标签：方便 工具 docstring 简单的 语法 too 通过 print 产生
又学了半个小时，对装饰器的理解感觉又上了一个阶段，装饰器真的是一个牛逼的工具，不改变原函数的基础上想如何折腾原函数，就如何折腾原函数。
@装饰器名称,这个语法糖都知道了，其实@后面的变量名是个可调用的参数就可以，函数可以变调用，当然类也可以被调用，callable函数能够测试该对象能否被调用，粗糙的讲后面有()这括号的就算能被调用
我下面下一个简单的装饰器模块，其实装饰器能够装饰所有能被调用的对象，所有后面会有类装饰器的单例，和函数装饰器的单例。
class Demo:
def __init__(self, func):
self.func = func
def __call__(self, *args, **kwargs):
print(‘我进来了‘)
res = self.func(*args, **kwargs)
print(‘执行完毕,我出去了‘)
return res
@Demo
def foo(x, y):
return x + y
print(foo.__dict__)
print(‘_‘ * 80)
print(foo(3, 4))
{‘func‘: <function foo at 0x10db3dc20>}
________________________________________________________________________________
我进来了
执行完毕,我出去了
7
整个简单的类装饰器，能看懂执行，我后面写的就不用看了，其实还是跟前面讲的一样，foo已经变了，foo不在是前面的函数，foo已经是Demo的实例了。
Python就是这么的无耻，既然foo是实例，我们原来的func就是本来的foo就只能通过__init__初始化实例的时候通过属性放在对象身上。
由于普通的对象没有__call__方法，我们后面执行foo(3, 4)的时候，其实是直接用对象调用方法，为了能够让对象直接被调用，
在类里面加入了__call__方法，让实例可以被调用。
单唯一的遗憾是，我这里没地方找到functools的wrap使用，就是无法保证了被装饰的对象的原来属性。
既然是这样，我后面就可以直接写三个单例来练手了，最后来一个带参数的类装饰器，看它是如何将原函数传入实例里面的。（学到后面感觉类只不过就是一个高级版本的闭包函数）
第一种：通过__new__来实现，单例。
前面已经说过了，类的实例过程，首先调用__calll__方法，然后__new__创建对象,最后__init__初始化对象属性，返回给变量。
class Dli:
def __init__(self, x, y):
self.x = x
self.y = y
def __new__(cls, *args, **kwargs):
if not hasattr(cls, ‘_instance‘): # 如果没有这个属性
cls._instance = object.__new__(cls) # 给类一个对象属性，真的好恶心的操作
return cls._instance
d1 = Dli(1, 2)
d2 = Dli(7, 8)
print(d2 is d1)
print(d2.x, d1.x)
7 True 7 7
Python中没有锁定属性的对象，可以里面随便添加属性，Python就是这么没有节操，越学到后面，感觉越没节操，现在开始基础学JAVA，感觉Java规矩太多了。
第二种，通过函数装饰器来做单例
def doo(cls): # 装饰的是个类，就写cls，其实写什么无所谓，就传参用而已
_instance = {}
# @functools.wraps(cls)
def wrap(*args, **kwargs):
if cls not in _instance:
_instance[cls] = cls(*args, **kwargs)
return _instance[cls]
return wrap
@doo
class Demo:
def __init__(self, x, y):
self.x = x
self.y = y
print()
print(Demo)
d1 = Demo(1, 2)
d2 = Demo(7, 8)
print(d2.x, d1.x, d1 is d2)
<function doo.<locals>.wrap at 0x1095f4c20> 1 1 True
通过输出可以看到，用一个函数内部的字典接收实例对象，如果已经存在实例了，后面产生的实例全部参考指向第一个。
functools.wrap还是可以使用的，能够基本保证类的内部一些属性。
第三，写两个类，用一个类装饰另外一个类来产生一个单例。
class Warp:
def __init__(self,cls):
self.cls = cls
def __call__(self, *args, **kwargs):
if not hasattr(Warp, ‘_instance‘):
# 产生实例直接放到类属性,更加方便
Warp._instance = self.cls(*args, **kwargs)
return Warp._instance
@Warp
class Demo:
‘‘‘This is Demo docstring‘‘‘
def __init__(self, x, y):
self.x = x
self.y = y
d3 = Demo(1, 5)
d4 = Demo(6, 9)
print(d3 is d4)
print(d3.x, d4.x)
上下两个类，上面哪个类装饰下面这个类，用自身的类属性来保存及返回实例。
最后说一个带参数的类装饰器如何使用，其实用类的装饰器还是非常强大的，因为可以直接调用对象里面的很多方法。本来还想试一下有没有类的多层装饰器，看后续，有时间就写个玩玩，应该跟函数的差不多。
class NewWarp:
def __init__(self, name, age):
self.name = name
self.age = age
def __call__(self, func):
# 这个在call里面传递func进来，而且竟然可以用@functools.wraps保护原函数属性
@functools.wraps(func)
def warp(*args, **kwargs):
# 由于传入的产生是对象属性，哪里使用都很方便。
print(f‘My name is {self.name}, age is {self.age}‘)
res = func(*args, **kwargs)
return res
return warp
@NewWarp(‘sidian‘, 5)
def foo(x, y):
return x + y
exec(‘print();‘ * 3)
print(foo.__name__)
print(foo(3, 5))
foo My name is sidian, age is 5 8
从上面看出，带参数的装饰器类，传入的func地址要注意，是在__call__的地方传入。
最后我尝试写一个，多类装饰器的模式。
class Demo2:
def __init__(self, func):
print(self.__class__.__name__)
self.func = func
def __call__(self, *args, **kwargs):
print(‘demo2_call我进来了‘)
res = self.func(*args, **kwargs)
print(‘demo2_call执行完毕,我出去了‘)
return res
class Demo1:
def __init__(self, func):
print(self.__class__.__name__)
self.func = func
def __call__(self, *args, **kwargs):
print(‘demo1_call我进来了‘)
res = self.func(*args, **kwargs)
print(‘demo1_call执行完毕,我出去了‘)
return res
@Demo2
@Demo1
def foo(x, y):
return x + y
# print(foo.__name__)
print(foo.__dict__)
print(‘_‘ * 80)
print(foo(3, 4))
Demo1
Demo2
{‘func‘: <__main__.Demo1 object at 0x10e3e53d0>}
________________________________________________________________________________
demo2_call我进来了
demo1_call我进来了
demo1_call执行完毕,我出去了
demo2_call执行完毕,我出去了
7
从输出来看，逻辑跟多层的函数装饰器差不多，首先也是进行方法调用，这里是类，就是先进行初始化
foo = Demo1(foo)
然后传递给Demo2
foo = Demo2(Demo1(foo))
所以执行f00就是先执行Demo2的实例对象，Demo2里面的func就是Demo1（foo）实例，执行Demo1(foo)实例，就是执行foo，然后通过return层层返回出来。
总算写完了，感觉脑细胞死了好多。
标签：方便 工具 docstring 简单的 语法 too 通过 print 产生
原文地址：https://www.cnblogs.com/sidianok/p/11945749.html
