Всё, что нужно знать о декораторах Python

В этом руководстве по декораторам мы рассмотрим, что они собой представляют, как их создавать и использовать. По определению, декоратор – это функция, которая принимает другую функцию и расширяет поведение последней, не изменяя ее явным образом. В этом туториале мы постараемся понять, что это значит и как реализуется.

Статья является сокращенным переводом публикации Гейра Арне Хьелле Primer on Python Decorators. Оригинальный код из этой статьи доступен в GitHub-репозитории.

Так как в коде много примеров, мы также подготовили Jupyter-блокнот с текстом перевода и адаптированным кодом, чтобы его было проще запускать интерактивно (о работе с Jupyter Библиотека программиста рассказывала в статье JupyterLab и Jupyter Notebook — мощные инструменты Data Science).

Если вам интересна интерактивность, но вы ничего дополнительно не хотите устанавливать, запустите его в Colab: нажимая последовательно [Shift]-[Enter], можно запускать сопроводительный код в ячейках интерактивного блокнота на удаленном сервере и при желании экспериментировать с ним.

1. Предварительные соображения: функции

Прежде чем начать разбираться в декораторах, немного поговорим о важных для их понимания свойствах функций.

1.1. Передача функции в качестве аргумента

В Python функции можно передавать и использовать в качестве аргументов, как и любой другой объект. Рассмотрим следующие три функции:

             def say_hello(name):     return f"Привет, {name}!"  def be_awesome(name):     return f"Класс, {name}, быть вместе так круто!"  def greet_vanya(greeter_func):     return greeter_func("Ваня")         

Здесь say_hello() и be_awesome() – обычные функции, которые получают строковую переменную name. Функция greet_bob() в качестве аргумента получает другую функцию, например say_hello() или be_awesome():

             >>> greet_vanya(say_hello) 'Привет, Ваня!'  >>> greet_vanya(be_awesome) 'Класс, Ваня, быть вместе так круто!'         

При передаче в качестве аргумента имя функции указывается без скобок – передаётся только ссылка на функцию. Сама функция не выполняется, пока не будет вызвана функция greet_vanya().

1.2. Внутренние функции

Функции, определенные внутри других функций, называются внутренними (inner functions). Пример функции с двумя внутренними функциями:

             def parent():     print("Привет из функции parent().")      def first_child():         print("Привет из функции first_child().")      def second_child():         print("Привет из функции second_child().")      second_child()     first_child()         

Что произойдёт при вызове функции parent()? Остановитесь, чтобы подумать. Вывод будет следующим:

             >>> parent() Привет из функции parent(). Привет из функции second_child(). Привет из функции first_child().         

Обратите внимание, что порядок, в котором определены внутренние функции, не имеет значения. Печать происходит только при вызове функции.

Внутренние функции не определены, пока не вызвана родительская функция. То есть они локально ограничены parent() и существуют только внутри нее, как локальные переменные. При вызове функции first_child() за пределами parent() мы получим ошибку:

             Traceback (most recent call last):   File "<stdin>", line 1, in <module> NameError: name 'first_child' is not defined         

1.3. Возврат функций из функций

Python позволяет использовать функции в качестве возвращаемых значений. В следующем примере возвращается одна из внутренних функций внешней функции parent():

             def parent(num):     def first_child():         return "Привет, меня зовут Ксавье."      def second_child():         return "Зови меня X ? A-12."      if num == 1:         return first_child     else:         return second_child         

В инструкции return возвращается ссылка на функцию, то есть имя функции указывается без скобок (иначе бы возвращался результат выполнения функции).

             >>> first = parent(1) >>> second = parent(2) >>> second = parent(2) <function __main__.parent.<locals>.first_child()> >>> second <function __main__.parent.<locals>.second_child()>          

В приведенном примере first и second – переменные, в которые были записаны ссылки на локальные функции first_child() и second_child() внутри функции parent(). Теперь first и second можно использовать как обычные функции, хотя функции, на которые они указывают, недоступны напрямую:

             >>> first() 'Привет, меня зовут Ксавье.' >>> second() 'Зови меня X ? A-12.'         

Обратите внимание, что в предыдущем разделе о внутренних функциях мы не имели доступа к first_child(). В последнем же примере мы получили ссылку на каждую функцию и можем их вызывать в будущем.

2. Простые декораторы ?

2.1. Общая идея: используем знания о функциях

Теперь, когда мы увидели, что функции в Python похожи на любые другие объекты, нам будет проще понять «магию» декораторов. Начнём с искусственного примера, поясняющего идею:

             def my_decorator(func):     def wrapper():         print("До вызова функции.")         func()         print("После вызова функции.")     return wrapper  def say_whee():     print("Ура!")  say_whee = my_decorator(say_whee)         

Знаете, что произойдёт при вызове say_where()?

             >>> say_whee() До вызова функции. Ура! После вызова функции.         

