推薦幾個很出色的的Python裝飾器

Python 裝飾器功能強大，靈活運用能為我們減少很多麻煩。

任務超時退出

我們日常在使用的各種網絡請求庫時都帶有 timeout 參數，例如：request 庫

這個參數可以使請求超時就不再繼續(xù)了，直接拋出超時錯誤，避免等太久

如果我們自己開發(fā)的方法也希望增加這個功能，該如何做呢？

方法很多，但最簡單直接的是使用并發(fā)庫 futures，為了使用方便，我將其封裝成了一個裝飾器，代碼如下：

import functools
from concurrent import futures

executor = futures.ThreadPoolExecutor(1)

def timeout(seconds):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            future = executor.submit(func, *args, **kw)
            return future.result(timeout=seconds)
        return wrapper
    return decorator

定義了以上函數，我們就有了一個超時結束的裝飾器，下面可以測試一下：

import time

@timeout(1)
def task(a, b):
    time.sleep(1.2)
    return a+b

task(2, 3)

結果：

---------------------------------------------------------------------------
TimeoutError                              Traceback (most recent call last)
...
D:\Anaconda3\lib\concurrent\futures\_base.py in result(self, timeout)
    432                 return self.__get_result()
    433             else:
--> 434                 raise TimeoutError()
    435 
    436     def exception(self, timeout=None):

TimeoutError:

上面我們通過裝飾器定義了函數的超時時間為 1 秒，通過睡眠模擬函數執(zhí)行超過 1 秒時，成功的拋出了超時異常

程序能夠在超時時間內完成時：

@timeout(1)
def task(a, b):
    time.sleep(0.9)
    return a+b

task(2, 3)

結果：

5

可以看到，順利的得到了結果

這樣我們就可以通過一個裝飾器給任何函數增加超時時間，這個函數在規(guī)定時間內還處理不完就可以直接結束任務

前面我將這個裝飾器將所需的變量定義到了外部，其實我們還可以通過類裝飾器進一步封裝，代碼如下：

import functools
from concurrent import futures

class timeout:
    __executor = futures.ThreadPoolExecutor(1)

    def __init__(self, seconds):
        self.seconds = seconds

    def __call__(self, func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            future = timeout.__executor.submit(func, *args, **kw)
            return future.result(timeout=self.seconds)
        return wrapper

經測試使用類裝飾器能得到同樣的效果。

注意：使用 @functools.wraps 的目的是因為被裝飾的 func 函數元信息會被替換為 wrapper 函數的元信息，而 @functools.wraps(func) 將 wrapper 函數的元信息替換為 func 函數的元信息。最終雖然返回的是 wrapper 函數，元信息卻依然是原有的 func 函數在函數式編程中，函數的返回值是函數對象被稱為閉包

日志記錄

如果我們需要記錄部分函數的執(zhí)行時間，函數執(zhí)行前后打印一些日志，裝飾器是一種很方便的選擇

代碼如下：

import time
import functools
 
def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        res = func(*args, **kwargs)
        end = time.perf_counter()
        print(f'函數 {func.__name__} 耗時 {(end - start) * 1000} ms')
        return res
    return wrapper

裝飾器 log 記錄某個函數的運行時間，并返回其執(zhí)行結果

測試一下：

@log
def now():
    print('2021-7-1')
    
now()

結果：

2021-7-1
函數 now 耗時 0.09933599994838005 ms

緩存

如果經常調用一個函數，而且參數經常會產生重復，如果把結果緩存起來，下次調用同樣參數時就會節(jié)省處理時間

定義函數：

import math
import random
import time


def task(x):
    time.sleep(0.01)
    return round(math.log(x**3 / 15), 4)

執(zhí)行：

%%time
for i in range(500):
    task(random.randrange(5, 10))

結果：

Wall time: 5.01 s

此時如果我們使用緩存的效果就會大不一樣，實現緩存的裝飾器有很多，我就不重復造輪子了，這里使用 functools 包下的 LRU 緩存：

from functools import lru_cache

@lru_cache()
def task(x):
    time.sleep(0.01)
    return round(math.log(x**3 / 15), 4)

執(zhí)行：

%%time
for i in range(500):
    task(random.randrange(5, 10))

結果：

Wall time: 50 ms

約束某個函數的可執(zhí)行次數

如果我們希望程序中的某個函數在整個程序的生命周期中只執(zhí)行一次或 N 次，可以寫一個這樣的裝飾器：

import functools


class allow_count:
    def __init__(self, count):
        self.count = count
        self.i = 0

    def __call__(self, func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            if self.i >= self.count:
                return
            self.i += 1
            return func(*args, **kw)
        return wrapper

測試：

@allow_count(3)
def job(x):
    x += 1
    return x


for i in range(5):
    print(job(i))

結果：

1
2
3
None
None

轉載自：菜鳥學Python

以上就是小編為您整理的 推薦幾個很出色的的Python裝飾器 的全部內容。