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。 ```plain >>> def now(): ... print('2024-6-1') ... >>> f = now >>> f() 2024-6-1 ``` []( "复制到剪贴板") 函数对象有一个 `__name__`属性（注意：是前后各两个下划线），可以拿到函数的名字： ```plain >>> now.__name__ 'now' >>> f.__name__ 'now' ``` []( "复制到剪贴板") 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： ```python def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper ``` []( "复制到剪贴板") 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： ```python @log def now(): print('2024-6-1') ``` []( "复制到剪贴板") 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： ```plain >>> now() call now(): 2024-6-1 ``` []( "复制到剪贴板") 把 `@log`放到 `now()`函数的定义处，相当于执行了语句： ```python now = log(now) ``` []( "复制到剪贴板") 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： ```python def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator ``` []( "复制到剪贴板") 这个3层嵌套的decorator用法如下： ```python @log('execute') def now(): print('2024-6-1') ``` []( "复制到剪贴板") 执行结果如下： ```plain >>> now() execute now(): 2024-6-1 ``` []( "复制到剪贴板") 和两层嵌套的decorator相比，3层嵌套的效果是这样的： ```plain >>> now = log('execute')(now) ``` []( "复制到剪贴板") 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'`： ```plain >>> now.__name__ 'wrapper' ``` []( "复制到剪贴板") 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： ```python import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper ``` []( "复制到剪贴板") 或者针对带参数的decorator： ```python 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 ``` []( "复制到剪贴板") `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。 ### 练习 请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间： ```python import time, functools def metric(fn): print('%s executed in %s ms' % (fn.__name__, 10.24)) return fn # 测试 @metric def fast(x, y): time.sleep(0.0012) return x + y; @metric def slow(x, y, z): time.sleep(0.1234) return x * y * z; f = fast(11, 22) s = slow(11, 22, 33) if f != 33: print('测试失败!') elif s != 7986: print('测试失败!') ``` []( "复制到剪贴板") 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： ```python @log def f(): pass ``` []( "复制到剪贴板") 又支持： ```python @log('execute') def f(): pass ``` []( "复制到剪贴板") ### 参考源码 [decorator.py](https://liaoxuefeng.com/books/python/functional/decorator/decorator.py) ### 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。