Чтобы понять, что происходит, оглянемся на предыдущие примеры. Мы просто применяем всё, что узнали до сих пор. Декорирование происходит в последней строчке:

             say_whee = my_decorator(say_whee)         

Мы передаем в функцию my_decorator() ссылку на функцию say_whee. В my_decorator() есть внутренняя функция wrapper(), ссылка на которую возвращается в инструкции return внешней функции. В результате мы передали в my_decorator() в качестве аргумента ссылку на одну функцию, а назад получили ссылку на её функцию-обёртку.

Теперь имя say_whee указывает на внутреннюю функцию wrapper:

             >>> say_whee <function __main__.my_decorator.<locals>.wrapper()>         

Однако wrapper() содержит ссылку на оригинал say_whee() и вызывает эту функцию между двумя вызовами print().

Проще говоря

Декоратор обертывает функцию, изменяя ее поведение.

Добавим динамики. Рассмотрим второй пример, иллюстрирующий динамическое поведение декораторов. Сделаем так, чтобы наша функция кричала "Ура!" только в дневное время.

             from datetime import datetime  def not_during_the_night(func):     def wrapper():         if 8 <= datetime.now().hour < 22:             func()         else:             pass  # Тише, соседи спят!     return wrapper  def say_whee():     print("Ура!")  say_whee = not_during_the_night(say_whee)         

Декорированная функция say_whee() будет выводить "Ура" только, если она запущена в интервале c 8:00 до 22:00 (чтобы проверить разницу в поведении, «подкрутите стрелки» ?).

2.2. Немного синтаксического сахара! ?

То, как мы декорировали say_whee(), прямо скажем, выглядит неуклюже. В последнем примере мы три раза использовали имя say_whee: при определении функции-оригинала, при передаче ссылку в функцию not_during_the_night() и при переопределении имени для создания ссылки на декоратор.

Чтобы не заниматься такими глупостями, в Python можно создать декоратор с помощью символа @. Следующий код эквивалентен первому рассмотренному примеру:

             def my_decorator(func):     def wrapper():         print("До вызова функции.")         func()         print("После вызова функции.")     return wrapper  @my_decorator def say_whee():     print("Ура!")         

             >>> say_whee() До вызова функции. Ура! После вызова функции.         

То есть инструкция @my_decorator, идущая перед определением функции say_whee() эквивалентна инструкции say_whee = my_decorator(say_whee).

2.3. Повторное использование декораторов

Как и любую другую функцию, декоратор можно поместить в отдельный модуль и использовать для различных целей. К примеру, создадим файл decorators.py со следующим содержанием:

             def do_twice(func):     def wrapper_do_twice():         func()         func()     return wrapper_do_twice         

Теперь импортируем функцию из модуля и используем как декоратор:

             from decorators import do_twice  @do_twice def say_whee():     print("Ура!")         

Вызвав декорированную функцию, мы получаем, что оригинальная функция выполняется дважды:

             >>> say_whee() Ура! Ура!         

2.4. Декорирование функций, принимающих аргументы ?

Пусть у нас есть функция, принимающая аргументы. Можем ли мы ее декорировать? Попробуем:

             from decorators import do_twice  @do_twice def greet(name):     print(f"Привет, {name}!")         

К сожалению, запуск кода вызовет ошибку:

             >>> greet("мир") Traceback (most recent call last):   File "<stdin>", line 1, in <module> TypeError: wrapper_do_twice() takes 0 positional arguments but 1 was given         

Проблема в том, что внутренняя функция декоратора wrapper_do_twice() не принимает аргументов. Нужно добавить их обработку. Перепишем decorators.py следующим образом:

             def do_twice(func):     def wrapper_do_twice(*args, **kwargs):         func(*args, **kwargs)         func(*args, **kwargs)     return wrapper_do_twice         

Теперь внутренняя функция декоратора принимает любое число документов и пересылает их декорируемой функции. Так обе декорированные функции будут работать корректно:

             >>> say_whee() Ура! Ура!  >>> greet("мир") Привет, мир! Привет, мир!         

2.5. Возвращение значение из декорированных функций ?

В декораторе можно описать, что делать со значением, возвращаемым декорированной функцией:

             from decorators import do_twice  @do_twice def return_greeting(name):     print("Готовлюсь приветствовать...")     return f"Привет, {name}!"         

Попытаемся использовать декорированную функцию:

             >>> hi_adam = return_greeting("Адам") Готовлюсь приветствовать... Готовлюсь приветствовать... >>> print(hi_adam) None         

К сожалению, декоратор «съел» значение, возвращаемое оригинальной функцией. Поскольку do_twice_wrapper() в явном виде не возвращает никакое значение, вызов в return_greeting("Адам") в конечном итоге вернул None.

Сделаем так, чтобы внутренняя функция декоратора возвращала значение декорированной функции. Поправим файл decorators.py:

             def do_twice(func):     def wrapper_do_twice(*args, **kwargs):         func(*args, **kwargs)         return func(*args, **kwargs)     return wrapper_do_twice         

Проверим, как всё работает теперь:

             >>> return_greeting("Адам") Готовлюсь приветствовать... Готовлюсь приветствовать... 'Привет, Адам!'         

