博客
关于我
理解和使用Python装饰器
阅读量:689 次
发布时间:2019-03-17

本文共 1109 字,大约阅读时间需要 3 分钟。

装饰器在 Python 中无处不在,功能强大。本文将从基本概念到具体实例,帮助您理解这一强大工具的用法和原理。

结合简单示例说明装饰器

我们从一个简单的例子开始。假设有一个函数foo(),它执行了一些简单的操作。为了让这个函数在执行前后打印提示信息,我们可以使用装饰器来完成。

完整的代码如下:

def outer(func):    def inner():        print("before execution.")        func()        print("after execution.")    return inner@outerdef foo():    print("do something.")if __name__ == "__main__":    foo()

程序运行后会输出:

before execution.do something.after execution.

装饰器的工作原理

装饰器机制允许我们在不修改原函数代码的情况下扩展其功能。在上述示例中,outer函数接收一个函数对象作为参数,并返回一个新函数inner()。用户定义的函数foo()通过@outer装饰后,被替换为inner(),这样在调用foo()时,实际执行的是inner(),它会在执行原函数foo()之前和之后打印提示信息。

更复杂的装饰器示例

想实现更复杂的功能,如记录日志,可以定义更授精шая的装饰器。以下是一个实例:

from datetime import datetimedef logger(msg):    def decorator(func):        def wrapper(*args, **kwargs):            print(f'[INFO] {datetime.now()}, {func.__name__} was called with message "{msg}"')            return func(*args, **kwargs)        return wrapper    return decorator@logger("Maybe bored.")def foo(name):    print(f"do something, {name}")foo('Johnny')

运行后,输出会是:

[INFO] 2023-10-25 12:34:56,809, foo was called with message "Maybe bored."

注意: 如果您有任何问题,请告诉我。我会尽力为您解答。

转载地址:http://tbthz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>
opencv之模糊处理
查看>>
Opencv介绍及opencv3.0在 vs2010上的配置
查看>>
OpenCV使用霍夫变换检测图像中的形状
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>