[[406508]]

我們在上一篇文章(Python實例來認識并發與并行)中用到了 @timer ，在函數定義時，加上一個小小的 @timer ，這樣，函數執行結束后，就會自動在控制臺匯報自己運行的時間。

比如下面這樣：

@timer 
def piper(): 
    for i in range(10000): 
        i = i * i ** 10 
 
piper() 
 
輸出： 
timer: using 0.00600 s 

實際上，這個計時器邏輯 @timer 是我們自己用 Python 中的修飾器特性[1]來實現的。

拆解邏輯

其實我們不用修飾器，自己也能實現計時的邏輯。

def piper(): 
    for i in range(10000): 
        i = i * i ** 10 
 
t = time.time()  # 記錄函數開始時時間 
piper() 
print(f"timer: using {time.time() - t :.5f} s")  # 獲取函數運行時間并打印 

注意到我們執行函數時，在其上下都包裹上了邏輯。如果我們希望函數自帶計時邏輯，那么為了包住原函數，只能去新定義一個函數。

def time_wrapper(func): 
    # func 是一個函數 
    t = time.time() 
    func() 
    print(f"timer: using {time.time() - t :.5f} s") 
 
time_wrapper(piper) 
 
輸出： 
timer: using 0.00600 s 

我們想測試某一個函數運行時間時，將函數名輸入到 time_wrapper 里面就好。

更優雅的改進

上述代碼顯然有缺點：

• 我們在編程時，心智負擔增大了;此外，代碼更冗長了
• 如果我們只是希望函數新增一個功能，顯然用 time_wrapper 是不行的，因為其并沒有改變 piper 本身

于是我們請出今天的主角 修飾器@wraps[2] 。

還用我們的 timer 舉例子，我們讓所有在 @timer 下的函數，都經過如下處理：

def timer(func): 
    @wraps(func) 
    def inner_func(): 
        t = time.time() 
        rts = func() 
        print(f"timer: using {time.time() - t :.5f} s") 
        return rts 
    return inner_func 

以 piper 為例，我們經歷了如下變化。

@timer 
def 原始piper(): 
    for i in range(10000): 
        i = i * i ** 10 

實際上，當你再調用 piper 時，你的 piper 內部邏輯早已變為：

def 當前piper(): 
    t = time.time() 
    rts = 原始piper() 
    print(f"timer: using {time.time() - t :.5f} s") 
    return rts 

總結

本文簡單與讀者朋友們「科普」一下修飾器，注意到我們這里實際上僅僅修飾了無參數的函數。其實，修飾器還有許多更加優雅用途，比如傳入參數 *args, **kwargs ，修飾類 __call__ 等用法。期待以后我遇到好的應用場景，將經驗分享給朋友們。