热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Python中的装饰器(@)用法详解

装饰器是一种用于在不修改原函数代码的情况下,动态地添加功能的工具。它允许你在函数执行前后插入额外的逻辑,从而增强或改变函数的行为。
### Python 装饰器简介

装饰器是 Python 编程中非常强大的特性之一。它允许你在不修改原有函数代码的前提下,动态地为函数添加新的行为。通过装饰器,你可以在函数调用之前或之后执行特定的操作。

#### 示例:基本装饰器

下面是一个简单的装饰器示例,展示了如何在函数执行前后添加额外的操作。

```python
# 定义一个装饰器函数,接收另一个函数作为参数
def my_decorator(func):
# 定义一个内部函数,用于包裹原始函数
def wrapper():
print("在执行函数前做一些准备工作")
func() # 执行原始函数
print("在执行函数后进行清理工作")
return wrapper

# 定义一个需要装饰的普通函数
def my_function():
print("我是需要装饰的函数")

# 使用装饰器对函数进行包装
my_function = my_decorator(my_function)

# 调用装饰后的函数
my_function()
```

输出结果如下:

```
在执行函数前做一些准备工作
我是需要装饰的函数
在执行函数后进行清理工作
```

#### 使用 @ 符号简化装饰器应用

Python 提供了 `@` 符号来简化装饰器的使用。你可以直接在函数定义上方使用 `@decorator_name` 来应用装饰器。

```python
# 定义装饰器函数
def my_decorator(func):
def wrapper():
print("在执行函数前做一些准备工作")
func()
print("在执行函数后进行清理工作")
return wrapper

# 使用 @ 符号应用装饰器
@my_decorator
def my_function():
print("我是需要装饰的函数")

# 直接调用函数
my_function()
```

这种方式不仅简洁,而且更具可读性。

#### 处理函数元数据

当你使用装饰器时,默认情况下,被装饰函数的名称、文档字符串等元数据会被替换为装饰器内部函数的元数据。为了保留原始函数的元数据,可以使用 `functools.wraps` 装饰器。

```python
from functools import wraps

def my_decorator(func):
@wraps(func)
def wrapper():
print("在执行函数前做一些准备工作")
func()
print("在执行函数后进行清理工作")
return wrapper

@my_decorator
def my_function():
"""这是我的函数的文档字符串"""
print("我是需要装饰的函数")

print(my_function.__name__) # 输出: my_function
print(my_function.__doc__) # 输出: 这是我的函数的文档字符串
```

#### 实际应用场景

装饰器广泛应用于各种场景,如权限验证、日志记录、性能监控等。以下是一个基于装饰器的权限验证示例:

```python
from functools import wraps

def requires_auth(f):
@wraps(f)
def decorated(*args, **kwargs):
auth = kwargs.get('auth')
if not auth:
return "未授权访问"
return f(*args, **kwargs)
return decorated

@requires_auth
def sensitive_data(auth=None):
return "敏感数据"

print(sensitive_data()) # 输出: 未授权访问
print(sensitive_data(auth=True)) # 输出: 敏感数据
```

通过上述例子可以看出,装饰器能够极大地简化代码结构,并提高代码的可维护性和复用性。
推荐阅读
  • Python 异步编程:ASGI 服务器与框架详解
    自 Python 3.5 引入 async/await 语法以来,异步编程迅速崛起,吸引了大量开发者的关注。本文将深入探讨 ASGI(异步服务器网关接口)及其在现代 Python Web 开发中的应用,介绍主流的 ASGI 服务器和框架。 ... [详细]
  • 使用Pandas高效读取SQL脚本中的数据
    本文详细介绍了如何利用Pandas直接读取和解析SQL脚本,提供了一种高效的数据处理方法。该方法适用于各种数据库导出的SQL脚本,并且能够显著提升数据导入的速度和效率。 ... [详细]
  • 本文详细介绍了Python中文件的基本操作,包括打开、读取、写入和关闭文件的方法,并通过实例展示了如何将Excel文件转换为CSV文件以及进一步转换为HTML文件。此外,还涉及了成绩等级替换的具体实现。 ... [详细]
  • 本文提供了使用Java实现Bellman-Ford算法解决POJ 3259问题的代码示例,详细解释了如何通过该算法检测负权环来判断时间旅行的可能性。 ... [详细]
  • 最近团队在部署DLP,作为一个技术人员对于黑盒看不到的地方还是充满了好奇心。多次咨询乙方人员DLP的算法原理是什么,他们都以商业秘密为由避而不谈,不得已只能自己查资料学习,于是有了下面的浅见。身为甲方,虽然不需要开发DLP产品,但是也有必要弄明白DLP基本的原理。俗话说工欲善其事必先利其器,只有在懂这个工具的原理之后才能更加灵活地使用这个工具,即使出现意外情况也能快速排错,越接近底层,越接近真相。根据DLP的实际用途,本文将DLP检测分为2部分,泄露关键字检测和近似重复文档检测。 ... [详细]
  • 毕业设计:基于机器学习与深度学习的垃圾邮件(短信)分类算法实现
    本文详细介绍了如何使用机器学习和深度学习技术对垃圾邮件和短信进行分类。内容涵盖从数据集介绍、预处理、特征提取到模型训练与评估的完整流程,并提供了具体的代码示例和实验结果。 ... [详细]
  • 本文详细介绍如何在VSCode中配置自定义代码片段,使其具备与IDEA相似的代码生成快捷键功能。通过具体的Java和HTML代码片段示例,展示配置步骤及效果。 ... [详细]
  • 实体映射最强工具类:MapStruct真香 ... [详细]
  • 本文探讨了在 Vue 2.0 项目中使用 Axios 获取数据时可能出现的错误,并提供详细的解决方案和最佳实践。 ... [详细]
  • 深入理解Redis的数据结构与对象系统
    本文详细探讨了Redis中的数据结构和对象系统的实现,包括字符串、列表、集合、哈希表和有序集合等五种核心对象类型,以及它们所使用的底层数据结构。通过分析源码和相关文献,帮助读者更好地理解Redis的设计原理。 ... [详细]
  • 本文介绍如何使用 Python 的 xlrd 库读取 Excel 文件,并将其数据处理后存储到数据库中。通过实际案例,详细讲解了文件路径、合并单元格处理等常见问题。 ... [详细]
  • 本文详细探讨了 Django 的 ORM(对象关系映射)机制,重点介绍了其如何通过 Python 元类技术实现数据库表与 Python 类的映射。此外,文章还分析了 Django 中各种字段类型的继承结构及其与数据库数据类型的对应关系。 ... [详细]
  • 本文探讨了如何在日常工作中通过优化效率和深入研究核心技术,将技术和知识转化为实际收益。文章结合个人经验,分享了提高工作效率、掌握高价值技能以及选择合适工作环境的方法,帮助读者更好地实现技术变现。 ... [详细]
  • 在Java中,this是一个引用当前对象的关键字。如何通过this获取并显示其所指向的对象的属性和方法?本文详细解释了this的用法及其背后的原理。 ... [详细]
  • FinOps 与 Serverless 的结合:破解云成本难题
    本文探讨了如何通过 FinOps 实践优化 Serverless 应用的成本管理,提出了首个 Serverless 函数总成本估计模型,并分享了多种有效的成本优化策略。 ... [详细]
author-avatar
夏冰语风
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有