import time
def performance(unit):
def log_decorator(f):
def fn(*args, **kw):
t1=time.time()
r=f(*args, **kw)
t2=time.time()
print 'call %s() in %f%s' % (f.__name__,t2-t1,unit)
return r # 返回f函数，即x*y？
return fn # 闭包？为了传参不受限制？
return log_decorator # 闭包？
@performance('ms')
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))print factorial(10)
2020-01-16
然后开始定义我们的闭包函数,我之前不知道高阶函数,都叫闭包,这只是个名字不要纠结
首先闭包至少两层函数嵌套,这没问题
那就定义一个performance函数,
接下来返回值要是一个函数,那就写好return 一个函数,在开始定义里面函数
这一层内层函数一定要执行想要装饰的函数本身,否则就不叫装饰器了,而传进来的函数就是performance的参数f,
即f 就是@performance这句代码下面的函数 factorial,至于为什么是这个函数,那就是@语法的内部操作了.不用太纠结
所以在performance 和 fn这两个函数空间内,都可以执行额外的操作.闭包的作用就是为了不改动源代码 facorial 而进行额外操作.
你可以把 factorial(10)一步步分
factorial(10)
变成 factorial(10) = performance(factorial)(10) // 可以理解吗?
由performance return 之后在变成 fn(10) //因为只返回了fn函数 即return 而不是返回fn()的调用结果
所以变成了fn(10) 即变成调用fn,参数是10
r = f(*args, **kw)
这一句调用f 就是调用最外层当初传进来的原始函数factorial
而里面的参数*args **kwargs 就是 fn(定义时的参数)
因为函数内部可以访问传进来的参数,这个好理解
*args **kwargs 这种参数定义就为了解决我也不知道装饰的函数有多少参数,反正全部接受在全部传递最保险
明白了吗?
再加一句
@performance
def factorial(n):
//这里是函数源代码
这句装饰可以理解为
执行函数前自动执行了 performance(factorial)
完整拆开理解就是
执行一次函数调用factorial(10) 装饰后实际上执行 performance(factorial)(10) 即先吊用闭包函数
得到闭包内层函数之后在把原本参数10传递进内层函数,内层函数里面在调用原函数并且给参数10
就是不用直接调用,而是用函数来间接调用原函数
@装饰器的好处就是省略performance(factorial)(10)的手写过程.而且更好理解.只要用@装饰了,还是直接写原函数调用,逻辑简单
这是我二层的回答,三层也就是在@函数名 这句上再加个()传参调用罢了
个人拙见：
log_decorator(f) 这个是装饰器，它为了装饰 f 而存在，所以他有参数 f ，而在它内部有fn这个闭包，这个闭包是为了 传 f 的参数设置的，所以它的参数为 *args, **kw，在它内部，除了r = f(*args, **kw), 其他都是装饰，在装饰完以后,必然要返回所装饰的函数 f 即 return r. 顺着这个意义，外层自然要返回 fn，这里的fn就是r,顺着内层一层层返回，到这里，普通的无参装饰器就完事了，但这里装饰器也有参数，所以再套一层performance(unit),把装饰器参数传进去，最后再顺着上层返回log_decorator(也就是最内层的r）
总结一下，三层的装饰器函数分别有不同的存在的意义：传装饰器参数、传函数、传函数参数
而三层装饰器函数的返回值都是一个目的：返回原函数 f
举报