2.6. Интроспекция: «кто ты такой, в самом деле?» ?

Большое удобство в работе с Python – его способность к интроспекции. У объекта есть доступ к собственным атрибутам. К примеру, у функции можно спросить её имя и вызвать документацию:

             >>> print <built-in function print>  >>> print.__name__ 'print'  >>> help(print) Help on built-in function print in module builtins:  print(...)     <full help message>         

Интроспекция работает и для пользовательских функций:

             >>> say_whee <function decorators.do_twice.<locals>.wrapper_do_twice(*args, **kwargs)> >>> say_whee.__name__ 'wrapper_do_twice' >>> help(say_whee) Help on function wrapper_do_twice in module decorators:  wrapper_do_twice(*args, **kwargs)         

Как видим, в результате декорирования функция say_whee() запуталась в собственной идентичности. Теперь она сообщает, что является внутренней функцией wrapper_do_twice в модуле decorators. Хотя это технически верно, эта информация не очень полезна.

Чтобы исправить ситуацию, декоратор должен использовать... специальный декоратор @functools.wraps. Этот декоратор позволяет сохранить информацию об исходной функции. Снова уточним модуль decorators.py:

             import functools  def do_twice(func):     @functools.wraps(func)     def wrapper_do_twice(*args, **kwargs):         func(*args, **kwargs)         return func(*args, **kwargs)     return wrapper_do_twice         

В самой декорируемой функции ничего менять не придется:

             >>> say_whee <function __main__.say_whee()> >>> say_whee.__name__ 'say_whee' >>> help(say_whee) Help on function say_whee in module __main__:  say_whee()         

Гораздо лучше! Теперь у функции say_whee() не наступает амнезии после декорирования.

3. Несколько примеров из реального мира?

Посмотрим на несколько полезных примеров декораторов. Как вы заметите, схема применения декораторов будет соответствовать тому паттерну, что мы получили в результате наших рассуждений:

             import functools  def decorator(func):     @functools.wraps(func)     def wrapper_decorator(*args, **kwargs):         # Что-то делаем до         value = func(*args, **kwargs)         # Что-то делаем после         return value     return wrapper_decorator         

Этот блок кода является хорошим шаблоном для создания более сложных декораторов.

Примечание

В следующих примерах мы будем предполагать, что все декораторы также сохраняются в модуле decorators.py. Напомним, что файлы с программным кодом этого туториала доступны в GitHub-репозитории.

3.1. Декоратор для тайминга кода ?

Начнем с создания декоратора @timer. Он будет измерять время выполнения функции и выводить результат в консоль:

             import functools import time  def timer(func):     """Выводит время выполнения декорируемой функции"""     @functools.wraps(func)     def wrapper_timer(*args, **kwargs):         start_time = time.perf_counter()          value = func(*args, **kwargs)         end_time = time.perf_counter()         run_time = end_time - start_time         print(f"Функция {func.__name__!r} выполнена за {run_time:.4f} с")         return value     return wrapper_timer  @timer def waste_some_time(num_times):     for _ in range(num_times):         sum([i**2 for i in range(10000)])         

Декоратор сохраняет текущее время в переменной start_time непосредственно перед запуском декорируемой функции. Это значение впоследствии вычитается из текущего значения end_time после выполнения функции. Полученная разность run_time передается в форматированную строку. Пара примеров:

             >>> waste_some_time(1) Функция 'waste_some_time' выполнена за 0.0010 с  >>> waste_some_time(999) Функция 'waste_some_time' выполнена за 0.3260 с         

Примечание

Декоратор @timer отлично подходит, если вы хотите получить представление о времени выполнения функции. Для более точных замеров используйте модуль стандартной библиотеки timeit. Мы рассказывали о нём в публикации Назад в будущее: практическое руководство по путешествию во времени с Python.

3.2. Отладочный декоратор ??

Следующий декоратор @debug будет выводить аргументы, с которыми вызвана функция, а также возвращаемое функцией значение:

             import functools  def debug(func):     @functools.wraps(func)     def wrapper_debug(*args, **kwargs):         args_repr = [repr(a) for a in args]                      # 1         kwargs_repr = [f"{k}={v!r}" for k, v in kwargs.items()]  # 2         signature = ", ".join(args_repr + kwargs_repr)           # 3         print(f"Вызываем {func.__name__}({signature})")         value = func(*args, **kwargs)         print(f"{func.__name__!r} возвращает {value!r}")         # 4         return value     return wrapper_debug         

Отмеченные комментариями строки соответствуют следующим операциям:

1. Создание списка позиционных аргументов: repr() используется для строкового представления каждого аргумента.
2. Создание списка аргументов, передающихся по ключу: f-строка форматирует каждый элемент в формате key=value со спецификатором !r, соответствующим repr().
3. Списки аргументов объединяются в общую подпись, элементы разделены запятыми.
4. Возвращаемое значение выводится после исполняемой функции.

Давайте посмотрим, как декоратор работает на практике, применив его к простой функции с одним позиционным аргументов и одним аргументом, передаваемым по ключу:

             @debug def make_greeting(name, age=None):     if age is None:         return f"Привет, {name}!"     else:         return f"Ого, {name}! Тебе уже {age}, как ты быстро растёшь!"         

