Python 装饰器

Python 函数装饰器 - 菜鸟教程

https://www.runoob.com/w3cnote/python-func-decorators.html

参考：https://eastlakeside.gitbook.io/interpy-zh/decorators/（与本文完全一致）

一切皆对象

在函数中定义函数

从函数中返回函数

将函数作为参数传给另一个函数

你的第一个装饰器

装饰器让你在一个函数的前后去执行代码。

装饰器封装一个函数，并且用这样或者那样的方式来修改它的行为。

@ 符号？那只是一个简短的方式来生成一个被装饰的函数。

使用functools.wraps还原被重写了被装饰函数的名字和注释文档(docstring)

from functools import wraps

@wraps(a_func)

@wraps接受一个函数来进行装饰，并加入了复制函数名称、注释文档、参数列表等等的功能。这可以让我们在装饰器里面访问在装饰之前的函数的属性。

使用场景

授权(Authorization)

装饰器能有助于检查某个人是否被授权去使用一个web应用的端点(endpoint)。它们被大量使用于Flask和Django web框架中。

日志(Logging)

带参数的装饰器

在函数中嵌入装饰器

装饰器类

装饰器 - 廖雪峰

https://www.liaoxuefeng.com/wiki/1016959663602400/1017451662295584

现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

log()是一个decorator，接受一个函数作为参数，并返回一个函数。

decorator用法：

@log
def now():
    print('2015-3-25')

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

这个3层嵌套的decorator用法如下：

@log('execute')
def now():
    print('2015-3-25')

__name__属性变化

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

或者针对带参数的decorator：

import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

lru_cache 装饰器

https://juejin.cn/post/6939345971042058248

这里的lru_cache是什么意思和作用？*args为什么带星号

@lru_cache(maxsize=128)
def get_conf(*args):
    # 建议您复制一个config_private.py放自己的秘密, 如API和代理网址, 避免不小心传github被别人看到
    res = []
    for arg in args:
        r = read_single_conf_with_lru_cache(arg)
        res.append(r)
    return res

lru_cache是Python标准库中的一个装饰器，用于实现缓存功能。它可以缓存函数的返回值，以便在后续的调用中避免重新计算相同的输入值所对应的结果。这有助于提高函数的执行效率，特别是在需要计算代价较高的操作时。

具体来说：

• lru_cache是Least Recently Used（LRU，最近最少使用）缓存的缩写，它会保留最近调用的函数的结果，并在缓存达到指定大小（由maxsize参数指定）时，自动淘汰最不常使用的结果，以保持缓存的大小。
• maxsize参数指定缓存的最大大小，即最多保存多少个不同输入值的结果。如果没有指定maxsize，则缓存的大小会无限增长。
• 当函数被装饰为@lru_cache(maxsize=128)时，函数的每个不同的参数组合（传递给*args的值）都会被缓存，以及它们对应的返回值。下次再次使用相同的参数调用函数时，如果参数组合已经在缓存中，函数不会再次执行，而是直接返回之前的结果。
• 这里的*args是Python中的可变参数，它允许函数接受任意数量的位置参数。在get_conf函数中，*args表示接受任意数量的参数，这些参数将被传递到read_single_conf_with_lru_cache函数中。*用于解包参数，因为args是一个元组，*args会将元组中的每个元素作为单独的参数传递给函数。

总结：@lru_cache用于缓存函数的计算结果，*args用于接受任意数量的输入参数，并将它们传递给被装饰的函数。这可以提高函数的执行效率，特别是在需要多次调用相同参数的情况下。