摘录整理于imooc
1. 一个带参数的decorator例子
例子是根据 @performance（'time_type'）携带的时间类型来输出所装饰的函数factorial的执行时间。
import time
import functools
from past.builtins.noniterators import reduce
def performance(unit):
def perf_decorator(f):
# @functools.wraps应该作用在返回的新函数上。
@functools.wraps(f)
def wrapper(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
t = (t2 - t1) * 1000 if unit == 'ms' else (t2 - t1)
print('call %s() in %f %s' % (f.__name__, t, unit))
return r
return wrapper
return perf_decorator
@performance('ms')
def factorial(n):
return reduce(lambda x, y: x * y, range(1, n + 1))
factorial(10000)
print(factorial.__name__)
2.代参数的decorator为什么要包三层（三阶）？
# 为什么包三层（三阶）
@log('DEBUG')
def my_func():
pass
# 把上面的定义翻译成高阶函数的调用，就是：
my_func = log('DEBUG')(my_func)
# 上面的语句看上去还是比较绕，再展开一下：
log_decorator = log('DEBUG')
my_func = log_decorator(my_func)
# 上面的语句又相当于：
log_decorator = log('DEBUG')
@log_decorator
def my_func():
pass
# 所以，带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：
def log(prefix):
def log_decorator(f):
def wrapper(*args, **kw):
print('[%s] %s()...' % (prefix, f.__name__))
return f(*args, **kw)
return wrapper
return log_decorator
@log('DEBUG')
def test():
pass
print(test())
简而言之，最外层负责把decorator的参数DEBUG传进来，既然decorator携带的参数已经传进来，那么剩下的中间层和里层就是一个不带参的decorator的语法糖。反之而推，要多携带参数，肯定是需要多加一阶。
