title: 93.Python修饰器的函数式编程 outline: deep

Python的修饰器的英文名叫Decorator，当你看到这个英文名的时候，你可能会把其跟Design Pattern里的Decorator搞混了，其实这是完全不同的两个东西。虽然好像，他们要干的事都很相似——都是想要对一个已有的模块做一些“修饰工作”，所谓修饰工作就是想给现有的模块加上一些小装饰（一些小功能，这些小功能可能好多模块都会用到），但又不让这个小装饰（小功能）侵入到原有的模块中的代码里去。但是OO的Decorator简直就是一场恶梦，不信你就去看看wikipedia上的词条（Decorator Pattern）里的UML图和那些代码，这就是我在《从面向对象的设计模式看软件设计》“餐后甜点”一节中说的，OO鼓励了——“厚重地胶合和复杂层次”，也是《如此理解面向对象编程》中所说的“OO的狂热者们非常害怕处理数据”，Decorator Pattern搞出来的代码简直就是OO的反面教程。

Python 的 Decorator在使用上和Java/C#的Annotation很相似，就是在方法名前面加一个@XXX注解来为这个方法装饰一些东西。但是，Java/C#的Annotation也很让人望而却步，太TMD的复杂了，你要玩它，你需要了解一堆Annotation的类库文档，让人感觉就是在学另外一门语言。

而Python使用了一种相对于Decorator Pattern和Annotation来说非常优雅的方法，这种方法不需要你去掌握什么复杂的OO模型或是Annotation的各种类库规定，完全就是语言层面的玩法：一种函数式编程的技巧。如果你看过本站的《函数式编程》，你一定会为函数式编程的那种“描述你想干什么，而不是描述你要怎么去实现”的编程方式感到畅快。（如果你不了解函数式编程，那在读本文之前，还请你移步去看看《函数式编程》）好了，我们先来点感性认识，看一个Python修饰器的Hello World的代码。

Hello World
Decorator 的本质
带参数及多个Decrorator
class式的 Decorator
用Decorator设置函数的调用参数
Decorator的副作用
一些decorator的示例
其它

Hello World

下面是代码（文件名：hello.py）：

def hello(fn): def wrapper(): print "hello, %s" % fn.__name__ fn() print "goodby, %s" % fn.__name__ return wrapper

@hello def foo(): print "i am foo"

foo()

当你运行代码，你会看到如下输出：

[chenaho@chenhao-air]$ python hello.py hello, foo i am foo goodby, foo

你可以看到如下的东西：

1）函数foo前面有个@hello的“注解”，hello就是我们前面定义的函数hello

2）在hello函数中，其需要一个fn的参数（这就用来做回调的函数）

3）hello函数中返回了一个inner函数wrapper，这个wrapper函数回调了传进来的fn，并在回调前后加了两条语句。

Decorator 的本质

对于Python的这个@注解语法糖- Syntactic Sugar 来说，当你在用某个@decorator来修饰某个函数func时，如下所示:

@decorator def func(): pass

其解释器会解释成下面这样的语句：

func = decorator(func)

尼玛，这不就是把一个函数当参数传到另一个函数中，然后再回调吗？是的，但是，我们需要注意，那里还有一个赋值语句，把decorator这个函数的返回值赋值回了原来的func。根据《函数式编程》中的first class functions中的定义的，你可以把函数当成变量来使用，所以，decorator必需得返回了一个函数出来给func，这就是所谓的higher order function 高阶函数，不然，后面当func()调用的时候就会出错。就我们上面那个hello.py里的例子来说，

@hello def foo(): print "i am foo"

被解释成了：

foo = hello(foo)

**是的，这是一条语句，而且还被执行了。**你如果不信的话，你可以写这样的程序来试试看：

def fuck(fn): print "fuck %s!" % fn.__name__[::-1].upper()

@fuck def wfg(): pass

没了，就上面这段代码，没有调用wfg()的语句，你会发现， fuck函数被调用了，而且还很NB地输出了我们每个人的心声！

再回到我们hello.py的那个例子，我们可以看到，hello(foo)返回了wrapper()函数，所以，foo其实变成了wrapper的一个变量，而后面的foo()执行其实变成了wrapper()。

知道这点本质，当你看到有多个decorator或是带参数的decorator，你也就不会害怕了。

比如：多个decorator

@decorator_one @decorator_two def func(): pass

相当于：

func = decorator_one(decorator_two(func))

比如：带参数的decorator：

@decorator(arg1, arg2) def func(): pass

相当于：

func = decorator(arg1,arg2)(func)

