必須會 Python 裝飾器的五個理由
Python裝飾器是很容易使用的。任何一個會寫Python函式的人都能夠學會使用裝飾器，比如下面這個：
@somedecorator
def some_function():
print("Check it out, I"m using decorators!")
但是，寫出一個裝飾器是一個完全不一樣的技能。而且這也不是，你不得不理解下面這些：
閉包
如何將函式作為"第一類"引數來使用
變數引數
引數解包
甚至是Python是如何裝載原始碼的一些細節
所有這些都需要花很多時間去理解和掌握。而且當你已經有這麼一堆事情要學的時候，這些值得你花時間嗎？
對我來說，這個問題的答案已然是上千次的“肯定，是的，我會學習！”
寫裝飾器的最重要的好處是什麼呢？在你每天的開發中，裝飾器讓你做什麼做起來是很容易並且很強大的呢？
分析、日誌以及指導
尤其是在大型軟體中，我們通常需要專門來測試到底發生了什麼，以及記錄那些能量化不同行為的指標。通過在裝飾器內部的函式或者方法裡面封裝這些重要的事件，這個裝飾器能通俗易懂且容易地處理剛才這些所講的需求。比如：
from myapp.log import logger
def log_order_event(func):
def wrapper(*args, **kwargs):
logger.info("Ordering: %s", func.__name__)
order = func(*args, **kwargs)
logger.debug("Order result: %s", order.result)
return order
return wrapper
@log_order_event
def order_pizza(*toppings):
# let"s get some pizza!
同樣的方式可以被用來計數或者其他指標。
Python學習群：556370268，有大牛答疑，有資源共享！是一個非常不錯的交流基地！歡迎喜歡Python的小夥伴！
驗證與執行檢查
Python的型別系統是相當型別化了的，但是也是很動態的。對於它的這些所有的好處，也意味著某一些bugs能夠悄悄產生，而這些bugs能夠在編譯的時候被更型別化的語言（比如Java）所捕獲。即使更長遠看，你可能需要強化更復雜的，在資料進出的時候能個性化檢查。裝飾器能讓你易於處理所有這些，並能一次性地應用它到很多函式上。
假設：你有一堆函式，每個函式都返回一個字典，這個字典包含一個稱作“summary”的欄位。這個欄位的值不能超過80個字元長度；如果違反了，就是不對的。這裡給出一個裝飾器，當條件不滿足的時候它能夠丟擲一個值錯誤（ValueError），如下：
def validate_summary(func):
def wrapper(*args, **kwargs):
data = func(*args, **kwargs)
if len(data["summary"]) > 80:
raise ValueError("Summary too long")
return data
return wrapper
@validate_summary
def fetch_customer_data():
# ...
@validate_summary
def query_orders(criteria):
# ...
@validate_summary
def create_invoice(params):
# ...
建立框架
一旦你掌握了裝飾器的程式設計，你將能夠受益於使用裝飾器的簡單語法，而這讓你增加語意給你的程式碼以便容易使用它。這就是下一個能夠擴充套件Python自身語法的最好的工具。
實際中，很多流行的開源框架都在使用裝飾器。網頁應用框架Flask就使用了裝飾器將URLs的路由交給那些處理HTTPS請求的函式。
# For a RESTful todo-list API.
@app.route("/tasks/", methods=["GET"])
def get_all_tasks():
tasks = app.store.get_all_tasks()
return make_response(json.dumps(tasks), 200)
@app.route("/tasks/", methods=["POST"])
def create_task():
payload = request.get_json(force=True)
task_id = app.store.create_task(
summary = payload["summary"],
description = payload["description"],
)
task_info = {"id": task_id}
return make_response(json.dumps(task_info), 201)
@app.route("/tasks/<int:task_id>/")
def task_details(task_id):
task_info = app.store.task_details(task_id)
if task_info is None:
return make_response("", 404)
return json.dumps(task_info)
在這裡，你有一個被叫做app的全域性的物件，它有一個被稱作route（路由）的方法並接受特定引數。這個路由方法返回一個被應用到處理函式的裝飾器。在這個“面罩”下發生了一些很錯綜複雜的的事情，但是從Flask的使用者角度看，所有這些複雜性是完全被隱藏起來的了。
以這樣的方式使用裝飾器在stock Python中也有體現。舉個例子，完全使用物件系統是有賴於@classmethod和@property裝飾器的：
class WeatherSimulation:
def __init__(self, **params):
self.params = params
@classmethod
def for_winter(cls, **other_params):
params = {"month": "Jan", "temp": "0"}
params.update(other_params)
return cls(**params)
@property
def progress(self):
return self.completed_iterations() / self.total_iterations()
這個類有3個不同的定義宣告。但是，他們的語意是各不相同的。
1：constructor是一個正常方法
2：for_winter是一個類方法且提供一種類似於“車間”的東西
3：progess是隻讀、動態屬性
對於日常來說，@classmethod和@property兩個裝飾器如此簡單以致可以很容易擴充套件Python的物件語意
複用那些不可能複用的程式碼
Python提供給你一些很強大的工具用以封裝程式碼為一個易用的形式，並帶有充分的函式表示語法，支援函數語言程式設計以及全面的物件系統。但是，裝飾器也有它所不能捕獲的某些形式的程式碼複用。
比如使用一個不可靠的API。你給那些通過HTTP對話的JSON發出一些請求的時候，API可以99.9%的時候工作正常。但是，有一小部分請求將使得伺服器返回一個內部錯誤，然後你需要重試這些請求。在這個情況下，你將寫一個重試邏輯，比如：
resp = None while True: resp = make_api_call() if resp.status_code == 500 and tries < MAX_TRIES: tries += 1 continue break process_response(resp)
現在，假設你有十多個類似於make_api_call的函式，並且他們被所有程式碼呼叫。那麼你是想要每次呼叫它們的時候寫一個while迴圈呢？還是每次增加一個API呼叫函式的時候都把這段程式碼再寫一遍？無論哪種選擇都會產生大量的重複程式碼，除非你用裝飾器。用了裝飾器事情就簡單了。
# 加了裝飾器的函式會返回一個Response物件， # 這個物件有個一二status_code的屬性， # 200表示成功；500表示伺服器錯誤。 def retry(func): def retried_func(*args, **kwargs): MAX_TRIES = 3 tries = 0 while True: resp = func(*args, **kwargs) if resp.status_code == 500 and tries < MAX_TRIES: tries += 1 continue break return resp return retried_func
上述例子可以讓你方便使用裝飾器@retry
@retry def make_api_call(): # ....
提升你的職業生涯
編寫裝飾器在一開始並不容易。它雖然不像火箭科學但是也需要你花很多努力去學習，去排除一些細微差異。很多開發者也從來不會通過這些麻煩而學習掌握裝飾器編寫。但是學習裝飾器的確會給你優勢。當你是你的團隊裡面學習如何寫好裝飾器的那個人的時候，並且你寫的裝飾器能解決一些實際問題的時候，其他開發者將會使用你的裝飾器。因為，一旦這些裝飾器編寫的困難的部分被完成了，裝飾器就會很容易使用。這就對你所寫的程式碼產生極大的正面作用。這也會讓你成為一個重要角色。
不論你如何編寫裝飾器，你會對下面你所要做的事情而感到興奮，比如你即將能使用裝飾器來做一些事情，以及裝飾器是如何能永遠改變你寫Python程式碼的方式。