python编程中使用装饰器(decorator)工具，可以使代码更简洁清晰，提高代码的重用性，还可以为代码维护提供方便。对于python初学者来说，根据装饰器 (decorator )的字面意思并不好理解这玩意到底是个什么东西，在编写代码时运用起来也有些困难。其实，可以简单地把它理解为调用另一个函数的函数，或者可以这样理解：装饰器就像一个人跑步时随身携带的计时器、计数器或计速器。本文以简短的代码段为例，介绍几种常用的装饰器 decorator，希望能对这一工具的概念理解和应用起到抛砖引玉的作用。

@timeit ，计时器

用于度量执行某个函数或功能程序包所耗费的时间，在调试或监测程序时经常会用到。

示例代码：

import time
from functools import wraps

def timeit(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        end = time.perf_counter()
        print(f'执行 {func.__name__} 函数共耗时 {end - start:.6f} 秒。')
        return result
    return wrapper

@timeit
def process_data():
    time.sleep(1)

process_data()

输出结果：

执行 process_data 函数共耗时 1.005707 秒。

@countcall，计数器

用于记录某个函数被调用的次数。

示例代码如下：

from functools import wraps

def countcall(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        wrapper.count += 1
        result = func(*args, **kwargs)
        print(f' 函数 {func.__name__} 已被调用 {wrapper.count} 次！')
        return result
    wrapper.count = 0
    return wrapper

@countcall
def process_data():
    pass

process_data()
process_data()
process_data()

输出结果：

函数 process_data 已被调用 1 次！
函数 process_data 已被调用 2 次！
函数 process_data 已被调用 3 次！

@logger，日志记录

用于记录程序或函数的动作等信息。

示例代码：

def logger(function):
    def wrapper(*args, **kwargs):
        print(f"----- {function.__name__}: 开始执行 -----")
        output = function(*args, **kwargs)
        print(f"----- {function.__name__}: 结束 -----")
        return output
    return wrapper

@logger
def test_function(text):
    print(text)

test_function("第一次测试")

输出结果：

----- test_function: 开始执行 -----
第一次测试
----- test_function: 结束 -----

再执行一次：

test_function("第二次测试")

输出结果：

----- test_function: 开始执行 -----
第二次测试
----- test_function: 结束 -----

@wraps，打包器

该装饰器用于更新打包函数，使包内函数保持初始状态并继承该函数的名称和属性。

示例代码（其中用到前面logger装饰器）：

def logger(function):
    def wrapper(*args, **kwargs):  
        """ 打包器 wrapper 说明 """
        print(f"-----函数 {function.__name__}: 开始打包执行 -----")
        output = function(*args, **kwargs)
        print(f"-----函数 {function.__name__}: 结束 -----")
        return output
    return wrapper

@logger
def add_two_numbers(a, b): 
    """ 本函数功能：求两个数之和 """
    return a + b

add_two_numbers(1,2)

输出结果：

-----函数 add_two_numbers: 开始打包执行 -----
-----函数 add_two_numbers: 结束 -----

可以使用语句'add_two_numbers.__name__' 查看对该函数进行打包的打包器的名称，执行后的输出结果：wrapper；也可以使用语句‘add_two_numbers.__doc__’ 查看对该函数进行打包的打包器的说明，执行后的输出结果：' 打包器 wrapper 说明 '

@repeat，函数重复执行

指定某个函数重复执行的次数，可以用于代码调试、压力测试或任务自动重复执行。

示例代码：

def repeat(number_of_times):
    def decorate(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for _ in range(number_of_times):
                func(*args, **kwargs)
        return wrapper
    return decorate

@repeat(3)
def dummy():
    print("我是repeat装饰器！")

dummy()    

输出结果：

我是repeat装饰器！
我是repeat装饰器！
我是repeat装饰器！

@lru_cache，缓存器

这是一个python的内置装饰器，可以从funtools 中导入。该装饰器用于监测运行时间较长的任务的返回值，如查询数据库、对远程网页发出请求或一些数据处理量大的任务，所使用的算法是LRU（least-recently-used），一旦缓存占满，则丢弃哪些未被使用或很少使用的返回值。

