当前位置：首页 > 资讯 > 技术文档

分析Python中设计模式之Decorator装饰器模式的要点

时间：2021-02-28 09:01 编辑：来源：阅读：
扫一扫，手机访问

摘要：分析Python中设计模式之Decorator装饰器模式的要点

先给出一个四人团对Decorator mode的定义：动态地给一个对象添加一些额外的职责。再来说说这个模式的好处：认证，权限检查，记日志，检查参数，加锁，等等等等，这些功能和系统业务无关，但又是系统所必须的，说的更明白一点，就是面向方面的编程（AOP）。在Python中Decorator mode可以按照像其它编程语言如C++, Java等的样子来实现，但是Python在应用装饰概念方面的能力上远不止于此，Python提供了一个语法和一个编程特性来加强这方面的功能。Python提供的语法就是装饰器语法(decorator)，如下：

@aoo
def foo(): pass
def aoo(fn):
  return fn

装饰模式强调动态地给对象添加额外的功能。 Python内置了很多对装饰器的支持，因此在Python中使用装饰模式是非常容易的，下面是一个典型的例子，给函数增加日志功能：

import functools
def log_wrapper(fun):
 @functools.wraps(fun)
 def wrapper(*args, **kwargs):
  print '在函数执行前加日志'
  ret = fun(*args, **kwargs)
  print '在函数执行后家日志'
  return ret
 return wrapper


@log_wrapper
def test():
 print 'Hello, 世界'

functools.wraps是Python标准库提供的一个特殊的装饰器，用来解决装饰器带来的一些常规问题，如函数名称、doc等的不一致问题。@是Python针对装饰器提供的一个语法糖，上面的@log_wrapper相当于wrap_test = log_rapper(test)，用@后，这个步骤由解释器代劳了。装饰器是Python编程必须掌握的一项技能，在编码过程中经常会用到。这里只是一个普通的内嵌函数

def foo(x):
  y = x
  def foo1 ():
    a = 1
    return a
  return foo1

而下面boo则是一个闭包

def aoo(a, b):
  c = a
  def boo (x):
    x = b + 1
    return x
  return boo

boo的特殊性在于引用了外部变量b，当aoo返回后，只要返回值（boo）一直存在，则对b的引用就会一直存在。上面的知识可能需要花些时间消化，如果你觉得已经掌握了这些知识，下面就回归正题，看看这些语言特性是怎样来实现Python中装饰的概念的。还是让我们先看一个简单的例子，然后逐步深入。这个例子就是加锁，怎样实现加锁的功能？具体需求是这样的：我有一个对象，实现了某些功能并提供了一些接口供其它模块调用，这个对象是运行在并发的环境中的，因此我需要对接口的调用进行同步，第一版的代码如下：

class Foo(object):
  def __init__(self, …):
    self.lock = threading.Lock()
  def interface1(self, …):
    self.lock.acquire()
    try:
     do something
    finally:
     self.lock.release()
  def interface2(self, …):
    same as interface1()
  …

这版代码的问题很明显，那就是每个接口函数都有相同的加锁/解锁代码，重复的代码带来的是更多的键入，更多的阅读，更多的维护，以及更多的修改，最主要的是，程序员本应集中在业务上的的精力被分散了，而且请注意，真正的业务代码在距离函数定义2次缩进处开始，即使你的显示器是宽屏，这也会带来一些阅读上的困难。你直觉的认为，可以把这些代码收进一个函数中，以达到复用的目的，但是请注意，这些代码不是一个完整同一的代码块，而是在中间嵌入了业务代码。现在我们用装饰器语法来改进这部分代码，得到第2版代码：

def sync(func):
 def wrapper(*args, **kv):
   self = args[0]
   self.lock.acquire()
   try:
    return func(*args, **kv)
   finally:
    self.lock.release()
 return wrapper
class Foo(object):
  def __init__(self, …):
    self.lock = threading.Lock()
  @sync
  def interface1(self, …):
    do something
  @sync
  def interface2(self, …):
    do something
  …

一个装饰器函数的第一个参数是所要装饰的那个函数对象，而且装饰器函数必须返回一个函数对象。如sync函数，当其装饰interface1时，参数func的值就是interface1，返回值是wrapper，但类Foo实例的interface1被调用时，实际调用的是wrapper函数，在wrapper函数体中间接调用实际的interface1；当interface2被调用时，也调用的是wrapper函数，不过由于在装饰时func已经变成interface2，所以会间接地调用到实际的interface2函数。使用装饰器语法的好处：代码量大大的减少了，更少的代码意味着更少的维护，更少的阅读，更少的键入，好处不一而足（可复用，可维护）用户基本上将绝大部分精力放在了业务代码上，而且少了加减锁的代码，可读性也提高了缺点：业务对象Foo中有一个非业务数据成员lock，很碍眼；相当程度的耦合，wrapper的第一个参数必须是对象本身，而且被装饰的对象中必须有一个lock对象存在，这给客户对象添加了限制，使用起来不是很舒服。我们可以更进一步想一想： lock对象必须要放在Foo中吗？为每个接口函数都键入@sync还是很烦人的重复性人工工作，如果漏添加一个，还是会造成莫名其妙的运行时错误，为什么不集中处理呢？为了解决上述的缺点，第3版代码如下：

class DecorateClass(object):
 def decorate(self):
  for name, fn in self.iter():
   if not self.filter(name, fn):
    continue
   self.operate(name, fn)
class LockerDecorator(DecorateClass):
 def __init__(self, obj, lock = threading.RLock()):
  self.obj = obj
  self.lock = lock
 def iter(self):
  return [(name, getattr(self.obj, name)) for name in dir(self.obj)]
 def filter(self, name, fn):
  if not name.startswith('_') and callable(fn):
    return True
  else:
    return False
 def operate(self, name, fn):
  def locker(*args, **kv):
   self.lock.acquire()
   try:
    return fn(*args, **kv)
   finally:
    self.lock.release()
  setattr(self.obj, name, locker)
class Foo(object):
  def __init__(self, …):
    …
    LockerDecorator(self).decorate()
  def interface1(self, …):
    do something
  def interface2(self, …):
    do something
  …

对对象的功能装饰是一个更一般的功能，不仅限于为接口加锁，我用2个类来完成这一功能，DecorateClass是一个基类，只定义了遍历并应用装饰功能的算法代码(template method)，LockerDecorator实现了为对象加锁的功能，其中iter是迭代器，定义了怎样遍历对象中的成员（包括数据成员和成员函数），filter是过滤器，定义了符合什么规则的成员才能成为一个接口，operate是执行函数，具体实施了为对象接口加锁的功能。而在业务类Foo的__init__函数中，只需要在最后添加一行代码：LockerDecorator(self).decorate()，就可以完成为对象加锁的功能。如果你的对象提供的接口有特殊性，完全可以通过直接改写filter或者继承LockerDecorator并覆盖filter的方式来实现；此外，如果要使用其他的装饰功能，可以写一个继承自DecorateClass的类，并实现iter，filter和operate三个函数即可。

全部评论(0)

上一篇：Python 数据结构之旋转链表
下一篇：Python中函数eval和ast.literal_eval的区别详解

资讯排行榜
更多>>