【python入门必学之装饰器，（附例子和详细说明）手把手教分分钟学会】
定义
本质就是函数，功能是装饰其他函数，其实就是给其他函数添加附加功能，
原则
1、不能修改被装饰的函数的源代码
2、不能修改被装饰的函数的调用方式
其实就是当你用装饰器函数装饰其他函数的时候，被装饰的函数被装饰之前的调用方式不会有任何区别
实现装饰器的知识储备
1、函数即“变量”
2、高阶函数
3、嵌套函数
高阶函数+嵌套函数===装饰器
关于函数即变量的理解
上图中描述了函数在内存中存放的原理图，其实test函数名就相当于函数在内存中存放的一个地址，也就是图中所说的房间门牌号
高阶函数
什么是高阶函数？
1、把一个函数名当做实参传给另外一个函数
2、返回值中包含函数名
写一个高阶函数的例子：
| 123456789101112 | import time def bar(): time.sleep(3) print("in the bar")def test1(func): start_time = time.time() func() #这里的func()就相当于bar() stop_time = time.time() # 这个打印的时间就是func函数运行的时间，也就是bar函数的运行时间print("the fun runn time is %s" %(stop_time-start_time)) test1(bar) |
上面的代码的例子就是一个高阶函数，满足了把函数名当做实参传给另外一个函数，上述代码中是把bar函数名传递给了test1作为实参，这里就起到了一个装饰的作用，相当于给bar函数增加了一个计算运行时间的功能，但是不能称为装饰器。因为上述我们的原则中说了，装饰器不能修改被装饰器函数的调用方式，我们这里的bar函数调用方式变了，变成了test1(bar),而不是bar(),并且我们的高阶函数还有一个条件没有满足，就是“返回值中包含函数名”
我们接着再写一个高阶函数的例子：
| 12345678910 | import timedef bar(): time.sleep(3) print("in the bar")deftest2(func): print(func) return func bar = test2(bar)bar() |
关于上述代码的一个分析：
当执行test2(bar)的时候，最后返回的其实就是bar函数内存地址，也就是我们所说的门牌号，所以当我们再次给他赋值给bar的时候，执行bar()就会执行bar函数
嵌套函数
嵌套函数就是在一个函数体内容再用def 定义一个函数，例子如下：
| 1234567 | def foo(): print("in the foo") def bar(): print("int the bar")bar() foo() |
上述讲完了关于装饰器的知识储备：
函数即变量
高阶函数
嵌套函数
正式开始理解装饰器
高阶函数+嵌套函数===装饰器
我们写一个例子：
| 123456789101112131415 | import timedef timer(func): def deco():start_time = time.time() func() #这个时候的func()就是test1() stop_time = time.time() print("the func run time is %s" %(stop_time-start_time))return deco def test1(): time.sleep(3) print("in the test1") test1 = timer(test1)test1() |
上述代码就是一个简单的装饰器，
通过下面图解对装饰器工作的原理的一个理解：
但是上面代码中的使用装饰器的方法并不是最好的，因为我们是执行了test1=timer(test1)然后执行test1()，其实python中给我们提供了一种方法，即要装饰的函数上面添加@timer,执行@timer其实就是还行test1 = timer(test1)
,并且我们的这种方式，还存在一个问题，就是当被装饰的函数有参数需要传递的时候，就不能用了，所以我们修改后的代码为：
| 1234567891011121314151617181920 | import timedef timer(func): defdeco(*args,**kwargs): start_time =time.time() func(*args,**kwargs) #这个时候的func()就是test1() stop_time =time.time() print("the func run time is %s" %(stop_time-start_time)) returndeco @timer #就相当于test1 = timer(teest1)def test1():time.sleep(3) print("in the test1")@timerdef test2(name):time.sleep(2) print("in the test2 %s"%name) test1()test2("zhaofan") |
但是上面这种代码还不是最完整的，有一种情况上述的代码无法使用，就是在做用户认证的时候，如果有多个系统，需要不同的认证方式，注意：上述代码还有一个小问题就是如果被装饰的函数存在return返回值得时候，也是无法显示返回的数据，即代码应该为：
| 1234567891011121314151617181920212223242526 | import timeuser,pwd = "zhaofan","123"defauth(auth_type): defouter_wapper(func): defwrapper(*args,**kwargs): print("认证方式为：[31;1m%s[0m" %auth_type)username = input("输入用户名：").strip()password = input("输入密码：").strip()if user == username and pwd == password:print("[32;1m 认证成功[0m")res=func(*args,**kwargs) return reselse: exit("[31;1m 认证失败[0m")return wrapper returnouter_wapper@auth(auth_type="local")defbbs(): print("welcome to bbs page")@auth(auth_type="ldap")defblog(name): print("welcome to blog page") print(name) returnnamebbs()blog("zhaofan") |
通过图解理解上面的代码：
所以整个程序执行的过程如下：
@auth(auth_type=”local”)—–>auth(auth_type=”local”) —–>因为auth(auth_type=”local”)就相当执行auth函数，所以执行结果为outer_wapper,即转换为
@outer_wapper—–>@outer_wapper相当于bbs=outer_wapper(bbs)—–>执行outer_wapper(bbs)的结果为wapper，所以bbs=wapper,也就是说bbs这个时候相当于wapper函数名的内存地址—–>当执行bbs() 就相当于执行了wrapper()
在看闭包问题之前先来看看关于python中作用域的问题
变量作用域