示例代码：

import random
import time
from functools import lru_cache

@lru_cache(maxsize=None)
def heavy_processing(n):
    sleep_time = n + random.random()
    time.sleep(sleep_time)

第一次运行 heavy_processing() 函数：

 %%time
heavy_processing(0)

输出结果：

CPU times: total: 0 ns
Wall time: 816 ms

接下来，再运行 heavy_processing() 函数两次，执行代码和第一次相同，输出结果分别为：

CPU times: total: 0 ns
Wall time: 0 ns

CPU times: total: 0 ns
Wall time: 0 ns

从三次运行结果看，除第一次执行耗时较长之外，后续执行相同的代码，耗时都大大少于第一次运行的耗时。

@retry，强制执行器

某个函数执行发生异常时，强制执行多次。该装饰器有点类似循环，有三个参数：强制执行的指定次数，捕捉异常，两次强制执行之间的时间间隔。每次迭代执行，都调用 try 或 except 代码块中的代码，调用成功则中断循环，否则就间歇指定的时长，然后再执行。如果完成了循环的最后一次迭代，代码块调用都不成功，那么其中的 打包器（@wrapper）就给出异常信息。

示例代码：

import random
import time
from functools import wraps

def retry(num_retries, exception_to_check, sleep_time=0):    
    def decorate(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for i in range(1, num_retries+1):
                try:
                    return func(*args, **kwargs)
                except exception_to_check as e:
                    print(f"{func.__name__} 函数发生 {e.__class__.__name__} 错误，再试...")
                    if i < num_retries:
                        time.sleep(sleep_time)          
            raise e
        return wrapper
    return decorate

@retry(num_retries=3, exception_to_check=ValueError, sleep_time=1)
def random_value():
    value = random.randint(1, 5)
    if value == 3:
        raise ValueError("数值不能等于3")
    return value

把 random_value() 函数执行两次，因函数输出随机值，将会输出类似下面的结果：

random_value 函数发生 ValueError 错误，再试...
4

5

@rate_limited，限速器

该装饰器用于设定调用某个函数的频率，防止函数被频繁地调用。

示例代码：

import time
from functools import wraps

def rate_limited(max_per_second):
    min_interval = 1.0 / float(max_per_second)
    def decorate(func):
        last_time_called = 0.0
        @wraps(func)
        def rate_limited_function(*args, **kargs):
            elapsed = time.perf_counter() - last_time_called
            left_to_wait = min_interval - elapsed
            if left_to_wait > 0:
                time.sleep(left_to_wait)
            ret = func(*args, **kargs)
            last_time_called = time.perf_counter()
            return ret
        return rate_limited_function
    return decorate

@dataclass，类装饰器

自python 3.7 引入标准款，用于装饰对象的类型，会自动生成一些方法，如__init__, __repr__, __eq__, __lt__, 和 __str__ ，这些方法都是针对存储数据，以便提高数据的可读性并为代码维护提供便利。

示例代码：

from dataclasses import dataclass

@dataclass
class Person:
    first_name: str
    last_name: str
    age: int
    job: str

    def __eq__(self, other):
        if isinstance(other, Person):
            return self.age == other.age
        return NotImplemented

    def __lt__(self, other):
        if isinstance(other, Person):
            return self.age < other.age
        return NotImplemented


john = Person(first_name="张", 
              last_name="兵", 
              age=30, 
              job="医生",)

anne = Person(first_name="晓晓", 
              last_name="刘", 
              age=40, 
              job="工程师",)

输出结果：

False
True
Person(first_name='晓晓', last_name='刘', age=40, job='工程师')

@register，注册器

在执行python代码时，如果执行过程出现悬挂，需要保存任务信息或打印提示信息，就可以用@register。

示例代码：

from atexit import register

@register
def terminate():
    perform_cleanup_task()
    print("再见！")

while True:
    print("你好！")

以上代码中，perform_cleanup_task() 函数没有定义，执行这段代码会一直输出“你好”这个信息，执行就出现悬挂状态，按ctrl+C 中断该循环，将会输出“再见！”这条信息。

（本文完）