这意味着decorator(arg1, arg2)这个函数需要返回一个“真正的decorator”。

带参数及多个Decrorator

我们来看一个有点意义的例子（文件名：html.py）：

在上面这个例子中，我们可以看到：makeHtmlTag有两个参数。所以，为了让 hello = makeHtmlTag(arg1, arg2)(hello) 成功，makeHtmlTag 必需返回一个decorator（这就是为什么我们在makeHtmlTag中加入了real_decorator()的原因），这样一来，我们就可以进入到 decorator 的逻辑中去了—— decorator得返回一个wrapper，wrapper里回调hello。看似那个makeHtmlTag() 写得层层叠叠，但是，已经了解了本质的我们觉得写得很自然。你看，Python的Decorator就是这么简单，没有什么复杂的东西，你也不需要了解过多的东西，使用起来就是那么自然、体贴、干爽、透气，独有的速效凹道和完美的吸收轨迹，让你再也不用为每个月的那几天感到焦虑和不安，再加上贴心的护翼设计，量多也不用当心。对不起，我调皮了。什么，你觉得上面那个带参数的Decorator的函数嵌套太多了，你受不了。好吧，没事，我们看看下面的方法。

class式的 Decorator

首先，先得说一下，decorator的class方式，还是看个示例：

class myDecorator(object):

def \_\_init\_\_(self, fn):
    print "inside myDecorator.\_\_init\_\_()"
    self.fn = fn

def \_\_call\_\_(self):
    self.fn()
    print "inside myDecorator.\_\_call\_\_()"

@myDecorator def aFunction(): print "inside aFunction()"

print "Finished decorating aFunction()"

aFunction()

输出：

inside myDecorator.init()

Finished decorating aFunction()

inside aFunction()

inside myDecorator.call()

上面这个示例展示了，用类的方式声明一个decorator。我们可以看到这个类中有两个成员：
1）一个是init()，这个方法是在我们给某个函数decorator时被调用，所以，需要有一个fn的参数，也就是被decorator的函数。
2）一个是call()，这个方法是在我们调用被decorator函数时被调用的。
上面输出可以看到整个程序的执行顺序。

这看上去要比“函数式”的方式更易读一些。

下面，我们来看看用类的方式来重写上面的html.py的代码（文件名：html.py）：

class makeHtmlTagClass(object):

def \_\_init\_\_(self, tag, css\_class=""):
    self.\_tag = tag
    self.\_css\_class = " class='{0}'".format(css\_class) \\
                                   if css\_class !="" else ""

def \_\_call\_\_(self, fn):
    def wrapped(\*args, \*\*kwargs):
        return "‹" + self.\_tag + self.\_css\_class+"›"  \\
                   + fn(\*args, \*\*kwargs) + "‹/" + self.\_tag + "›"
    return wrapped

@makeHtmlTagClass(tag="b", css_class="bold_css") @makeHtmlTagClass(tag="i", css_class="italic_css") def hello(name): return "Hello, {}".format(name)

print hello("Hao Chen")

上面这段代码中，我们需要注意这几点：
1）如果decorator有参数的话，init() 成员就不能传入fn了，而fn是在call的时候传入的。
2）这段代码还展示了 wrapped(*args, **kwargs) 这种方式来传递被decorator函数的参数。（其中：args是一个参数列表，kwargs是参数dict，具体的细节，请参考Python的文档或是StackOverflow的这个问题，这里就不展开了）

用Decorator设置函数的调用参数

你有三种方法可以干这个事：

第一种，通过 **kwargs，这种方法decorator会在kwargs中注入参数。

def decorate_A(function): def wrap_function(*args, **kwargs): kwargs['str'] = 'Hello!' return function(*args, **kwargs) return wrap_function

@decorate_A def print_message_A(*args, **kwargs): print(kwargs['str'])

print_message_A()

第二种，约定好参数，直接修改参数

def decorate_B(function): def wrap_function(*args, **kwargs): str = 'Hello!' return function(str, *args, **kwargs) return wrap_function

@decorate_B def print_message_B(str, *args, **kwargs): print(str)

print_message_B()

第三种，通过 *args 注入

def decorate_C(function): def wrap_function(*args, **kwargs): str = 'Hello!' #args.insert(1, str) args = args +(str,) return function(*args, **kwargs) return wrap_function

class Printer: @decorate_C def print_message(self, str, *args, **kwargs): print(str)

p = Printer() p.print_message()

Decorator的副作用

到这里，我相信你应该了解了整个Python的decorator的原理了。

相信你也会发现，被decorator的函数其实已经是另外一个函数了，对于最前面那个hello.py的例子来说，如果你查询一下foo.name的话，你会发现其输出的是“wrapper”，而不是我们期望的“foo”，这会给我们的程序埋一些坑。所以，Python的functool包中提供了一个叫wrap的decorator来消除这样的副作用。下面是我们新版本的 hello.py。

from functools import wraps def hello(fn): @wraps(fn) def wrapper(): print "hello, %s" % fn.__name__ fn() print "goodby, %s" % fn.__name__ return wrapper

