Python闭包与装饰器

一、闭包

函数是一个对象，所以可以对象的形式作为某个函数的结果返回。函数执行完后内部变量将会被回收。在闭包中，由于内部函数存在对外部函数的变量的引用，所以即使外部函数执行完毕，该变量依然存在。

闭包简单来说，外部函数FunOut()里面包含一个内部函数FunIn(),并且外部函数返回内部函数的对象FunIn，内部函数存在对外部函数的变量的引用。那么这个内部函数FunIn就叫做闭包。你在调用函数FunA的时候传递的参数就是自由变量。

[python] view plain copy print?

def FunOut(name):#外部函数包含内部函数
def FunIn(age):
print 'name:', name, 'age:', age #内部函数存在对外部函数变量的引用，如name
return FunIn #返回内部函数对象FunIn
Funin= FunOut('Alian') #Alian传给参数name,并且返回函数FunIn对象给Funin
Funin(25) #此时Funin相当于调用函数FunIn，因此25传给参数age
运行输出：
name: Alian age: 25

def FunOut(name):#外部函数包含内部函数
  def FunIn(age):
    print 'name:', name, 'age:', age #内部函数存在对外部函数变量的引用，如name
  return FunIn                       #返回内部函数对象FunIn
Funin= FunOut('Alian') #Alian传给参数name,并且返回函数FunIn对象给Funin
Funin(25)              #此时Funin相当于调用函数FunIn，因此25传给参数age
运行输出：
name: Alian age: 25

这里面调用FunOut()的时候就产生了一个闭包FunIn，并且该闭包持有自由变量name，因此这也意味着，当函数FunOut()的生命周期结束之后，自由变量name依然存在，因为它被闭包引用了，所以不会被回收。

[python] view plain copy print?

def line_conf(a, b):
def line(x):
return ax + b
return line
line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5), line2(5))

def line_conf(a, b):
    def line(x):
        return ax + b
    return line
 
line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5), line2(5))

这个例子中，函数line与环境变量a,b构成闭包。在创建闭包的时候，我们通过line_conf的参数a,b说明了这两个环境变量的取值，这样，我们就确定了函数的最终形式(y = x + 1和y = 4x + 5)。我们只需要变换参数a,b，就可以获得不同的直线表达函数。由此，我们可以看到，闭包也具有提高代码可复用性的作用。
如果没有闭包，我们需要每次创建直线函数的时候同时说明a,b,x。这样，我们就需要更多的参数传递，也减少了代码的可移植性。利用闭包，我们实际上创建了泛函。line函数定义一种广泛意义的函数。这个函数的一些方面已经确定(必须是直线)，但另一些方面(比如a和b参数待定)。随后，我们根据line_conf传递来的参数，通过闭包的形式，将最终函数确定下来。

二、装饰器概念

Python的学习教程：http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。装饰器接受其他函数为参数并返回一个装饰过的函数（或其他对象）。

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def now():
...     print '2013-12-25'
...
>>> f = now
>>> f()
2013-12-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改 now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func):
    def wrapper(*args, **kw):
        print 'call %s():' % func.__name__
        return func(*args, **kw)
    return wrapper

观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助 Python的@语法，把decorator置于函数的定义处：

@log
def now():
    print '2013-12-25'

调用now()函数，不仅会运行 now()函数本身，还会在运行now()函数前打印一行日志：

>>> now()
call now():
2013-12-25

把@log放到now()函数的定义处，相当于执行了语句：

now = log(now)

由于log()是一个decorator，返回一个函数，所以，原来的 now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在 log()函数中返回的wrapper()函数。

wrapper()函数的参数定义是 (*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在 wrapper()函数内，首先打印日志，再紧接着调用原始函数。

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print '%s %s():' % (text, func.__name__)
            return func(*args, **kw)
        return wrapper
    return decorator

这个3层嵌套的decorator用法如下：

@log('execute')
def now():
    print '2013-12-25'

执行结果如下：

>>> now()
execute now():
2013-12-25

和两层嵌套的decorator相比，3层嵌套的效果是这样的：

>>> now = log('execute')(now)

我们来剖析上面的语句，首先执行log('execute')，返回的是 decorator函数，再调用返回的函数，参数是now函数，返回值最终是 wrapper函数。

以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的 __name__已经从原来的'now'变成了 'wrapper'：

>>> now.__name__
'wrapper'

因为返回的那个wrapper()函数名字就是 'wrapper'，所以，需要把原始函数的__name__等属性复制到 wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。

不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的 functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print 'call %s():' % func.__name__
        return func(*args, **kw)
    return wrapper

或者针对带参数的decorator：

import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print '%s %s():' % (text, func.__name__)
            return func(*args, **kw)
        return wrapper
    return decorator

import functools是导入 functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上 @functools.wraps(func)即可。

小结

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

请编写一个decorator，能在函数调用的前后打印出'begin call'和 'end call'的日志。

再思考一下能否写出一个@log的decorator，使它既支持：

@log
def f():
    pass

又支持：

@log('execute')
def f():
    pass

(1)无参数装饰器

[python] view plain copy print?

# coding=utf-8
def log(func):
def wrapper(i, j):
print('call %s():' % func.__name__)
return func(i, j)
return wrapper
@log
def now(i, j):
print('i=%s ,j=%d' % (i, j))
now(1, 2)

# coding=utf-8
def log(func):
    def wrapper(i, j):
        print('call %s():' % func.__name__)
        return func(i, j)
    return wrapper
@log
def now(i, j):
    print('i=%s ,j=%d' % (i, j))
now(1, 2)

输出结果：

[python] view plain copy print?

call now():
i=1 ,j=2

call now():
i=1 ,j=2

上例，无参的装饰器，相当于直接调用：

[python] view plain copy print?

now=log(now)
now(1, 2)

now=log(now)
now(1, 2)

(2)有参数装饰器

如果decorator本身需要传入参数，则需要使用三层嵌套关系了

[python] view plain copy print?

# coding=utf-8
def log(text):
def decorator(func):
def wrapper(i, j):
print('%s %s():' % (text, func.__name__))
return func(i, j)
return wrapper
return decorator
@log('execute')
def now(i, j):
print('i=%s ,j=%d' %(i ,j ))
now = log("Alian")(now)
now(1, 2)

# coding=utf-8
def log(text):
    def decorator(func):
        def wrapper(i, j):
            print('%s %s():' % (text, func.__name__))
            return func(i, j)
        return wrapper
    return decorator
@log('execute')
def now(i, j):
    print('i=%s ,j=%d' %(i ,j ))
now = log("Alian")(now)
now(1, 2)

1. 原文请参考：http://blog.csdn.net/thy38/article/details/4471421

2.Python装饰器学习：http://blog.csdn.NET/thy38/article/details/4471421
3. Python装饰器与面向切面编程：http://www.cnblogs.com/huxi/archive/2011/03/01/1967600.html
4. Python装饰器的理解： http://apps.hi.baidu.com/share/detail/17572338