metadata流失与带参装饰器

2个问题

• 如何解决被装饰过的函数的metadata的流失的问题？
• 带有参数的装饰器有什么用处？

如何解决被装饰过的函数的metadata的流失的问题？

# decorator
def log_func(func):
    def wrapper(*args, **kwargs):
        print('Function name: {}'format(func.__name__))
        return func(*args, **kwargs)
    return wrapper

# decorated function
@log_func
def multiply(x, y):
    'Multiply x and y'
    return x * y

multiply(1, 3)
# >> Function name: multiply
# >> 3

似乎看起来没问题，但是如果我们进一步检查被装饰过后的函数multiply各种attributes，我们就会发现问题：

# original function
def multiply(x, y):
    'Multiply x and y'
    return x * y

multiply.__name__
# >> 'multiply'
multiply.__doc__
# >> 'Multiply x and y'


# decorated function
@log_func
def multiply(x, y):
    'Multiply x and y'
    return x * y

multiply.__name__
# >> 'wrapper'
multiply.__doc__
# >> 

可以看到__doc_, __name__等函数的metadata，都在被装饰后，都丢失了。为了解决这个问题，我们可以在装饰器里，把这些metadata都复制到被装饰过后到函数里。

# original decorator
def log_func(func):
    def wrapper(*args, **kwargs):
        print('Function name: {}'format(func.__name__))
        return func(*args, **kwargs)
    return wrapper


# decorator that copies metatdata
def log_func(func):
    def wrapper(*args, **kwargs):
        print('Function name: {}'format(func.__name__))
        return func(*args, **kwargs)
    wrapper.__name__ = func.__name__ # copy name
    wrapper.__doc__ = func.__doc__ # copy doc
    return wrapper

在python的functools包里有提供一个装饰器@wraps就专门提供这个功能，所以我们的log_func装饰器可以重新定义为

 # decorator that copies metatdata with @functools.wraps
import functools

def log_func(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print('Function name: {}'format(func.__name__))
        return func(*args, **kwargs)
    return wrapper


# decorate function with the above decorator
@log_func
def multiply(x, y):
    'Multiply x and y'
    return x * y

multiply.__name__
# >> 'multiply'
multiply.__doc__
# >> 'Multiply x and y'

带有参数的装饰器有什么用处？

什么是带参数的装饰器？ 细心的朋友可能已经发现在上文里，我介绍的@functools.wraps在@语法中，有一个参数func: @functools.wraps(func)。而常见的装饰器在@语法中是没有参数的，比如上文用到的@log_func 。类似@functools.wraps(func)就是带参数的装饰器；装饰器可以带多个参数@decorator(x, y)。

看一个例子。

@log_msg_func("Function name: {name}")
def multiply(x, y):
    return x * y

在这个例子里，log_msg_func就是一个带参数的decorator。其实就等同于

log_func = log_msg_func("Function name: {name}")

@log_func
def multiply(x, y):
    return x * y

进一步等同于

def multiply(x, y):
    return x * y
multiply = log_msg_func("Function name: {name}")(multiply)

可见带参数的装饰器就一个返回值为一个装饰器的函数，其实就是一个“装饰器生成器“。这个例子里，log_msg_func的参数就是一个string，返回值就是一个装饰器。 我们看看其是怎么定义的：

def log_msg_func(msg):
    def log_func(func):
        def wrapper(*args, **kwargs):
            print(msg.format(name=func.__name__))
            return func(*args, **kwargs)
        return wrapper
    return log_func

从上面的定义里面可以看出，msg这个string参数为要生成的装饰器log_func提供了一个enclosing环境。有了这个log_msg_func”装饰器生成器“ ，我们可以轻松改变log里信息，进一步避免重复的代码。这就是带参数的装饰器的用处！

标签：__,return,name,流失,func,multiply,metadata,装饰,log
来源： https://www.cnblogs.com/soymilk2019/p/15035975.html