使代码减半的5个Python装饰器

大家好，到目前为止，Python编程语言由于其语法简单，在机器学习和网络开发等各个领域的应用功能强大。除非绝对必要，装饰器一般很少出现在视野中，比如使用@staticmethod装饰器来表示类中的静态方法。装饰器能提供的大量强大的功能，同时它们可以提升代码的整洁度和可读性。本文将探讨Python包装器的概念，并介绍可以改善Python开发过程的五个示例。

Python包装器

Python包装器是添加到另一个函数中的函数，它可以在不直接更改源代码的情况下添加额外的功能或修改其行为。它们通常以装饰器的形式实现，装饰器是一种特殊的函数，它将另一个函数作为输入，并对其功能进行一些更改。

包装器函数在各种情况下都很有用：

• 功能扩展：通过使用包装器封装函数，可以添加日志记录、性能测量或缓存等功能。

• 代码重用性：可以将一个包装器函数甚至一个类应用于多个实体，这样就可以避免代码重复，并确保不同组件的行为保持一致。

• 行为修改：可以拦截输入参数，例如，验证输入变量，而无需使用许多assert行。

五个相关示例

1 - 计时器

该包装器函数用于测量函数的执行时间，并打印已用时间，它对于剖析和优化代码非常有用。

import timedef timer(func):def wrapper(*args, **kwargs):# 启动计时器start_time = time.time()# 调用装饰函数result = func(*args, **kwargs)# 重新测量时间end_time = time.time()# 计算所耗时间并打印出来execution_time = end_time - start_timeprint(f"Execution time: {execution_time} seconds")# 返回装饰函数的执行结果return result# 返回包装函数的引用return wrapper

要在Python中创建装饰器，需要定义一个名为timer的函数，它需要一个名为func的参数来表示它是一个装饰器函数。在timer函数中，本文定义了另一个名为wrapper的函数，它接收通常传递给要装饰的函数的参数。

在wrapper函数中，使用提供的参数调用所需的函数。可以使用以下代码完成此操作：result = func(*args, **kwargs)。最后，wrapper函数返回装饰函数的执行结果。装饰器函数应返回对刚刚创建的包装函数的引用。要使用装饰器，可以使用@符号将其应用于所需的函数。

@timer
def train_model():print("Starting the model training function...")# 暂停程序5秒钟，模拟函数执行过程time.sleep(5) print("Model training completed!")train_model() 

输出：

Starting the model training function…

Model Training completed!

Execution time: 5.006425619125366 seconds

2 - 调试器

还可以创建一个有用的包装函数，通过打印每个函数的输入和输出来方便调试。通过这种方法，可以深入了解各种函数的执行流程，而不必在应用程序中使用大量打印语句。

def debug(func):def wrapper(*args, **kwargs):# 打印函数名和参数print(f"Calling {func.__name__} with args: {args} kwargs: {kwargs}")# 调用函数result = func(*args, **kwargs)# 打印结果print(f"{func.__name__} returned: {result}")return resultreturn wrapper

可以使用__name__参数获取被调用函数的名称，然后使用args和kwargsparameters打印传递给函数的内容。

@debug
def add_numbers(x, y):return x + y
add_numbers(7, y=5,)  # 输出：Calling add_numbers with args: (7) kwargs: {'y': 5} \n add_numbers return

3 - 异常处理器

异常处理器包装函数（exception_handler）将捕捉divide函数中出现的任何异常，并进行相应处理。

可以根据用户的要求定制封装函数中的异常处理方法，例如记录异常或执行额外的错误处理步骤。

def exception_handler(func):def wrapper(*args, **kwargs):try:return func(*args, **kwargs)except Exception as e:# 处理异常print(f"An exception occurred: {str(e)}")# 可选择执行额外的错误处理或日志记录# 必要时重设异常return wrapper

这对于简化代码，建立统一的异常处理和错误记录程序非常有用。

@exception_handler
def divide(x, y):result = x / yreturn result
divide(10, 0)  # 输出：An exception occurred: division by zero

4 - 输入验证器

该封装函数根据指定条件或数据类型验证函数的输入参数，它可用于确保输入数据的正确性和一致性。

另一种方法是在验证输入数据的函数中创建无数的assert语句。

要在装饰器中添加验证功能，需要将装饰器函数包装在另一个函数中，该函数接受一个或多个验证函数作为参数，这些验证函数负责检查输入值是否符合某些标准或条件。

现在，validate_input函数本身就是一个装饰器，在wrapper函数中，输入和关键字参数将根据所提供的验证函数进行检查。如果有任何参数未通过验证，就会引发一个ValueError，并在提示信息中说明该参数无效。

def validate_input(*validations):def decorator(func):def wrapper(*args, **kwargs):for i, val in enumerate(args):if i < len(validations):if not validations[i](val):raise ValueError(f"Invalid argument: {val}")for key, val in kwargs.items():if key in validations[len(args):]:if not validations[len(args):][key](val):raise ValueError(f"Invalid argument: {key}={val}")return func(*args, **kwargs)return wrapperreturn decorator

要调用经过验证的输入，需要定义验证函数。例如，可以使用两个验证函数。第一个函数（lambda x: x > 0）检查参数x是否大于0，第二个函数（lambda y: isinstance(y,str)）检查参数y是否为字符串类型。

重要的是要确保验证函数的顺序与它们要验证的参数的顺序一致。

@validate_input(lambda x: x > 0, lambda y: isinstance(y, str))
def divide_and_print(x, message):print(message)return 1 / xdivide_and_print(5, "Hello!")  # 输出：Hello! 1.0

5 - 重试

该包装函数会重试执行指定次数的函数，重试之间会有延迟。在处理偶尔会因临时问题而失败的网络或API调用时，它非常有用。

为了实现这一点，可以为装饰器定义另一个封装函数，与之前的示例类似。不过，这一次不再将验证函数作为输入变量，而是传递特定参数，如max_attemps和变量delay。

当调用装饰函数时，该wrapper函数将会被调用，它会记录尝试的次数（从0开始），并进入while循环。循环会尝试执行装饰函数，如果成功，会立即返回结果。但是如果出现异常，则会递增尝试计数器，并打印错误信息，说明尝试次数和出现的具体异常。然后，它会使用time.sleep等待指定的延迟时间，然后再次尝试执行函数。

import timedef retry(max_attempts, delay=1):def decorator(func):def wrapper(*args, **kwargs):attempts = 0while attempts < max_attempts:try:return func(*args, **kwargs)except Exception as e:attempts += 1print(f"Attempt {attempts} failed: {e}")time.sleep(delay)print(f"Function failed after {max_attempts} attempts")return wrapperreturn decorator

为了调用函数，可以指定最大尝试次数和每次调用函数之间的持续时间（以秒为单位）。

@retry(max_attempts=3, delay=2)
def fetch_data(url):print("Fetching the data..")# 引发超时错误，模拟服务器不响应。raise TimeoutError("Server is not responding.")
fetch_data("https://example.com/data")  # 重试3次，每次重试之间有2秒钟的延迟

结论

Python包装器是可以提升Python编程体验的强大工具。通过使用包装器，可以简化复杂的任务，提高代码的可读性，并提高工作效率。本文探讨了Python包装器的五个示例：

• 计时器包装器

• 调试器包装器

• 异常处理器包装器

• 输入验证器包装器

• 函数重试包装器

将这些包装器融入到项目中，将帮助编写出更简洁、更高效的Python代码，并将编程技巧提升到一个新的水平。