Тестируем:

             >>> make_greeting("Бенджамин") Вызываем make_greeting('Бенджамин') 'make_greeting' возвращает 'Привет, Бенджамин!'  >>> make_greeting("Ричард", age=112) Вызываем make_greeting('Ричард', age=112) 'make_greeting' возвращает 'Ого, Ричард! Тебе уже 112, как ты быстро растёшь!' 'Ого, Ричард! Тебе уже 112, как ты быстро растёшь!'  >>> make_greeting(name="Доррисиль", age=116) Вызываем make_greeting(name='Доррисиль', age=116) 'make_greeting' возвращает 'Ого, Доррисиль! Тебе уже 116, как ты быстро растёшь!' 'Ого, Доррисиль! Тебе уже 116, как ты быстро растёшь!'         

Пример не сразу покажется полезным – декоратор @debug просто повторяет то, что мы ему прислали. Но он гораздо эффективнее, если его применить к небольшим вспомогательным функциям. Следующий пример иллюстрирует аппроксимацию для нахождения числавычисления числа e.

             import math from decorators import debug  math.factorial = debug(math.factorial)  def approximate_e(terms=18):     return sum(1 / math.factorial(n) for n in range(terms))         

Этот пример показывает, как вы можете применить декоратор к уже определенной функции. Аппроксимация нахождения числа е основана на следующем разложении в ряд:

При вызове функции approximate_e() мы увидим @debug за работой:

             >>> approximate_e(5) Вызываем factorial(0) 'factorial' возвращает 1 Вызываем factorial(1) 'factorial' возвращает 1 Вызываем factorial(2) 'factorial' возвращает 2 Вызываем factorial(3) 'factorial' возвращает 6 Вызываем factorial(4) 'factorial' возвращает 24 2.708333333333333         

Видно, что сложив только пять первых членов ряда, мы получаем довольно близкое значение к числу e.

3.3. Замедление кода ?

Следующий пример вряд ли покажется полезным. Зачем нам вообще замедлять код Python? Например, мы хотим ограничить частоту, с которой функция проверяет обновление веб-ресурса. Декоратор @slow_down будет выжидать одну секунду перед запуском декорируемой функции:

             import time  def slow_down(func):     """Ждёт 1 секундеу, прежде чем вызвать переданную функцию"""     @functools.wraps(func)     def wrapper_slow_down(*args, **kwargs):         time.sleep(1)         return func(*args, **kwargs)     return wrapper_slow_down  @slow_down def countdown(from_number):     if from_number < 1:         print("Поехали!")     else:         print(from_number)         countdown(from_number - 1)         

Чтобы увидеть результат действия декоратора, запустите пример:

             >>> countdown(3) 3 2 1 Поехали!         

Декоратор @slow_down спит всегда лишь одну секунду. Позднее мы увидим, как передавать декоратору аргумент, чтобы контролировать его скорость.

3.4. Регистрация плагинов

Вообще декораторы не обязаны «оборачивать» функцию, которую они декорируют. Они могут просто регистрировать то, что функция существует и возвращать на нее ссылку. Это может использоваться для создания легковесной архитектуры:

             import random PLUGINS = dict()  def register(func):     """Регистрирует функцию как плагин"""     PLUGINS[func.__name__] = func     return func  @register def say_hello(name):     return f"Привет, {name}!"  @register def be_awesome(name):     return f"Привет, {name}, классно быть вместе!"  def randomly_greet(name):     greeter, greeter_func = random.choice(list(PLUGINS.items()))     print(f"Используется {greeter!r}")     return greeter_func(name)         

В приведенном примере декоратор @register просто добавляет ссылку на декорируемую функцию в глобальный словарь PLUGINS. Никакой внутренней функции у декоратора нет, оригинальная функция возвращается немодифицированной, поэтому нет необходимости использовать @functools.wraps.

Функция randomly_greet() случайным образом выбирает, какую из зарегистрированных функций использовать для поздравления. Удобство состоит в том, что словарь PLUGINS уже содержит ссылку для каждой функции, к которой был применен декоратор @register:

             >>> PLUGINS {'say_hello': <function __main__.say_hello(name)>,  'be_awesome': <function __main__.be_awesome(name)>} >>> randomly_greet("Лео") Используется 'say_hello' 'Привет, Лео!'         

3.5. Залогинился ли пользователь? ?

Последний пример перед тем, как перейти к некоторым более изящным декораторам обычно используется при работе с веб-фреймворками. В этом примере мы используем Flask для настройки веб-страницы /secret – она должна быть видна только пользователям, вошедшим в систему:

             from flask import Flask, g, request, redirect, url_for import functools app = Flask(__name__)  def login_required(func):     """Make sure user is logged in before proceeding"""     @functools.wraps(func)     def wrapper_login_required(*args, **kwargs):         if g.user is None:             return redirect(url_for("login", next=request.url))         return func(*args, **kwargs)     return wrapper_login_required  @app.route("/secret") @login_required def secret():     ...         

