雖然用python用了很久了，但是主要還是寫一些模型或者算子，對于python中的高級特性用的不多，但是時常閱讀大牛的代碼或者框架源碼，其中python特性應用的非常流暢，所以今天決定與python中的裝飾器@，做個了斷！！
Python中的@：
援引廖雪峰老師對裝飾器的解釋以及一些自己對裝飾器的理解：
python中在代碼運行期間動態增加功能的方式，稱之為“裝飾器”（Decorator）。@是裝飾器的語法。裝飾器是在函數調用之上的修飾，這些修飾僅是當聲明一個函數或者方法的時候，才會應用的額外調用。 我們可以用裝飾器來增加計時邏輯來檢測性能，或者引入日志等等。
函數也是一個對象，而且函數對象可以被賦值給變量，所以，通過變量也能調用該函數。
函數對象有一個__name__屬性，可以拿到函數的名字：
現在，假設我們要增強now()函數的功能，比如，在函數調用前后自動打印日志，但又不希望修改now()函數的定義。本質上，decorator就是一個返回函數的高階函數。所以，我們要定義一個能打印日志的decorator，可以定義如下：
觀察上面的log，因為它是一個decorator，所以接受一個函數作為參數，并返回一個函數。我們要借助Python的@語法，把decorator置于函數的定義處：
調用now()函數，不僅會運行now()函數本身，還會在運行now()函數前打印一行日志：
把@log放到now()函數的定義處，相當于執行了語句：
now = log(now)由于log()是一個decorator，返回一個函數，所以，原來的now()函數仍然存在，只是現在同名的now變量指向了新的函數，于是調用now()將執行新函數，即在log()函數中返回的wrapper()函數。
wrapper()函數的參數定義是(*args, **kw)，因此，wrapper()函數可以接受任意參數的調用。在wrapper()函數內，首先打印日志，再緊接著調用原始函數。
如果decorator本身需要傳入參數，那就需要編寫一個返回decorator的高階函數，寫出來會更復雜。比如，要自定義log的文本：
這個3層嵌套的decorator用法如下：
執行結果如下：
和兩層嵌套的decorator相比，3層嵌套的效果是這樣的：
>>> now = log('execute')(now)我們來剖析上面的語句，首先執行log('execute')，返回的是decorator函數，再調用返回的函數，參數是now函數，返回值最終是wrapper函數。
以上兩種decorator的定義都沒有問題，但還差最后一步。因為我們講了函數也是對象，它有__name__等屬性，但你去看經過decorator裝飾之后的函數，它們的__name__已經從原來的'now'變成了'wrapper'：
因為返回的那個wrapper()函數名字就是'wrapper'，所以，需要把原始函數的__name__等屬性復制到wrapper()函數中，否則，有些依賴函數簽名的代碼執行就會出錯。
不需要編寫wrapper.__name__ = func.__name__這樣的代碼，Python內置的functools.wraps就是干這個事的，所以，一個完整的decorator的寫法如下：
或者針對帶參數的decorator：
import functools是導入functools模塊。模塊的概念稍候講解。現在，只需記住在定義wrapper()的前面加上@functools.wraps(func)即可。
python中常見的@：
@property ：對于類的方法，裝飾器一樣起作用,Python內置的@property裝飾器就是負責把一個方法變成屬性調用的.廣泛應用在類的定義中，可以讓調用者寫出簡短的代碼，同時保證對參數進行必要的檢查，這樣，程序運行時就減少了出錯的可能性。
@property的實現比較復雜，我們先考察如何使用。把一個getter方法變成屬性，只需要加上@property就可以了，此時，@property本身又創建了另一個裝飾器@score.setter，負責把一個setter方法變成屬性賦值，于是，我們就擁有一個可控的屬性操作：
注意到這個神奇的@property，我們在對實例屬性操作的時候，就知道該屬性很可能不是直接暴露的，而是通過getter和setter方法來實現的。
@staticmethod，@classmethod：@staticmethod返回的是一個staticmethod類對象，而@classmethod返回的是一個classmethod類對象。他們都是調用的是各自的__init__()構造函數。
