你写过哪些真正生产可用的 Python 装饰器？第1页

huo-hua-de-41 网友的相关建议:

分享一个炼丹的模块注册装饰器。这个装饰器的作用在于，可以使用外部config，快速切换代码中需要用到的模块，非常适合快速实验或者并行实验。

首先的基本的类。

       class PluginManager:     """Plugin manager"""      def __init__(self):         self.plugin_container: Dict[str:Dict[str:object]] = {}      def register(self, plugin_type: str, plugin_name: str, plugin_cls):         if plugin_type not in self.plugin_container:             self.plugin_container[plugin_type] = {}          self.plugin_container[plugin_type][plugin_name] = plugin_cls      def get(self, plugin_type: str, plugin_name: str):         if plugin_type in self.plugin_container and plugin_name in self.plugin_container[plugin_type]:             return self.plugin_container[plugin_type][plugin_name]         else:             return None

然后封装两个函数，其中register_plugin便是装饰器。

       DefaultPluginManager = PluginManager()  def register_plugin(plugin_type: str, plugin_name: str):     def decorator(cls):         DefaultPluginManager.register(plugin_type, plugin_name, cls)         return cls      return decorator  def get_plugin(plugin_type: str, plugin_name: str):     return DefaultPluginManager.get(plugin_type, plugin_name)

写好一个模块，通过装饰器，把它注册一下。例如下面的BCELoss

       import plugin  @plugin.register_plugin("model_loss", 'BCELoss') class BCELoss:      @classmethod     def build(cls, cfg):         return nn.BCEWithLogitsLoss(reduction='sum')

使用的时候，从注册表里取出来即可

       loss = plugin.get_plugin("model_loss", "BCELoss")

zhang-san-5-26-12 网友的相关建议:

也欢迎关注我的知乎账号 @石溪，将持续发布机器学习数学基础及Python数据分析编程应用等方面的精彩内容。

装饰器是python里的一个非常有意思的部分，他用于封装函数代码，显式的将封装器应用到被封装的函数上，从而使得他们选择加入到装饰器指定的功能中。对于在函数运行前处理常见前置条件（例如确认授权），或在函数运行后确保清理（输出清除或异常处理），装饰器都非常有用。

是不是感觉听不明白，太绕了！

简单来说，装饰器就是实现了一个通用的功能，然后将这个通用的功能应用到不同的、需要使用这个功能的函数上，从而避免每次都在不同函数上反复写相同的功能代码。

装饰器的本质是一个函数，他接受被装饰的函数作为位置参数，装饰器通过使用该参数来执行某些操作，然后返回一个函数引用，这个函数可以是原始函数，或者是另外一个函数。

我们举例子说明，装饰器是这样的函数，他们接受被装饰的可调用函数作为唯一的参数，并且返回一个可调用函数，

       registry = [] def register(decorated):     registry.append(decorated)     return decorated  def foo():     return 3  foo = register(foo) print(registry[0])  <function foo at 0x00000000025D51E0>

register方法是一个简单的装饰器，它把被装饰的函数添加到一个列表中，然后这里是将未改变的被装饰函数返回，可以看出，装饰器一般是传入被装饰函数的引用，然后经过一些指定的处理，最后返回值也是一个函数引用。

还有一种更简单的语法形式：

装饰器的语法糖：我们这里看到的对foo进行装饰的方法是运用

foo = register(foo)语句，还有一种简单的用法是在声明函数的位置应用装饰器，从而使得代码更容易阅读，并且让人立刻意识到使用了装饰器

       registry = [] def register(decorated):     registry.append(decorated)     return decorated  @register def foo(x=3):     return x  @register def bar(x=5):     return 5  for func in registry:     print(func())  3 5

再看一个更复杂、更一般化的装饰器函数。装饰器的本质是在执行原有函数（被装饰的函数）的同时，再加上一些额外的功能。

       def requires_ints(decorated):     def inner(*args, **kwargs):         kwarg_values = [i for i in kwargs.values()]         for arg in list(args) + kwarg_values:             if not isinstance(arg, int):                 raise TypeError('{} only accepts integers as arguments'.format(decorated.__name__))         return decorated(*args, **kwargs)     return inner

