@wraps 修饰器：让你的 Python 代码更加简短可爱 | 从简单实例来认识它

我们在上一篇文章（Python实例来认识并发与并行）中用到了 @timer ，在函数定义时，加上一个小小的 @timer ，这样，函数执行结束后，就会自动在控制台汇报自己运行的时间。

比如下面这样：

@timer
def piper():
    for i in range(10000):
        i = i * i ** 10

piper()

输出：
timer: using 0.00600 s

实际上，这个计时器逻辑 @timer 是我们自己用 Python 中的修饰器特性来实现的。

拆解逻辑

其实我们不用修饰器，自己也能实现计时的逻辑。

def piper():
    for i in range(10000):
        i = i * i ** 10

t = time.time()  # 记录函数开始时时间
piper()
print(f"timer: using {time.time() - t :.5f} s")  # 获取函数运行时间并打印

注意到我们执行函数时，在其上下都包裹上了逻辑。如果我们希望函数自带计时逻辑，那么为了包住原函数，只能去新定义一个函数。

def time_wrapper(func):
    # func 是一个函数
    t = time.time()
    func()
    print(f"timer: using {time.time() - t :.5f} s")

time_wrapper(piper)

输出：
timer: using 0.00600 s

我们想测试某一个函数运行时间时，将函数名输入到 time_wrapper 里面就好。

更优雅的改进

上述代码显然有缺点：

• 我们在编程时，心智负担增大了；此外，代码更冗长了
• 如果我们只是希望函数新增一个功能，显然用 time_wrapper 是不行的，因为其并没有改变 piper 本身

于是我们请出今天的主角 修饰器@wraps 。

还用我们的 timer 举例子，我们让所有在 @timer 下的函数，都经过如下处理：

def timer(func):
    @wraps(func)
    def inner_func():
        t = time.time()
        rts = func()
        print(f"timer: using {time.time() - t :.5f} s")
        return rts
    return inner_func

以 piper 为例，我们经历了如下变化。

@timer
def 原始piper():
    for i in range(10000):
        i = i * i ** 10

实际上，当你再调用 piper 时，你的 piper 内部逻辑早已变为：

def 当前piper():
    t = time.time()
    rts = 原始piper()
    print(f"timer: using {time.time() - t :.5f} s")
    return rts

总结

本文简单与读者朋友们「科普」一下修饰器，注意到我们这里实际上仅仅修饰了无参数的函数。其实，修饰器还有许多更加优雅用途，比如传入参数 *args, **kwargs ，修饰类 __call__ 等用法。期待以后我遇到好的应用场景，将经验分享给朋友们。

记得点个『在看』！

我是小拍，关注我！