Примечание

Хотя приведенный пример дает представление о том, как добавить аутентификацию в веб-фреймворк, обычно нет нужды писать такие декораторы самостоятельно. В случае Flask используйте расширение Flask-Login. Оно решает вопросы безопасности и имеет больше возможностей для настройки.

4. Декораторы поинтереснее ?

До сих пор мы видели довольно простые декораторы – нам нужно было понять, как они работают. Вы можете передохнуть и попрактиковаться в применении декораторов, чтобы позднее вернуться к этому разделу, посвященному продвинутым концепциям.

На текущий момент наш файл decorators.py имеет следующее содержание:

             import functools import time  def debug(func):     @functools.wraps(func)     def wrapper_debug(*args, **kwargs):         args_repr = [repr(a) for a in args]                      # 1         kwargs_repr = [f"{k}={v!r}" for k, v in kwargs.items()]  # 2         signature = ", ".join(args_repr + kwargs_repr)           # 3         print(f"Вызываем {func.__name__}({signature})")         value = func(*args, **kwargs)         print(f"{func.__name__!r} возвращает {value!r}")         # 4         return value     return wrapper_debug   def timer(func):     @functools.wraps(func)     def wrapper_timer(*args, **kwargs):         start_time = time.perf_counter()          value = func(*args, **kwargs)         end_time = time.perf_counter()         run_time = end_time - start_time         print(f"Функция {func.__name__!r} выполнена за {run_time:.4f} с")         return value     return wrapper_timer   def do_twice(func):     @functools.wraps(func)     def wrapper_do_twice(*args, **kwargs):         func(*args, **kwargs)         return func(*args, **kwargs)     return wrapper_do_twice         

4.1. Декорирование классов ????

Есть два способа применения декораторов к классам. Первый способ похож на то, что мы делали с функциями, – декорировать методы класса.

Примечание

Некоторые широко используемые декораторы встроены в Python: @classmethod, @staticmethod и @property. Первые два используются, чтобы определить методы внутри пространства имен классов, не связанные с конкретным экземпляром класса. Декоратор @property используется для настройки геттеров и сеттеров атрибутов класса.

Давайте определим класс, в котором декорируем некоторые из методов с помощью вышеописанных декораторов @debug и @timer:

             from decorators import debug, timer  class TimeWaster:     @debug     def __init__(self, max_num):         self.max_num = max_num      @timer     def waste_time(self, num_times):         for _ in range(num_times):             sum([i**2 for i in range(self.max_num)])         

Воспользуемся классом, чтобы увидеть действие декораторов:

             >>> tw = TimeWaster(1000) Вызываем __init__(<__main__.TimeWaster object at 0x7fd61850b710>, 1000) '__init__' возвращает None  >>> tw.waste_time(999) Функция 'waste_time' выполнена за 0.2181 с         

Другой подход – декорировать классы целиком. Написание декоратора класса очень похоже на написание декоратора функции. Разница лишь в том, что декоратор в качестве аргумента получит класс, а не функцию. Однако когда мы применяем декораторы функций к классам, их эффект может оказаться не таким, как предполагалось. В следующем примере мы применили декоратор @timer к классу:

             from decorators import timer  @timer class TimeWaster:     def __init__(self, max_num):         self.max_num = max_num      def waste_time(self, num_times):         for _ in range(num_times):             sum([i**2 for i in range(self.max_num)])         

Декорирование класса не приведет к декорированию его методов. В результате @timer измерит только время создания экземпляра класса:

             >>> tw = TimeWaster(1000) Функция 'TimeWaster' выполнена за 0.0000 с  >>> tw.waste_time(999) >>>         

Позднее мы покажем примеры правильного декорирования классов.

4.2. Вложенные декораторы ?

К функции можно применить несколько декораторов, накладывая их действие друг на друга:

             from decorators import debug, do_twice  @debug @do_twice def greet(name):     print(f"Привет, {name}!")         

В этом случае к функции будет применен сначала декоратор @do_twice, потом @debug:

             >>> greet("Ева") Вызываем greet('Ева') Привет, Ева! Привет, Ева! 'greet' возвращает None         

Посмотрим, что будет, если поменять порядок вызова декораторов:

             from decorators import debug, do_twice  @do_twice @debug def greet(name):     print(f"Привет, {name}!")         

             >>> greet("Ева") Вызываем greet('Ева') Привет, Ева! 'greet' возвращает None Вызываем greet('Ева') Привет, Ева! 'greet' возвращает None         

4.3. Декораторы, принимающие аргументы ?

Иногда полезно передавать декораторам аргументы, чтобы управлять их поведением. Например, @do_twice может быть расширен до декоратора @repeat(num_times). Число повторений декорируемой функции можно было бы указать в качестве аргумента:

             @repeat(num_times=4) def greet(name):     print(f"Привет, {name}!")         

             >>> greet("мир") Привет, мир! Привет, мир! Привет, мир! Привет, мир!         

