Python 中的闭包与装饰器

函数的装饰器可以以某种方式增强函数的功能,如在 Flask 中可使用 @app.route('/') 为视图函数添加路由,是一种十分强大的功能。在表现形式上,函数装饰器为一种嵌套函数,这其中会涉及到闭包的概念。而在嵌套函数之间,外部函数中的变量相对于内部函数而言为自由变量,使用时可能需要借助于 nonlocal 关键字进行声明。

nonlocal 声明

按变量的作用域进行分类,Python 中的变量可分为「全局变量」、「局部变量」以及「自由变量」。一般而言,Python 中使用变量前不需要声明变量,但假定在函数体中赋值的变量为局部变量 ~ 除非显示使用 global 将在函数中赋值的变量声明为全局变量!

而自由变量则是存在于嵌套函数中的一个概念 ~ 定义在其他函数内部的函数被称之为嵌套函数 nested function ,嵌套函数可以访问封闭范围内(外部函数)的变量。嵌套函数不可以在函数外直接访问。

在Python中,非本地变量默认仅可读取,在修改时必须显式指出其为非本地变量 ~ 自由变量 nonlocal,全局变量 global

>>> ga = 1
>>> def func():
...     nb = 2
...     def inner():
...         ga += 1
...         nb += 2
...         print('ga is %s, and nb is %s' % (ga, nb))
...     return inner
...
>>> test = func()
Traceback (most recent call last):
...
UnboundLocalError: local variable 'ga' referenced before assignment

未加入全局变量和自由变量声明时且使用赋值操作时,inner 函数的变量 ga, nb 默认为局部变量,会报错;如注释掉 ga += 1 后同样会报错:

Traceback (most recent call last):
...
UnboundLocalError: local variable 'nb' referenced before assignment

可行改写如下:

>>> ga = 1
>>> def func():
...     nb = 2
...     def inner():
...         global ga
...         nonlocal nb
...         ga += 1
...         nb += 2
...         print('ga is %s, and nb is %s' % (ga, nb))
...     return inner
...
>>> test = func()
>>> test()
ga is 2, and nb is 4
>>> test()
ga is 3, and nb is 6

通过显示声明 ga, nb 分别为「全局变量」和「自由变量」,此时如预期运行!

闭包

函数内的函数以及其自由变量形成闭包。也即闭包是一种保留定义函数时存在的自由变量的绑定的函数 ~ 这样在调用函数时,绑定的自由变量依旧可用。

闭包可以避免全局变量的使用以及提供某种形式的数据隐藏。当函数中的变量和函数较少且其中某个功能常用时,使用闭包来进行封装。当变量和函数更加复杂时,则使用类来实现。

# 计算移动平均值的函数
def make_averager():
    series = []

    def averager(new_value):
        series.append(new_value)
        total = sum(series)
        return total/len(series)

    return averager

那么此时,make_averager() 函数的第二行 series = [] 到第七行 return total/len(series) 为闭包,变量 seriesaverager() 函数中的自由变量!

# avg 为一个 averager 函数对象 ~ 含自由变量的绑定
>>> avg = make_averager()
>>> avg(10)
10.0
>>> avg(11)
10.5
>>> avg(12)
11
# 创建另一个 averager 函数对象
>>> avg2 = make_averager()
>>> avg2(1)
1.0
>>> avg2(18)
9.5
# 查看 avg, avg2 自由变量中保存的值
>>> avg.__closure__[0].cell_contents
[10, 11, 12]
>>> avg2.__closure__[0].cell_contents
[1, 18]

函数对象通过 __closure__ 属性——返回 cell 对象元祖(函数中有多少嵌套函数则该元祖的长度有多长),生成该对象的函数被称之为闭包函数。

func.__closure__[0].cell_contents: 访问存储在 cell 对象中值。

Python Decorators

装饰器本身是一个可调用的对象 ~ 函数或类,其参数为另一个函数(被装饰的函数)。装饰器可能会处理被装饰的函数(如添加一些功能)然后将之返回,或者将之替换为另一个函数或可调用对象。这也被称之为元编程 metaprogramming —— 在编译时改变函数功能。

>>> def make_pretty(func):
...     def inner():
...         print("I got decorated!", end='\t')
...         func()
...     return inner
...
>>> def ordinary():
...     print("I am ordinary!")

