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 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>