Подумаем, как добиться такого поведения. Обычно декоратор создает и возвращает внутреннюю функцию-обертку. Мы могли бы дополнительно «обернуть» ее поведение с помощью другой внутренней функции:

             def repeat(num_times):     def decorator_repeat(func):         @functools.wraps(func)         def wrapper_repeat(*args, **kwargs):             for _ in range(num_times):                 value = func(*args, **kwargs)             return value         return wrapper_repeat     return decorator_repeat         

Немного похоже на фильм Кристофера Нолана «Начало», но мы просто поместили один шаблон многократно выполняющего функцию декоратора в другой декоратор и добавили обработку значения аргумента.

Давайте проверим, работает ли, как задумано:

             @repeat(num_times=4) def greet(name):     print(f"Привет, {name}!")         

             >>> greet("мир") Привет, мир! Привет, мир! Привет, мир! Привет, мир!         

4.4. «И того, и другого, и можно без хлеба!»

Немного потрудившись, мы можем определить декоратор, который можно использовать как с аргументами, так и без них.

Поскольку ссылка на декорируемую функцию передается напрямую только в случае, если декоратор был вызван без аргументов, ссылка на функцию должна быть необязательным аргументом. То есть все аргументы декоратора должны передаваться по ключу. Для этого мы можем применить специальный синтаксис (*), указывающий, что все остальные аргументы передаются по ключу:

             def name(_func=None, *, kw1=val1, kw2=val2, ...):     def decorator_name(func):         ...  # Создает и возвращает функцию-обёртку.      if _func is None:         return decorator_name     else:         return decorator_name(_func)          

Здесь аргумент _func действует как маркер, отмечающий, был ли декоратор вызван с аргументами или без них.

Если функция декоратора name будет вызвана без аргументов, декорируемая функция будет передана как _func. Если декоратор будет вызван с аргументами, тогда значение _func останется None, а передаваемые по ключу аргументы заменят значения по умолчанию. Символ * в списке аргументов означает, что следующие за ним аргументы не могут быть переданы как позиционные.

То есть в сравнении с предыдущей версией к декоратору добавилось условие if-else:

             def repeat(_func=None, *, num_times=2):     def decorator_repeat(func):         @functools.wraps(func)         def wrapper_repeat(*args, **kwargs):             for _ in range(num_times):                 value = func(*args, **kwargs)             return value         return wrapper_repeat      if _func is None:         return decorator_repeat     else:         return decorator_repeat(_func)         

             @repeat def say_whee():     print("Ура!")  @repeat(num_times=3) def greet(name):     print(f"Привет, {name}!")         

             >>> say_whee() Ура! Ура!  >>> greet('мир') Привет, мир! Привет, мир! Привет, мир!         

4.5. Декораторы, хранящие состояние ?

Иногда полезно иметь декораторы, отслеживающие состояние. В качестве простого примера мы создадим декоратор, который подсчитывает, сколько раз вызывалась функция.

В следующем разделе мы увидим, как использовать для сохранения состояния классы. Но в простых случаях достаточно декораторов функций:

             import functools  def count_calls(func):     @functools.wraps(func)     def wrapper_count_calls(*args, **kwargs):         wrapper_count_calls.num_calls += 1         print(f"{wrapper_count_calls.num_calls} вызов функции {func.__name__!r}")         return func(*args, **kwargs)     wrapper_count_calls.num_calls = 0     return wrapper_count_calls  @count_calls def say_whee():     print("Ура!")         

             >>> say_whee() 1 вызов функции 'say_whee' Ура!  >>> say_whee() 2 вызов функции 'say_whee' Ура!  >>> say_whee.num_calls 2         

4.6. Классы в качестве декораторов функций

Обычным способом хранения состояния является использование классов. Перепишем @count_calls из предыдущего раздела, используя в качестве декоратора класс.

Напомним, что синтаксис декоратора @my_decorator – это всего лишь более простой способ сказать func = my_decorator(func). Если my_decorator является классом, он должен принять func в качестве аргумента в методе __init__().

Кроме того, класс должен быть вызван так, чтобы он его можно было вызвать вместо декорируемой функции. Для этого в нем должен быть описан метод __call__():

             class Counter:     def __init__(self, start=0):         self.count = start      def __call__(self):         self.count += 1         print(f"Текущее значение счетчика – {self.count}")         

Метод __call__() вызывается всякий раз, когда мы обращаемся к экземпляру класса:

             >>> counter = Counter() >>> counter() Текущее значение счетчика – 1  >>> counter() Текущее значение счетчика – 2  >>> counter.count 2         

Таким, образом типичная реализация класса декоратора должна содержать __init__ () и __call__ ():

             import functools  class CountCalls:     def __init__(self, func):         functools.update_wrapper(self, func)         self.func = func         self.num_calls = 0      def __call__(self, *args, **kwargs):         self.num_calls += 1         print(f"{self.num_calls} вызов функции {self.func.__name__!r}")         return self.func(*args, **kwargs)  @CountCalls def say_whee():     print("Ура!")         

