首页手记 Python装饰器进阶之一

Python装饰器进阶之一

标签：

Python Linux 测试

Python装饰器进阶之一

先看例子

网上有很多装饰器的文章，上来说半天也没让人看明白装饰器到底是个什么，究竟有什么用，我们直接来看几个例子。

Python递归求斐波那契数列

def fibonacci(n):
    if n <= 1:
        return 1
    return fibonacci(n - 1) + fibonacci(n - 2)
print(fibonacci(50))

这是一个很常见的求斐波那契数列的例子，但是这其中有非常多的重复计算。

如：我们要计算第10位数字是多少，就要先计算出第9位数字是多少，并且是从0计算到9。此时我们已经计算过0-9位数字的值，甚至已经知道第10位数字的值，但是当计算第11位的时候却又要重复一遍。也就是说我们如果计算第50位数字是多少，就要先计算0-1,0-2,0-3 ... 0-48,0-49,0-50。数字越大，重复的计算就越多。上面的程序有兴趣的可以运行一下，我等待了五分钟没有出结果就强行在任务管理器关闭了。

略微修改一下

# 增加一个缓存字典
def fibonacci(n, cache=None):
    # 第一次没有任何缓存，初始化字典
    if cache is None:
        cache = {}
    # 如果n这个数字，是我们已经计算过的，就不需要再去递归从头计算了
    if n in cache:
        return cache[n]

    if n <= 1:
        return 1
    # 如果缓存没有，就把它增加到缓存中去
    cache[n] = fibonacci(n - 1, cache) + fibonacci(n - 2, cache)
    return cache[n]

print(fibonacci(50))

运行结果：

20365011074
[Finished in 0.1s]

前面运行五分钟没有任何结果，而简单修改以后仅仅用了0.1秒，可见重复计算对性能的影响用几何倍数称呼都不为过。

思考：

这种重复计算的问题，在我们的项目中是非常常见的，特别是一些计算概率的方法，都需要重复计算。那么我们总不能每个方法都这样改写一次吧？那样我们的项目中会包含大量的冗余代码，不利于我们的维护，也违背了我们高内聚，低耦合的编程思想。那我们能否实现，只用写一个增加缓存的方法，然后其他的方法我们都使用这个方法来装饰它，让它拥有这个功能。

实现思路：

写一个方法假设方法名为add_cache，该方法拥有缓存

add_cache接收一个参数，参数就是原方法的对象

在add_cache方法内部，有一个wrap方法，该方法就接收原来fibonacci方法的参数

wrap方法首先判断参数是否在缓存中，如果在，就直接返回缓存中的值

如果不在缓存中就调用原来的fibonacci方法计算然后把值保存在缓存中

在add_cache中返回新的wrap方法的对象

举个栗子

# 装饰方法
def add_cache(func):
    cache = {}
    # 因为方法可能不是都只有一个参数，所以我们使用这种形式可以接收任意个参数
    # wrap可以随便起名的，还有add_cache都是随便起名字不是固定的
    def wrap(*args):
        # 如果这些参数不在cache中
        if args not in cache:
            # 调用原方法，并且把这些参数对应的值存储在cache中
            # 需要注意的是，传递给原方法我们要把元组形式的args拆分成单个参数
            cache[args] = func(*args)
        # 在cache中就直接返回
        return cache[args]
    # 我们需要把新的方法对象返回回去，这样用户调用add_cache传递旧的方法就能得到新的方法对象
    return wrap

# 计算斐波那契的方法
def fibonacci(n):
    if n <= 1:
        return 1
    return fibonacci(n - 1) + fibonacci(n - 2)

"""
    调用装饰方法，获得新的增加了功能的对象，通常新方法名保持和原方法名一致，这样原来的业务逻辑不需要做任何修改
"""
fibonacci = add_cache(fibonacci)
# 需要注意的是，Python的数值也是有长度限制的，在Win10x64计算机上，最高可以计算第332位
print(fibonacci(50))

看完上面的例子以后，有人可能会说：这不是忽悠人呢？你以为我是新手啊，不知道什么是装饰器吗？装饰器我看人家都是用@符号后面跟个名字，然后写在方法上就可以了。

我想说，之所以能够实现@符号装饰，是因为Python给我们提供了这样的便利，再来看上面的例子：

def add_cache(func):
    cache = {}
    def wrap(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return wrap

# 装饰fibonacci方法，只用一个@符号，后跟自己写的装饰方法即可
@add_cache
def fibonacci(n):
    if n <= 1:
        return 1
    return fibonacci(n - 1) + fibonacci(n - 2)
# 此时这个fibonacci实际上已经被增加了新的功能
print(fibonacci(50))

同样能够实现之前的功能。