考察上一节的 @log 装饰器：
def log(f):
def fn(x):
print('call ' + f.__name__ + '()...')
return f(x)
return fn
发现对于被装饰的函数，log打印的语句是不能变的（除了函数名）。
如果有的函数非常重要，希望打印出'[INFO] call xxx()...'。
有的函数不太重要，希望打印出'[DEBUG] call xxx()...'。
这时，log函数本身就需要传入'INFO'或'DEBUG'这样的参数，类似这样：
@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，相当于是在原有的二层嵌套里面，增加了一层嵌套：
def log(prefix):
def log_decorator(f):
def wrapper(*args, **kw):
print('[{}] {}()...'.format(prefix, f.__name__))
return f(*args, **kw)
return wrapper
return log_decorator
@log('DEBUG')
def test():
pass
test()
执行结果：
[DEBUG] test()...
对于这种三层嵌套的decorator定义，你可以先把它拆开：
# 标准decorator:
def log_decorator(f):
def wrapper(*args, **kw):
print('[{}] {}()...'.format(prefix, f.__name__))
return f(*args, **kw)
return wrapper
return log_decorator
# 返回decorator:
def log(prefix):
return log_decorator(f)
上一节的@performance只能打印秒，请给 @performace 增加一个参数，允许传入's'或'ms'：
@performance('ms')
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
要实现带参数的@performance，就需要实现：
my_func = performance('ms')(my_func)
需要三层嵌套的decorator来实现。
参考答案：
import time
def performance(unit):
def perf_decorator(f):
def wrapper(*args, **kwargs):
t1 = time.time()
r = f(*args, **kwargs)
t2 = time.time()
t = (t2 - t1) * 1000 if unit == 'ms' else (t2 - t1)
print('call {}() in {} {}'.format(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(10)
请验证，完成请求
由于请求次数过多，请先验证，完成再次请求
打开微信扫码自动绑定
绑定后可得到
使用 Ctrl+D 可将课程添加到书签
举报