Метод __init__() должен хранить ссылку на функцию и может выполнять любую другую необходимую инициализацию.

Метод __call__() будет вызываться вместо декорированной функции. По сути, он делает то же самое, что и функция wrapper() в наших предыдущих примерах.

Обратите внимание, что в случае методов классов нужно использовать функцию functools.update_wrapper() вместо @functools.wraps.

Декоратор @CountCalls работает так же, как и в предыдущем разделе:

             >>> say_whee() 1 вызов функции 'say_whee' Ура!  >>> say_whee() 2 вызов функции 'say_whee' Ура!  >>> say_whee.num_calls 2         

5. Ещё несколько примеров из реального мира ?

Мы прошли долгий путь и узнали, как создаются всевозможные декораторы. Давайте подведем итоги, применив полученные знания для анализа полезных на практике программных конструкций.

5.1. Вновь замедляем код, но уже по-умному ?

Наша предыдущая реализация замедлителя кода @slow_down всегда «усыпляла» декорируемую функцию на одно и то же время. Давайте воспользуемся нашими знаниями о передачи в декоратор аргументов:

             import functools import time  def slow_down(_func=None, *, rate=1):     """Усыпляет функцию перед вызовом на переданное количество секунд"""     def decorator_slow_down(func):         @functools.wraps(func)         def wrapper_slow_down(*args, **kwargs):             time.sleep(rate)             return func(*args, **kwargs)         return wrapper_slow_down      if _func is None:         return decorator_slow_down     else:         return decorator_slow_down(_func)         

Проверим на примере функции countdown():

             @slow_down(rate=2) def countdown(from_number):     if from_number < 1:         print("Поехали!")     else:         print(from_number)         countdown(from_number - 1)         

             >>> countdown(3) 3 2 1 Поехали!         

5.2. Создание синглтонов ?

Синглтон – это класс с единственным экземпляром. В Python есть несколько часто используемых синглтонов, к примеру: None, True и False. Тот факт, что None является синглтоном, позволяет использовать оператор is для сравнения объектов с None. Мы пользовались этим выше:

             if _func is None:     return decorator_name else:     return decorator_name(_func)         

Оператор is возвращает True только для объектов, представляющих одну и ту же сущность.

Описанный ниже декоратор @singleton превращает класс в одноэлементный, сохраняя первый экземпляр класса в качестве атрибута. Последующие попытки создания экземпляра просто возвращают сохраненный экземпляр:

             import functools  def singleton(cls):     """Превращает класс в Singleton-класс с единственным экземпляром"""     @functools.wraps(cls)     def wrapper_singleton(*args, **kwargs):         if not wrapper_singleton.instance:             wrapper_singleton.instance = cls(*args, **kwargs)         return wrapper_singleton.instance     wrapper_singleton.instance = None     return wrapper_singleton  @singleton class TheOne:     pass         

Как видите, этот декоратор класса следует тому же шаблону, что и наши декораторы функций. Единственное отличие состоит в том, что мы используем cls вместо func в качестве имени параметра.

             >>> first_one = TheOne() >>> another_one = TheOne()  >>> id(first_one) 140242174053176  >>> id(another_one) 140242174053176  >>> first_one is another_one True         

first_one действительно представляет тот же экземпляр, что и another_one.

Примечание

Singleton-классы не так часто используются в Python, как в других языках. Эффект синглтона обычно лучше реализовать через глобальную переменную модуля.

5.3. Кэширование возвращаемых значений ?

Декораторы предоставляют прекрасный механизм для кэширования и мемоизации. В качестве примера давайте рассмотрим рекурсивное определение последовательности Фибоначчи:

             from decorators import count_calls  @count_calls def fibonacci(num):     if num < 2:         return num     return fibonacci(num - 1) + fibonacci(num - 2)         

Хотя реализация и выглядит просто, с производительностью дела обстоят плохо:

             >>> fibonacci(10) <Множество вызовов из count_calls> 55  >>> fibonacci.num_calls 177         

Чтобы рассчитать десятое число в последовательности Фибоначчи, в действительности достаточно лишь вычислить предыдущие числа этого ряда. Однако указанная реализация требует выполнения 177 вычислений. И ситуация быстро ухудшается: для 30-го числа потребуется 2.7 млн. операций. Это объясняется тем, что код каждый раз пересчитывает числа последовательности, уже известные из предыдущих этапов.

Обычное решение состоит в том, чтобы находить числа Фибоначчи, используя цикл for и справочную таблицу. Тем не менее, можно просто добавить к рекурсии кэширование вычислений:

             import functools from decorators import count_calls  def cache(func):     """Кэширует предыдущие вызовы функции"""     @functools.wraps(func)     def wrapper_cache(*args, **kwargs):         cache_key = args + tuple(kwargs.items())         if cache_key not in wrapper_cache.cache:             wrapper_cache.cache[cache_key] = func(*args, **kwargs)         return wrapper_cache.cache[cache_key]     wrapper_cache.cache = dict()     return wrapper_cache  @cache @count_calls def fibonacci(num):     if num < 2:         return num     return fibonacci(num - 1) + fibonacci(num - 2)         

Кэш работает как справочная таблица, поэтому теперь fibonacci() выполняет необходимые вычисления только один раз:

             >>> fibonacci(10) 1 вызов функции 'fibonacci' ... 11 вызов функции 'fibonacci' 55  >>> fibonacci(8) 21         

Заметьте, что при вызове fibonacci(8) не происходит никаких дополнительных расчетов – все необходимые значения уже найдены и сохранены при вычислении fibonacci(11).