@hello def foo(): '''foo help doc''' print "i am foo" pass

foo() print foo.__name__ #输出 foo print foo.__doc__ #输出 foo help doc

当然，即使是你用了functools的wraps，也不能完全消除这样的副作用。

来看下面这个示例：

from inspect import getmembers, getargspec from functools import wraps

def wraps_decorator(f): @wraps(f) def wraps_wrapper(*args, **kwargs): return f(*args, **kwargs) return wraps_wrapper

class SomeClass(object): @wraps_decorator def method(self, x, y): pass

obj = SomeClass() for name, func in getmembers(obj, predicate=inspect.ismethod): print "Member Name: %s" % name print "Func Name: %s" % func.func_name print "Args: %s" % getargspec(func)[0]

输出：

Member Name: method

Func Name: method

Args: []

你会发现，即使是你你用了functools的wraps，你在用getargspec时，参数也不见了。

要修正这一问，我们还得用Python的反射来解决，下面是相关的代码：

def get_true_argspec(method): argspec = inspect.getargspec(method) args = argspec[0] if args and args[0] == 'self': return argspec if hasattr(method, '__func__'): method = method.__func__ if not hasattr(method, 'func_closure') or method.func_closure is None: raise Exception("No closure for method.")

method = method.func\_closure\[0\].cell\_contents
return get\_true\_argspec(method)

当然，我相信大多数人的程序都不会去getargspec。所以，用functools的wraps应该够用了。

一些decorator的示例

好了，现在我们来看一下各种decorator的例子：

给函数调用做缓存

这个例实在是太经典了，整个网上都用这个例子做decorator的经典范例，因为太经典了，所以，我这篇文章也不能免俗。

from functools import wraps def memo(fn): cache = {} miss = object()

@wraps(fn)
def wrapper(\*args):
    result = cache.get(args, miss)
    if result is miss:
        result = fn(\*args)
        cache\[args\] = result
    return result

return wrapper

@memo def fib(n): if n ‹ 2: return n return fib(n - 1) + fib(n - 2)

上面这个例子中，是一个斐波拉契数例的递归算法。我们知道，这个递归是相当没有效率的，因为会重复调用。比如：我们要计算fib(5)，于是其分解成fib(4) + fib(3)，而fib(4)分解成fib(3)+fib(2)，fib(3)又分解成fib(2)+fib(1)…… 你可看到，基本上来说，fib(3), fib(2), fib(1)在整个递归过程中被调用了两次。

而我们用decorator，在调用函数前查询一下缓存，如果没有才调用了，有了就从缓存中返回值。一下子，这个递归从二叉树式的递归成了线性的递归。

Profiler的例子

这个例子没什么高深的，就是实用一些。

import cProfile, pstats, StringIO

def profiler(func): def wrapper(*args, **kwargs): datafn = func.__name__ + ".profile" # Name the data file prof = cProfile.Profile() retval = prof.runcall(func, *args, **kwargs) #prof.dump_stats(datafn) s = StringIO.StringIO() sortby = 'cumulative' ps = pstats.Stats(prof, stream=s).sort_stats(sortby) ps.print_stats() print s.getvalue() return retval

return wrapper

注册回调函数

下面这个示例展示了通过URL的路由来调用相关注册的函数示例：

class MyApp(): def __init__(self): self.func_map = {}

def register(self, name):
    def func\_wrapper(func):
        self.func\_map\[name\] = func
        return func
    return func\_wrapper

def call\_method(self, name=None):
    func = self.func\_map.get(name, None)
    if func is None:
        raise Exception("No function registered against - " + str(name))
    return func()

app = MyApp()

@app.register('/') def main_page_func(): return "This is the main page."

@app.register('/next_page') def next_page_func(): return "This is the next page."

print app.call_method('/') print app.call_method('/next_page')

注意：
1）上面这个示例中，用类的实例来做decorator。
2）decorator类中没有call()，但是wrapper返回了原函数。所以，原函数没有发生任何变化。

给函数打日志

下面这个示例演示了一个logger的decorator，这个decorator输出了函数名，参数，返回值，和运行时间。

from functools import wraps def logger(fn): @wraps(fn) def wrapper(*args, **kwargs): ts = time.time() result = fn(*args, **kwargs) te = time.time() print "function = {0}".format(fn.__name__) print " arguments = {0} {1}".format(args, kwargs) print " return = {0}".format(result) print " time = %.6f sec" % (te-ts) return result return wrapper

@logger def multipy(x, y): return x * y

@logger def sum_num(n): s = 0 for i in xrange(n+1): s += i return s

print multipy(2, 10) print sum_num(100) print sum_num(10000000)

