为 ,而不需要通过子类继承或直接修改函数的代码来获取新的行为能力,使用 Decorator
的方式会更加 Pythonic
。
要理解 装饰器 我们就要从函数说起。
0x00 函数
在 Python
中函数是作为一级对象存在的(一切都是对象),它拥有自己的属性,函数名可以赋值给一个变量,也可以作为另一个函数的参数进行传递。
1、定义函数
def fib(n): """打印小于 n 的 fibonacci 数列""" a, b = 0, 1 while a < n: print(a, end=' ') a, b = b, a + b print() def call_fib(func): """函数名作为函数的参数进行传递""" func(1000) if __name__ == '__main__': print(fib) # <function fib at 0x103e66378> print(isinstance(fib, object)) # 函数是一级对象:True print(fib.__name__) # 函数名称:fib print(fib.__code__.co_varnames) # __code__属性是函数中的'代码对象',co_varnames是函数中的本地变量,以元组的方式展现:('n', 'a', 'b') print(fib.__doc__) # 函数中的注释 print(fib.__globals__) # 全局变量 f = fib # 函数赋值给一个变量f f(1000) # 通过变量f对函数fib调用 call_fib(fib) # 函数名作为参数 复制代码
2、嵌套函数
在定义函数时,在函数内部定义一个函数。
def outer_func(): # 在函数内部定义一个函数 def inner_func(): print('inner func') inner_func() print('outer func') 复制代码
嵌套函数对我们理解装饰器非常重要,也是闭包实现的基础,这里先引出了本地变量和全局变量的概念,后文会详细说明闭包的概念。
3、全局变量( globals
)和本地变量( locals
)
根据 作用域 的不同,变量可以分成全局变量和本地变量,这其实是相对的概念。例如在下面的模块中 gvar
是一个全局变量,而在函数 outer_func()
定义的是本地变量。
gvar = 'global var' # 全局变量 def outer_func(): gvar = 'outer var' # outer_func 本地变量 # 在函数内部定义一个函数 def inner_func(): gvar = 'inner var' # inner_func 本地变量 print('inner: {}'.format(gvar)) inner_func() print('outer: {}'.format(gvar)) outer_func() print('gvar in global : {}'.format(gvar)) # 输出结果 # inner: inner var # outer: outer var # gvar in global : global var 复制代码
在函数外定义了 全局变量 gvar
,同时在 outer_func()
函数中也定义了 gvar
,而这个是 本地变量 。
从示例代码中可以看到, outer_func()
并没有改变全局变量的值。
在函数中定义的变量都存储在 本地符号表 ( local symbol table
)里,同样 inner_func()
中的 gvar
也存在它自己的本地符号表中,而全局变量gvar是则存储在 全局符号表 ( global symbol table
)。
变量的查找路是: 首先从本地符号表中查找,然后是外部函数(在嵌套函数中)的本地符号表中查找,再到全局符号表,最后是内置符号表
graph TD A[本地符号表]-->B[外部函数的本地符号表] B[函数外的本地符号表]-->C[全局符号表] C[全局符号表]-->D[内置符号表] 复制代码
如果把上面代码中的 inner_func()
中的 gvar = 'inner var'
注释掉,那么输出的结果将是
# inner: outer gvar # inner_func中引用的gvar变量是outer_func中定义的 # outer: outer gvar # gvar in global : global var 复制代码
变量查找逻辑可以简单理解为: 就近查找 。 如果在以上路径中都没有找到, Python
解析器将抛出 NameError: name 'gvar' is not defined
。
若在函数中要使用全局变量,那么就需要用到 global
关键字。 对上文的代码修改如下
gvar = 'global var' def outer_func(): global gvar # 声明gvar是全局变量 gvar = 'outer gvar' # 在函数内部定义一个函数 def inner_func(): gvar = 'inner gvar' # 这个依然是本地变量 print('inner: {}'.format(gvar)) inner_func() print('outer: {}'.format(gvar)) outer_func() print('gvar in global : {}'.format(gvar)) # 输出结果 # inner: inner gvar # outer: outer gvar # gvar in global : outer gvar 复制代码
除了 global
还有一个 nonlocal
的关键字,它的作用是在函数中使用外部函数的变量定义(注意:不能是全局变量)
gvar = 'global var' # 全局变量 def outer_func(): gvar = 'outer gvar' # 本地变量 # 在函数内部定义一个函数 def inner_func(): nonlocal gvar # nonlocal的含义是让gvar使用外部函数的变量, # 如果外部函数没有定义该变量,那么运行时将抛出SyntaxError: no binding for nonlocal 'gvar' found gvar = 'inner gvar' # 这个依然是本地变量 print('inner: {}'.format(gvar)) inner_func() print('outer: {}'.format(gvar)) # 输出结果 # inner: inner gvar # outer: inner gvar # gvar in global : global var 复制代码
在 inner_func()
中使用 nonlocal
关键字声明的 gvar
必须在外部函数(即 outer_func()
函数)定义,否则将抛出 SyntaxError: no binding for nonlocal 'gvar' found
0x01 什么是闭包
首先结合前文的 嵌套函数定义 的例子,修改一下代码,返回内部函数的对象。
# 普通的嵌套函数 def outer_func(): # 在函数内部定义一个函数 def inner_func(): print('inner func') inner_func() print('outer func') # 闭包 def closure_func(): local_var = 100 def inner_func(): print('inner func call : {}'.format(local_var)) return inner_func # 这里将形成一个闭包 f = closure_func() print(f) print(f.__closure__) print(outer_func) print(outer_func.__closure__) # 输出结果 # <function closure_func.<locals>.inner_func at 0x104f8a8c8> # (<cell at 0x104f6fa68: int object at 0x104d23910>,) # <function outer_func at 0x1070ea268> # None # 普通函数的__closure__属性为空 复制代码
可以看出变量 f
就是闭包,它 是一个函数对象 ,这个函数 可以持有本地变量 local_var
,而这个 本地变量可以脱离定义它的作用域而存在 。
现在来维基百科关于闭包的定义
在计算机科学中,闭包(英语:Closure),又称词法闭包(Lexical Closure)或函数闭包(function closures),是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境也不例外。--引用自维基百科
0x02 实现装饰器
有了前面的铺垫,理解装饰器就非常简单啦。 一个函数返回另外一个函数,通常会使用 @wrapper
的语法形式,而装饰器其实就是一种语法糖( syntactic sugar
)。
我们还是看代码
# 定义一个logger函数,在函数执行前打印log信息 def logger(func): def log_func(*args): print('Running "{}" with arguments {}'.format(func.__name__, args)) return func(*args) return log_func # 形成闭包 # 定义加法函数 def add(x, y): return x + y # 以下两种方式的使用是等价的,当然使用@logger更加Pythonic @logger def add(x, y): return x + y # add = logger(add) print(add(1,4)) # 输出结果 # Running "add" with arguments (1, 4) # 5 复制代码
这样的通过自定义装饰器,我们就可以动态地给函数添加新的功能。
除了自定义的装饰器,还有常见的如 classmethod()
和 staticmethod()
内置的装饰器。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 从撤销 rebase 谈谈 git 原理
- 从源码的角度谈谈面试常客Handler的内部原理
- 谈谈对物理内存和虚拟内存的理解以及内存分配原理,一文彻底搞懂
- ????谈谈单元测试
- 谈谈日志的最佳实践
- 谈谈 Redux
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Java Concurrency in Practice
Brian Goetz、Tim Peierls、Joshua Bloch、Joseph Bowbeer、David Holmes、Doug Lea / Addison-Wesley Professional / 2006-5-19 / USD 59.99
This book covers: Basic concepts of concurrency and thread safety Techniques for building and composing thread-safe classes Using the concurrency building blocks in java.util.concurrent Pe......一起来看看 《Java Concurrency in Practice》 这本书的介绍吧!