Примечание

В стандартной библиотеке Python есть также декоратор для LRU-кэширования – @functools.lru_cache. Этот декоратор имеет больше возможностей, чем тот, что мы написали выше.

5.4. Добавление единиц измерения ??

Следующий пример похож на задачу о регистрации плагинов (функций) – здесь тоже не будет меняться поведение декорированной функции. Вместо этого к атрибутам функции будут добавляться единицы измерения:

             def set_unit(unit):     """Регистрирует юнит для переданной функции"""     def decorator_set_unit(func):         func.unit = unit         return func     return decorator_set_unit         

В следующем примере вычисляется объем цилиндра по известному радиусу и высоте, указанных в сантиметрах:

             import math  @set_unit("см^3") def volume(radius, height):     return math.pi * radius**2 * height         

Атрибут unit можно далее использовать по мере необходимости:

             >>> volume(3, 5) 141.3716694115407  >>> volume.unit 'см^3'         

Обратите внимание, что подобного поведения можно добиться, используя аннотации функций:

             import math  def volume(radius, height) -> "cm^3":     return math.pi * radius**2 * height         

Однако, использовать аннотации для единиц измерения несколько затруднительно, поскольку они обычно используются для статической проверки типов.

Примечание

Если вам нужно регулярно использовать единицы измерения, например, преобразовывать одни единицы в другие, обратите внимание на библиотеку pint: pip install Pint.

5.5. Валидация JSON ?

Рассмотрим последний пример практического применения декораторов. Взглянем на следующий обработчик маршрута Flask:

             @app.route("/grade", methods=["POST"]) def update_grade():     json_data = request.get_json()     if "student_id" not in json_data:         abort(400)     # Update database     return "success!"         

Здесь мы гарантируем, что ключ student_id является частью запроса. Хотя эта проверка работает, на деле она не относится к самой функции. Кроме того, могут быть другие маршруты, которые используют ту же самую проверку. Итак, давайте абстрагируем всю стороннюю логику с помощью декоратора @validate_json:

             from flask import Flask, request, abort import functools app = Flask(__name__)  def validate_json(*expected_args):     def decorator_validate_json(func):         @functools.wraps(func)         def wrapper_validate_json(*args, **kwargs):             json_object = request.get_json()             for expected_arg in expected_args:                 if expected_arg not in json_object:                     abort(400)             return func(*args, **kwargs)         return wrapper_validate_json     return decorator_validate_json         

В приведенном выше коде декоратор принимает в качестве аргумента список переменной длины. Каждый аргумент представляет собой ключ, используемый для проверки данных JSON. Функция-обертка проверяет, присутствует ли каждый ожидаемый ключ в данных JSON. Теперь обработчик маршрута может сосредоточиться на своей главной работе – обновлении оценок студентов:

             @app.route("/grade", methods=["POST"]) @validate_json("student_id") def update_grade():     json_data = request.get_json()     # Update database.     return "Журнал оценкок успешно обновлен."         

Заключение

Поздравляем, вы дошли до конца статьи! ??

Итак, теперь вы знаете:

• Как создавать декораторы функций и классов.
• Как передавать в декораторы аргументы и возвращать из них значения.
• Зачем в декораторах используется @functools.wraps.
• Как использовать вложенные декораторы.
• Как при помощи декораторов хранить состояния и кэшировать результаты функций.

В определении декораторов нет никакой магии. Обычно всё направлено на создание функции или класса, выступающих в качестве обёртки. Для передачи аргументов применяется обычная нотация *args и **kwargs. А использование знака @ представляет лишь синтаксический сахар, облегчающий вызов декораторов.

Декораторы очень удобны, чтобы модифицировать поведение функций и классов, создавать для их обработки дополнительную логику. При этом такие шаблоны модификации легко наслаивать друг на друга с помощью вложенных декораторов. Чтобы снять декорирование, достаточно просто удалить строчку с упоминанием декоратора.

Для ещё более глубокого погружения в декораторы, посмотрите исторический документ PEP 318, а также вики-страницу, посвященную декораторам Python.

Сторонний модуль decorator также поможет вам в создании собственных декораторов. Его документация содержит ещё больше примеров использования декораторов.

Если вам понравилась эта статья, вот ещё три родственных материала по важным темам Python:

• Не изобретать велосипед, или Обзор модуля collections в Python
• Итерируем правильно: 20 приемов использования в Python модуля itertools
• Назад в будущее: практическое руководство по путешествию во времени с Python

Источники

• https://realpython.com/primer-on-python-decorators/

Источник: proglib.io

Комментарии: