《A Byte of Python》17.8节讲decorator的时候，用到了functools模块中的一个装饰器：wraps。因为之前没有接触过这个装饰器，所以特地研究了一下。
何谓“装饰器”？
《A Byte of Python》中这样讲：
“Decorators are a shortcut to applying wrapper functions. This is helpful to “wrap” functionality with the same code over and over again.”
《Python参考手册（第4版）》6.5节描述如下：
“装饰器是一个函数，其主要用途是包装另一个函数或类。这种包装的首要目的是透明地修改或增强被包装对象的行为。”
Python官方文档中这样定义：
“A function returning another function, usually applied as a function transformation using the @wrapper syntax. Common examples for decorators are classmethod() and staticmethod().”
让我们来看一下《Python参考手册》上6.5节的一个例子（有些许改动）：
# coding: utf-8
# Filename: decorator_wraps_test.py
# 2014-07-05 18:58
import sys debug_log = sys.stderr def trace(func):
if debug_log:
def callf(*args, **kwargs):
"""A wrapper function."""
debug_log.write('Calling function: {}\n'.format(func.__name__))
res = func(*args, **kwargs)
debug_log.write('Return value: {}\n'.format(res))
return res
return callf
else:
return func @trace
def square(x):
"""Calculate the square of the given number."""
return x * x if __name__ == '__main__':
print(square(3))
输出：
Calling function: square
Return value: 9
9
这个例子中，我们定义了一个装饰器trace，用于追踪函数的调用过程及函数调用的返回值。如果不用装饰器语法，我们也可以这样写：
def _square(x):
return x * x square = trace(_square)
上面两段代码，使用装饰器语法的版本和不用装饰器语法的版本实际上是等效的。只是当我们使用装饰器时，我们不必再手动调用装饰器函数。
嗯。trace装饰器看起来棒极了！假设我们把如上代码提供给其他程序员使用，他可能会想看一下square函数的帮助文档：
>>> from decorator_wraps_test import square
>>> help(square) # print(square.__doc__)
Help on function callf in module decorator_wraps_test: callf(*args, **kwargs)
A wrapper function.
看到这样的结果，使用decorator_wraps_test.py模块的程序员一定会感到困惑。他可能会带着疑问敲入如下代码：
>>> print(square.__name__)
callf
这下，他可能会想看一看decorator_wraps_test.py的源码，找一找问题究竟出现在了哪里。我们知道，Python中所有对象都是“第 一类”的。比如，函数（对象），我们可以把它当作普通的数据对待：我们可以把它存储到容器中，或者作为另一个函数的返回值。上面的程序中，在 debug_log为真的情况下，trace会返回一个函数对象callf。这个函数对象就是一个“闭包”，因为当我们通过：
def _square(x): return x * x
square = trace(_square)
把trace返回的callf存储到square时，我们得到的不仅仅是callf函数执行语句，还有其上下文环境:
>>> print('debug_log' in square.__globals__)
True
>>> print('sys' in square.__globals__)
True
因此，使用装饰器修饰过的函数square，实际上是一个trace函数返回的“闭包”对象callf，这就揭示了上面help(square)以及print(square.__name__)的输出结果了。
那么，怎样才能在使用装饰器的基础上，还能让help(square)及print(square.__name__)得到我们期待的结果呢？这就是functools模块的wraps装饰器的作用了。
让我们先看一看效果：
# coding: utf-8
# Filename: decorator_wraps_test.py
# 2014-07-05 18:58
import functools
import sys debug_log = sys.stderr def trace(func):
if debug_log:
@functools.wraps(func)
def callf(*args, **kwargs):
"""A wrapper function."""
debug_log.write('Calling function: {}\n'.format(func.__name__))
res = func(*args, **kwargs)
debug_log.write('Return value: {}\n'.format(res))
return res
return callf
else:
return func @trace
def square(x):
"""Calculate the square of the given number."""
return x * x if __name__ == '__main__':
print(square(3))
print(square.__doc__)
print(square.__name__)
输出：
Calling function: square
Return value: 9
9
Calculate the square of the given number.
square
很完美！哈哈。这里，我们使用了一个带参数的wraps装饰器“装饰”了嵌套函数callf，得到了预期的效果。那么，wraps的原理是什么呢？
首先，简要介绍一下带参数的装饰器：
>>> def trace(log_level):
def impl_f(func):
print(log_level, 'Implementing function: "{}"'.format(func.__name__))
return func
return impl_f >>> @trace('[INFO]')
def print_msg(msg): print(msg) [INFO] Implementing function: "print_msg"
>>> @trace('[DEBUG]')
def assert_(expr): assert expr [DEBUG] Implementing function: "assert_"
>>> print_msg('Hello, world!')
Hello, world!