在这个装饰器函数requires_ints我们可以看到，他定义了一个内嵌函数inner，这个内嵌函数的参数首先收集被装饰函数的所有参数，然后对其进行判断，判断其是否为整数类型（这就是装饰器添加的额外功能），然后再调用被装饰的函数本身，最后将这个内嵌函数返回。因此当我们再用原函数名进行调用的时候，原来的被装饰函数的引用就能指向这个新的内嵌函数，就能在实现原函数功能的基础上，加上附加的功能了。

同时，我们再提炼一下这里面的几个重难点：

第一，requires_ints中，decorated这个变量是内嵌作用域的变量，在他调用退出后，返回的inner函数是可以记住这个变量的。

第二，python不支持函数的参数列表的多态，即一个函数名只能对应唯一的参数列表形式。

第三，在内嵌函数内部调用被装饰函数的时候，使用了解包参数，关于这*args, **kwargs，的参数形式，前面章节中细讲过。

那我们也用这个装饰器来装饰一个函数。

       @requires_ints def foo(x,y):     print(x+y)  foo(3,5)  8

这里将名称foo赋给inner函数，而不是赋给原来被定义的函数，如果运行foo（3,5），将利用传入的这两个参数运行inner函数，inner函数执行类型检查，然后运行被装饰方法，如果传入的不是整形数，例如下面这个例子，那么装饰器的附加功能就会进行类型检查：

       @requires_ints def foo(x,y):     print(x+y)  foo('a',5)  Traceback (most recent call last):   File "E:/12homework/12homework.py", line 15, in <module>     foo('a',5)   File "E:/12homework/12homework.py", line 7, in inner raise TypeError('{} only accepts integers as arguments'.format(decorated.__name__)) TypeError: foo only accepts integers as arguments

其次内嵌的函数和被装饰的函数的参数形式必须完全一样，这里用的*args, **kwargs概况函数参数的一般形式，因此也是完全对应的。

最后说说装饰器参数

最后来介绍这个复杂一些的话题，装饰器参数。之前我们列举的常规例子里，装饰器只有一个参数，就是被装饰的方法。但是，有时让装饰器自身带有一些需要的信息，从而使装饰器可以用恰当的方式装饰方法十分有用。

这些参数并不是和被装饰的函数并列作为参数签名，而是在原有装饰器的基础上额外再增加一层封装，那么，实质是这个接受其他参数的装饰器并不是一个实际的装饰器，而是一个返回装饰器的函数。

最终返回的内嵌函数inner是最终使用indent和sort_keys参数的函数，这没有问题

       import json  def json_output(indent=None, sort_keys=False):     def actual_decorator(decorated):         def inner(*args, **kwargs):             result = decorated(*args, **kwargs)             return json.dumps(result, indent=indent, sort_keys=sort_keys)         return inner     return actual_decorator  @json_output(indent=8) def do_nothing():     return {'status':'done','func':'yes'}  print(do_nothing())  {         "status": "done",         "func": "yes" }

我们在这里详细解释说明的是操作顺序，看上去我们使用的是@json_output(indent=8)，作这和之前的装饰器语法糖看上去有些不同，实际上这个不是最终的装饰器函数，通过调用json_output(indent=8)，返回函数指针actual_decorator，这个函数才是真正放在@后的装饰器函数，原始的被装饰函数最终获得了内涵更丰富的inner函数对象，完成了装饰过程，值得一提的是，所谓的装饰器参数最终传给了最内层的inner函数。

记住，在定义装饰器函数后，真正的装饰器函数只有一个参数，那就是被装饰的函数指针，而有其他参数的函数实质上只是装饰器的外围函数，他可以依据参数对装饰器进行进一步的定制。一句话：一个函数不可能接受被装饰的方法，又接受其他参数

在语法糖中@func这种不带括号的，就是直接使用装饰器函数进行装饰，如果是@func()带括号的，实质上是先调用func()函数返回真正的装饰器，然后再用@进行调用。

关于Python编程和数据分析更全面的内容，欢迎关注我在CSDN上的专栏《python数据分析编程基础》。

当然还有《机器学习中的数学-全集》系列专栏，欢迎大家阅读，配合食用，效果更佳~

有订阅的问题可咨询微信：zhangyumeng0422

你写过哪些真正生产可用的 Python 装饰器？的其他答案点击这里

你写过哪些真正生产可用的 Python 装饰器？第1页

相关话题

前一个讨论

下一个讨论

相关的话题

你写过哪些真正生产可用的 Python 装饰器？ 第1页

相关话题

前一个讨论

下一个讨论

相关的话题

你写过哪些真正生产可用的 Python 装饰器？第1页