对于上述代码中出现错误，肯定没什么疑问了，毕竟b并没有定义和赋值，当我们把代码更改如下后：

再看一个例子：

首先这个错误已经非常明显：说在赋值之前引用了局部变量b
可能很多人觉得会打印10然后打印6，其实这里就是涉及到变量作用域的问题
当Python编译函数的的定义体的时候，它判断b是局部变量，毕竟在函数中有b = 9表示给b赋值了，所以python会从本地环境获取b，当我们调用方法执行的时候，定义体会获取并打印变量a的值，但是当尝试获取b的值的时候发现b没有绑定值，所以要想让上述代码运行还可以把b设置为全局变量，或者把b赋值放到调用之前


函数对象的作用域
python中一切皆对象，同其他对象一样,函数对象也有其使用的范围即函数对象的作用域。
在python中我们通过def定义函数，函数对象的作用域与def所在的层级相同，
通过下面代码进行理解：
|
1 |
def func1(): def func2(x): return 2*x print(func2(5))func1()print(func2(5)) |
这个例子中我们在def func1函数内可以调用fun2,但是我们在外面是无法调用到func2的，所以结果为看到如下：

闭包
关于闭包主要有下面两种说法：
- 闭包是符合一定条件的函数，定义为：闭包是在其词法上下文中引用了自由变量的函数
- 闭包是由函数与其相关的引用环境组合而成的实体。定义为：在实现绑定时，需要创建一个能显示表示引用环境的东西，并将它与相关的子程序捆绑在一起，这样捆绑起来的整体称为闭包
个人觉得第二种说法更准确，闭包只是在形式上表现像函数，实际不是函数。
我们对函数的定义是：一些可执行的代码，这些代码在函数定义后就确定了，不会在执行时发生变化，所以一个函数只有一个实例。
闭包在运行的时候可以有多个实例，不同的引用环境和相同的环境组合可以产生不同的实例。
这里有一个词：引用环境，其实引用环境就是在执行运行的某个时间点，所有处于活跃状态的变量所组成的集合，这里的变量是指变量的名字和其所代表的对象之间的联系。
可以使用闭包语言的特点：
- 函数可以作为另外一个函数的返回值或者参数，还可以作为一个变量的值。
- 函数可以嵌套使用
而认为闭包是函数的有一句话是：
闭包是指延伸了作用域的函数，其中包含函数定义体中引用。但是不在定义体中定义的非全局变量。
上面这种说法个人觉得也是一种理解方式
相信看了这些概念也还是不好理解，还是通过下面例子更好理解：
先实现一种计算平均值的方法：

从结果我们可以看出这里保存了每次的历史值
换一种方法实现：

实现了第一种相同的效果，对这种方法分析：
通常我们会认为我们调用avg(10)的时候make_averager函数已经返回了，而它的本地作用域也一去不复返，但这里其实series是自由变量，是指未在本地作用域绑定的变量
我们可以通过print(dir(avg)),看到如下结果：

其实这里面保存着均布变量和自由变量的名称，我们可以通过下面方法查看：

series的绑定在返回的avg函数的__closure__属性中这或许就是有的人会认为闭包一种函数。闭包会保留定义函数时存在的自由变量的绑定，这样调用函数时虽然定义作用域不能用了，但是仍能使用那些绑定
关于nonlocal
刚开始了解闭包之后，如果尝试使用这种编程方式容易出现以下错误使用例子：
|
1 |
def make_averager(): count = 0 total = 0 def averager(new_value): count += 1 total += new_value return total / count return averager |
先来看一下错误提示：

这个例子中和我们上面使用的不同之处是：这里的count和total是数字，是不可变类型，而之前的例子中series是一个列表是可变类型
所以这里重新回到了最开始说的作用域问题了，当我们在averager中使用
count += 1的时候其实就是count = count + 1,这样就是在averager函数定义体中对count进行赋值，count就变成了局部变量。
问题小结：当时数字，字符串，元组等不可变类型时，只能读取不能更新，如果使用类似count += 1就会隐式的把count变成局部变量，所以开始例子中使用series，我们后面的操作是append并且列表还是可变对象
不过python3引入了一个新的关键词nonlocal，通过它把变量标记为自由变量，这样我们把上面这个错误的例子简单更改：
|
1 |
def make_averager(): count = 0 total = 0 def averager(new_value): nonlocal count,total count += 1 total += new_value return total / count return averager |
到这里装饰器的前奏就说完了，下面就是装饰器，我个人觉得装饰器只是闭包的一种应用，闭包在很多情况下都是一种非常好的变成技巧。
以上是全部代码，只是善于分享，不足之处请包涵！爬虫基本的原理就是，获取源码，进而获取网页内容。一般来说，只要你给一个入口，通过分析，可以找到无限个其他相关的你需要的资源，进而进行爬取。
苏公网安备 32021402001397号