题目描述
1、简单举例 Python 标准库中的装饰器
2、说说你用过的 Python 标准库中的装饰器
1. 首先，我们比较熟悉，也是比较常用的 Python 标准库提供的装饰器有：property，classmethod，staticmethod，functools.wraps四个。这四个的可考点比较多，这里将分别说明：
首先先来说明 functools.wraps，这个我们在之前翻译装饰器时已经谈到过。这里我们同样用代码来说明吧。
# 比如一个简单的用来统计代码运行时长的装饰器 import time def method_spend(func): def inner(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print('[%0.8fs] %s --> %s' % ((end-start), func.__name__, result)) return result return inner @method_spend def test(): print("Hello World") test() # outputs: # Hello World # [0.00001907s] test --> None test = test print(test.__name__) # inner 从代码可以看出，经过装饰之后，被装饰函数的 name__ 属性被修改了，变成了装饰后的函数。（实际上 __doc 属性也一样被修改了）。而functools.wraps 的作用就是保存被装饰函数的属性。
引用《流畅的Python》中的话
functools.wraps 的作用是协助构建行为良好的装饰器。
使用示例：
import time import functools def method_spend(func): @functools.wraps(func) # 使用 functools.wraps def inner(*args, **kwargs): start = time.time() result = func(*args, **kwargs) end = time.time() print('[%0.8fs] %s --> %s' % ((end-start), func.__name__, result)) return result return inner @method_spend def test(): print("Hello World") test() # outputs: # Hello World # [0.00001907s] test --> None test = test print(test.__name__) # test 接着我们来谈谈 staticmethod 和 classmethod。这个相对考得比较少，但也需要知道。classmethod 可类比于 JAVA 中的类方法，它第一个参数必须是类对象，而不是类的实例对象。而 staticmethod 作用与 classmethod 类似，可不能过实例对象来调用，但它不强制参数，可以是任何参数。
最后，来简单说下 property 。property 比较重要，后面会再开专题介绍。这里只简单说明它的作用，那就是实现类似 JAVA 中的私有变量的封装，并提供一个获取方法，类似于getXxx 和 setXXX 方法。用代码说话：
# 实现一个简单的 人 类，然后对年龄进行私有化 class Person(object): @property def age(self): return self._age # 这样的好处是，可以自定义赋值的逻辑，比如对数据进行某种验证 @age.setter # 这里 age 与 @property 包装的函数名一致 def age(self, value): if value > 18: # 永远18 value = 18 self._age = value p = Person() p.age = 18 # 实际上调用的是 p.set_age(60) print(p.age) # 实际上调用的是 p.get_age()
2. functools.lru_cache 装饰器。从字面来理解，lru 为 <span data-raw-text="" "="" data-textnode-index="145" data-index="2010" class="character" style=";padding: 0px">"Least Recently Used<span data-raw-text="" "="" data-textnode-index="145" data-index="2030" class="character" style=";padding: 0px">"即最近最少使用，cache，不用说，缓存的意思。所以我们就大致知道这个装饰器的作用了，就是缓存部分数据，如果缓存的数据超过限制，就通过 最近最少使用 的规则来淘汰数据。来看一个简单的例子：
# 一个简单的缓存用户的示例 import functools @functools.lru_cache() def get_user_info(user_id): # 根据用户 id 从数据库获取用户信息，这里简单的输出 id print("finding by %s" % user_id) return user_id print(get_user_info(1)) # outputs: finding by 1 1 print(get_user_info(1)) # outputs: 1 (可以发现直接拿到了结果) print(get_user_info(1.0)) # outputs: 1 (可以发现这里没有区分浮点数与整数) print(get_user_info(2)) # outputs: funding by 2 2 这里需要注意的是， lru_cache 有两个可选的参数配置：
functools.lru_cache(maxsize=128, typed=False)
其中，maxsize 指定可以缓存多少个结果，缓存满了之后，旧的结果被丢弃。一般建议 maxsize 的值是 2 的幂。typed 参数如果设置为 True，会区分不同类型的结果。比如会将 1 和 1.0 区分开。
3. functools.singledispatch 装饰器。这个也比较好理解，它的作用是用来将if…elif..elif…else 这样的代码进行模块化。有点类似于 JAVA 中重载的意味，但又不全是。它是在 Python 3.4 中新增的。我们来看一个简单的例子：
# 一个简单的根据不同类型的数据来进行不同的展示 import functools @functools.singledispatch def my_print(obj): print("%s -> %s" % (obj, type(obj))) @my_print.register(str) # 如果是字符串类型，相当于 if isinstance(str_msg, str) def _(str_msg): print("我是str") print("%s -> %s" % (str_msg, type(str_msg))) @my_print.register(int) # 如果是字符串类型，相当于 if isinstance(int_msg, int) def _(int_msg): print("我是int") print("%s -> %s" % (int_msg, type(int_msg))) my_print("haha") # outputs: 我是str haha -> my_print(1) # outputs: 我是int 1 -> my_print([1]) # outputs: [1] ->