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[1]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[2] 。
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。