这段代码定义了一个带参数的trace装饰器函数。因此：
@trace('[INFO]')
def print_msg(msg): print(msg)
等价于：
temp = trace('[INFO]')
def _print_msg(msg): print(msg)
print_msg = temp(_print_msg)
相信这样类比一下，带参数的装饰器就很好理解了。（当然，这个例子举得并不好。《Python参考手册》上有一个关于带参数的装饰器的更好的例子，感兴趣的童鞋可以自己看看 。）
接下来，让我们看看wraps这个装饰器的代码吧！
让我们先找到functools模块文件的路径：
>>> import functools
>>> functools.__file__
'D:\\Program Files\\Python34\\lib\\functools.py'
下面，把wraps相关的代码摘录出来：
WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__',
'__annotations__')
WRAPPER_UPDATES = ('__dict__',)
def update_wrapper(wrapper,
wrapped,
assigned = WRAPPER_ASSIGNMENTS,
updated = WRAPPER_UPDATES):
"""Update a wrapper function to look like the wrapped function
wrapper is the function to be updated
wrapped is the original function
assigned is a tuple naming the attributes assigned directly
from the wrapped function to the wrapper function (defaults to
functools.WRAPPER_ASSIGNMENTS)
updated is a tuple naming the attributes of the wrapper that
are updated with the corresponding attribute from the wrapped
function (defaults to functools.WRAPPER_UPDATES)
"""
for attr in assigned:
try:
value = getattr(wrapped, attr)
except AttributeError:
pass
else:
setattr(wrapper, attr, value)
for attr in updated:
getattr(wrapper, attr).update(getattr(wrapped, attr, {}))
# Issue #17482: set __wrapped__ last so we don't inadvertently copy it
# from the wrapped function when updating __dict__
wrapper.__wrapped__ = wrapped
# Return the wrapper so this can be used as a decorator via partial()
return wrapper
def wraps(wrapped,
assigned = WRAPPER_ASSIGNMENTS,
updated = WRAPPER_UPDATES):
"""Decorator factory to apply update_wrapper() to a wrapper function
Returns a decorator that invokes update_wrapper() with the decorated
function as the wrapper argument and the arguments to wraps() as the
remaining arguments. Default arguments are as for update_wrapper().
This is a convenience function to simplify applying partial() to
update_wrapper().
"""
return partial(update_wrapper, wrapped=wrapped,
assigned=assigned, updated=updated)
从代码中可以看到，wraps是通过functools模块中另外两个函数：partial和update_wrapper来实现其功能的。让我们看一看这两个函数：
1. partial函数
partial函数实现对函数参数进行部分求值（《Python参考手册》中4.9有这么一句：函数参数的部分求值与叫做柯里化（currying）的过程关系十分密切。虽然不是太明白，但感觉很厉害的样子！2014-07-07 15:05追加内容：在百度博客中，zotin大哥回复了我，并对函数式编程中柯里化概念做了一些解释。）：
>>> from functools import partial
>>> def foo(x, y, z):
print(locals())
>>> foo(1, 2, 3)
{'z': 3, 'y': 2, 'x': 1}
>>> foo_without_z = partial(foo, z = 100)
>>> foo_without_z
functools.partial(<function foo at 0x00000000033FC6A8>, z=100)
>>> foo_without_z is foo
False
>>> foo_without_z(10, 20)
{'z': 100, 'y': 20, 'x': 10}
这里，我们通过partial为foo提供参数z的值，得到了一个新的“函数对象”（这里之所以加个引号是因为foo_without_z和一般的函数对象有些差别。比如，foo_without_z没有__name__属性。）foo_without_z。因此，本例中：
foo_without_z(10, 20)
等价于：
foo(10, 20, z = 100)
（比较有趣的一点是，foo_without_z没有__name__属性，而其文档字符串__doc__也和partial的文档字符串很相像。此外， 我认为，这里的partial和C++标准库中的bind1st、bind2nd这些parameter binders有异曲同工之妙。这里没有把partial函数的实现代码摘录出来，有兴趣的童鞋可以自己研究一下它的工作原理。）
因此，wraps函数中：
return partial(update_wrapper, wrapped=wrapped,
assigned=assigned, updated=updated)
实际上是返回一个对update_wrapper进行部分求值的“函数对象”。因此，上例中使用了wraps装饰器的decorator_wraps_test.py的等价版本如下：
def trace(func):
if debug_log:
def _callf(*args, **kwargs):
"""A wrapper function."""
debug_log.write('Calling function: {}\n'.format(func.__name__))
res = func(*args, **kwargs)
debug_log.write('Return value: {}\n'.format(res))
return res _temp = functools.wraps(func)
callf = _temp(_callf)
return callf
else:
return func
对wraps也进行展开：
def trace(func):
if debug_log:
def _callf(*args, **kwargs):
"""A wrapper function."""
debug_log.write('Calling function: {}\n'.format(func.__name__))
res = func(*args, **kwargs)
debug_log.write('Return value: {}\n'.format(res))
return res _temp = functools.partial(functools.update_wrapper,
wrapped = func,
assigned = functools.WRAPPER_ASSIGNMENTS,
updated = functools.WRAPPER_UPDATES)
callf = _temp(_callf)
return callf
else:
return func
最后，对partial的调用也进行展开：
def trace(func):
if debug_log:
def _callf(*args, **kwargs):
"""A wrapper function."""
debug_log.write('Calling function: {}\n'.format(func.__name__))
res = func(*args, **kwargs)
debug_log.write('Return value: {}\n'.format(res))
return res callf = functools.update_wrapper(_callf,
wrapped = func,
assigned = functools.WRAPPER_ASSIGNMENTS,
updated = functools.WRAPPER_UPDATES) return callf
else:
return func
这次，我们看到的是很直观的函数调用：用_callf和func作为参数调用update_wrapper函数。
2. update_wrapper函数
update_wrapper做的工作很简单，就是用参数wrapped表示的函数对象（例如：square）的一些属性（如：__name__、 __doc__）覆盖参数wrapper表示的函数对象（例如：callf，这里callf只是简单地调用square函数，因此可以说callf是 square的一个wrapper function）的这些相应属性。
因此，本例中使用wraps装饰器“装饰”过callf后，callf的__doc__、__name__等属性和trace要“装饰”的函数square的这些属性完全一样。
经过上面的分析，相信你也了解了functools.wraps的作用了吧。
最后，《A Byte of Python》一书讲装饰器的时候提到了一篇博客：DRY Principles through Python Decorators 。有兴趣的童鞋可以去阅读以下。