當然應用裝飾器不當也會帶來一些問題:
1、位置錯誤的代碼
讓我們直接看示例代碼。
在裝飾器中我在各個可能的位置都加上了print語句，用于記錄被調用的情況。你知道他們最后打印出來的順序嗎？如果你心里沒底，那么最好不要在裝飾器函數之外添加邏輯功能，否則這個裝飾器就不受你控制了。以下是輸出結果：
2、錯誤的函數簽名和文檔
裝飾器裝飾過的函數看上去名字沒變，其實已經變了。
為什么會這樣呢？想想裝飾器的語法@代替的東西就明白了。@等同于這樣的寫法。
say = logging(say) logging其實返回的函數名字剛好是wrapper，那么上面的這個語句剛好就是把這個結果賦值給say，say的__name__自然也就是wrapper了，不僅僅是name，其他屬性也都是來自wrapper，比如doc，source等等。
使用標準庫里的functools.wraps，可以基本解決這個問題
看上去不錯！主要問題解決了，但其實還不太完美。因為函數的簽名和源碼還是拿不到的。
如果要徹底解決這個問題可以借用第三方包，比如wrapt。
3、不能裝飾@staticmethod或者 @classmethod
當你想把裝飾器用在一個靜態方法或者類方法時，不好意思，報錯了。
前面已經解釋了@staticmethod這個裝飾器，其實它返回的并不是一個callable對象，而是一個staticmethod對象，那么它是不符合裝飾器要求的（比如傳入一個callable對象），你自然不能在它之上再加別的裝飾器。要解決這個問題很簡單，只要把你的裝飾器放在@staticmethod之前就好了，因為你的裝飾器返回的還是一個正常的函數，然后再加上一個@staticmethod是不會出問題的。
如何優化你的裝飾器：
嵌套的裝飾函數不太直觀，我們可以使用第三方包類改進這樣的情況，讓裝飾器函數可讀性更好。
decorator.py
decorator.py是一個非常簡單的裝飾器加強包。你可以很直觀的先定義包裝函數wrapper()，再使用decorate(func, wrapper)方法就可以完成一個裝飾器。
你也可以使用它自帶的@decorator裝飾器來完成你的裝飾器。
decorator.py實現的裝飾器能完整保留原函數的name，doc和args，唯一有問題的就是inspect.getsource(func)返回的還是裝飾器的源代碼，你需要改成inspect.getsource(func.__wrapped__)。
wrapt
wrapt是一個功能非常完善的包，用于實現各種你想到或者你沒想到的裝飾器。使用wrapt實現的裝飾器你不需要擔心之前inspect中遇到的所有問題，因為它都幫你處理了，甚至inspect.getsource(func)也準確無誤。
使用wrapt你只需要定義一個裝飾器函數，但是函數簽名是固定的，必須是(wrapped, instance, args, kwargs)，注意第二個參數instance是必須的，就算你不用它。當裝飾器裝飾在不同位置時它將得到不同的值，比如裝飾在類實例方法時你可以拿到這個類實例。根據instance的值你能夠更加靈活的調整你的裝飾器。另外，args和kwargs也是固定的，注意前面沒有星號。在裝飾器內部調用原函數時才帶星號。
如果你需要使用wrapt寫一個帶參數的裝飾器，可以這樣寫。
Tensorflow中的@:
tensorflow就巧妙應用的python的裝飾器，提高了代碼的動態性，也使代碼變得精簡。
@tf_export 的作用是：Provides ways to export symbols to the TensorFlow API.
@tf_contextlib的作用是：A tf_decorator-aware wrapper for `contextlib.contextmanager`.
還有@tf_inspect、@tf_should_use等。
本站文章版權歸原作者及原出處所有 。內容為作者個人觀點， 并不代表本站贊同其觀點和對其真實性負責，本站只提供參考并不構成任何投資及應用建議。本站是一個個人學習交流的平臺，網站上部分文章為轉載，并不用于任何商業目的，我們已經盡可能的對作者和來源進行了通告，但是能力有限或疏忽，造成漏登，請及時聯系我們，我們將根據著作權人的要求，立即更正或者刪除有關內容。本站擁有對此聲明的最終解釋權。