上面那个打日志还是有点粗糙，让我们看一个更好一点的（带log level参数的）：

import inspect def get_line_number(): return inspect.currentframe().f_back.f_back.f_lineno

def logger(loglevel): def log_decorator(fn): @wraps(fn) def wrapper(*args, **kwargs): ts = time.time() result = fn(*args, **kwargs) te = time.time() print "function = " + fn.__name__, print " arguments = {0} {1}".format(args, kwargs) print " return = {0}".format(result) print " time = %.6f sec" % (te-ts) if (loglevel == 'debug'): print " called_from_line : " + str(get_line_number()) return result return wrapper return log_decorator

但是，上面这个带log level参数的有两具不好的地方，
1） loglevel不是debug的时候，还是要计算函数调用的时间。
2）不同level的要写在一起，不易读。

我们再接着改进：

import inspect

def advance_logger(loglevel):

def get\_line\_number():
    return inspect.currentframe().f\_back.f\_back.f\_lineno

def \_basic\_log(fn, result, \*args, \*\*kwargs):
    print "function   = " + fn.\_\_name\_\_,
    print "    arguments = {0} {1}".format(args, kwargs)
    print "    return    = {0}".format(result)

def info\_log\_decorator(fn):
    @wraps(fn)
    def wrapper(\*args, \*\*kwargs):
        result = fn(\*args, \*\*kwargs)
        \_basic\_log(fn, result, args, kwargs)
    return wrapper

def debug\_log\_decorator(fn):
    @wraps(fn)
    def wrapper(\*args, \*\*kwargs):
        ts = time.time()
        result = fn(\*args, \*\*kwargs)
        te = time.time()
        \_basic\_log(fn, result, args, kwargs)
        print "    time      = %.6f sec" % (te-ts)
        print "    called\_from\_line : " + str(get\_line\_number())
    return wrapper

if loglevel is "debug":
    return debug\_log\_decorator
else:
    return info\_log\_decorator

你可以看到两点，
1）我们分了两个log level，一个是info的，一个是debug的，然后我们在外尾根据不同的参数返回不同的decorator。
2）我们把info和debug中的相同的代码抽到了一个叫_basic_log的函数里，DRY原则。

一个MySQL的Decorator

下面这个decorator是我在工作中用到的代码，我简化了一下，把DB连接池的代码去掉了，这样能简单点，方便阅读。

import umysql from functools import wraps

class Configuraion: def __init__(self, env): if env == "Prod": self.host = "coolshell.cn" self.port = 3306 self.db = "coolshell" self.user = "coolshell" self.passwd = "fuckgfw" elif env == "Test": self.host = 'localhost' self.port = 3300 self.user = 'coolshell' self.db = 'coolshell' self.passwd = 'fuckgfw'

def mysql(sql):

\_conf = Configuraion(env="Prod")

def on\_sql\_error(err):
    print err
    sys.exit(-1)

def handle\_sql\_result(rs):
    if rs.rows › 0:
        fieldnames = \[f\[0\] for f in rs.fields\]
        return \[dict(zip(fieldnames, r)) for r in rs.rows\]
    else:
        return \[\]

def decorator(fn):
    @wraps(fn)
    def wrapper(\*args, \*\*kwargs):
        mysqlconn = umysql.Connection()
        mysqlconn.settimeout(5)
        mysqlconn.connect(\_conf.host, \_conf.port, \_conf.user, \\
                          \_conf.passwd, \_conf.db, True, 'utf8')
        try:
            rs = mysqlconn.query(sql, {})
        except umysql.Error as e:
            on\_sql\_error(e)

        data = handle\_sql\_result(rs)
        kwargs\["data"\] = data
        result = fn(\*args, \*\*kwargs)
        mysqlconn.close()
        return result
    return wrapper

return decorator

@mysql(sql = "select * from coolshell" ) def get_coolshell(data): ... ... ... ..

线程异步

下面量个非常简单的异步执行的decorator，注意，异步处理并不简单，下面只是一个示例。

from threading import Thread from functools import wraps

def async(func): @wraps(func) def async_func(*args, **kwargs): func_hl = Thread(target = func, args = args, kwargs = kwargs) func_hl.start() return func_hl

return async\_func

if __name__ == '__main__': from time import sleep

@async
def print\_somedata():
    print 'starting print\_somedata'
    sleep(2)
    print 'print\_somedata: 2 sec passed'
    sleep(2)
    print 'print\_somedata: 2 sec passed'
    sleep(2)
    print 'finished print\_somedata'

def main():
    print\_somedata()
    print 'back in main'
    print\_somedata()
    print 'back in main'

main()

其它

关于更多的示例，你可以参看： Python Decorator Library

关于Python Decroator的各种提案，可以参看：Python Decorator Proposals