# 用 make_pretty 函数装饰 ordinary 函数
>>> pretty = make_pretty(ordinary)
>>> pretty()
I got decorated!  I am ordinary!

可以作为装饰器的函数内部都有嵌套的功能函数(用以实现主要功能),并返回内部的嵌套函数。

@make_pretty
def ordinary():
    print("I am ordinary!")

# 等价于
def ordinary():
    print("I am ordinary!")
ordianry = make_pretty(ordinary)

make_pretty(func) 是一个最简单的装饰器,它接受一个函数为其参数;内部定义了一个 inner() 函数 ~ 输出 "I got decorated! " 后执行被装饰函数(此时 funcinner 闭包中的自由变量);然后返回内部函数 inner

此时,对于被装饰的函数 ordinary 而言,此时是 inner 的引用:

>>> ordinary()
I got decorated!  I am ordinary!
>>> ordinary
<function make_pretty.<locals>.inner at 0x10aeaa1e0>

除了最简单的装饰器之外,还可以将多个装饰器叠放使用以及对装饰器参数化:

叠放装饰器

def star(func):
    def inner(*args, **kwargs):
        print('*' * 30)
        func(*args, **kwargs)
        print('*' * 30)
    return inner

def dollar(func):
    def inner(*args, **kwargs):
        print('$' * 30)
        func(*args, **kwargs)
        print('$' * 30)
    return inner

@star
@doller
def printer(msg):
    print(msg)

printer("Hello world!")

# 结果如下
'''
******************************
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
Hello world!
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
******************************
'''

# 等价于
def printer(msg):
    print(msg)
printer = star(dollar(printer))

多个装饰器一同使用相当于逐层嵌套,最上方的为最外层的函数,调用时最先开始,且最晚结束。

参数化装饰器

Python 中将被装饰函数作为参数传递给装饰器函数。此外,我们可以创建一个装饰器工厂函数(返回装饰器的函数),把参数传递给它,再应用于要装饰的函数上:

'''
Fluent Python 示例 7-23
https://github.com/fluentpython/example-code/blob/master/07-closure-deco/registration_param.py
'''
registry = set()

def register(active=True):
    def decorate(func):
        print('running register(active=%s)->decorate(%s)'
              % (active, func))
        if active:
            registry.add(func)
        else:
            registry.discard(func)
        return func
    return decorate

@register(active=False)
def f1():
    print("running f1()")

@register()
def f2():
    print("running f2()")

def f3():
    print("running f3()")

将上述代码保存至 registration_param.py 模块中,导入时得到结果如下:

>>> import registration_param
running register(active=False)->decorate(<function f1 at 0x103ae0268>)
running register(active=True)->decorate(<function f2 at 0x103ae00d0>)
>>> registration_param.registry
{<function f2 at 0x103ae00d0>}

注意:函数装饰器在被导入模块时立即执行,而被装饰的函数只有在明确调用时运行。

常用的装饰器

Python 内置了三个装饰器,分别为:property, classmethod, staticmethod

  • property 装饰器可用于设定类中的私有变量;
  • classmethod 用于设定类方法;
  • staticmethod 用于设定类中的静态方法。

此外,常用的装饰器还有 functools 模块中的 wraps, lru_cache, singledispath:

  • functools.wraps():保留被修饰函数原有的一些属性,如 __name__, __doc__
  • functools.lru_cache():可把耗时的函数结果保存起来,避免传入相同的参数重复计算 ~ 可用于优化递归算法;
  • functools.singledispath():会把修饰的普通函数变为泛函数。

参考资料

  1. Programiz Home, Parewa Labs Pvt. Ltd, Python Decorators, 2019/06/01.
  2. Ramalho, Luciano. Fluent Python: clear, concise, and effective programming. " O'Reilly Media, Inc.", 2015.
本作品采用《CC 协议》,转载必须注明作者和本文链接
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!