摘要：重寫內建名字空間中的函數閉包閉包是詞法閉包的簡稱。另一種說法認為閉包是由函數和與其相關的引用環(huán)境組合而成的實體。

Python 中的 Decorator(裝飾器) 是對一個函數或者方法的封裝，從而使其可以完成一些與自身功能無關的工作。

在 Python 中，所有的一切都被視為對象，任何的變量、函數、類等都是 object 的子類。因此除了變量之外，函數和類等也可以被指向和傳遞。

>>> def foo():
...     pass
...
>>> def Foo():
...     pass
...
>>> v = foo
>>> v

>>> v = Foo
>>> v

Python 通過提供 namespace 來實現重名函數/方法、變量等信息的識別。其大致可以分為三種 namespace，分別為：

local namespace: 局部空間，作用范圍為當前函數或者類方法

global namespace: 全局空間，作用范圍為當前模塊

build-in namespace: 內建空間，在 Python 解釋器啟動時就已經具有的命名空間，作用范圍為所有模塊。例如：abs，all，chr，cmp，int，str 等內建函數，它們在解釋器啟動時就被自動載入。

當函數/方法、變量等信息發(fā)生重名時，Python 會按照 local namespace -> global namespace -> build-in namespace 的順序搜索用戶所需元素，并且以第一個找到此元素的 namespace 為準。

>>> # 重寫內建名字空間中的 str 函數
>>> def str(obj):
...     print "This is str"
...
>>> str(1)
This is str

閉包（Closure）是詞法閉包（Lexical Closure）的簡稱。簡單地說，閉包就是根據不同的配置信息得到不同的結果。對閉包的具體定義有很多種說法，大致可以分為兩類：

一種說法認為閉包是符合一定條件的函數，比如一些參考資源中這樣定義閉包：閉包是在其詞法上下文中引用了自由變量的函數。

另一種說法認為閉包是由函數和與其相關的引用環(huán)境組合而成的實體。比如一些參考資源中這樣來定義：在實現深約束時，需要創(chuàng)建一個能顯式表示引用環(huán)境的東西，并將它與相關的子程序捆綁在一起，這樣捆綁起來的整體被稱為閉包。

以上兩種定義從某種意義上來說是對立的，一個認為閉包是函數，另一個認為閉包是函數和引用環(huán)境組成的整體。閉包確實可以認為就是函數，但第二種說法更確切些。閉包只是在形式和表現上像函數，但實際上不是函數。函數是一些可執(zhí)行的代碼，這些代碼在函數被定義后就確定了，不會在執(zhí)行時發(fā)生變化，所以一個函數只有一個實例。

閉包在運行時可以有多個實例，不同的引用環(huán)境和相同的函數組合可以產生不同的實例。所謂引用環(huán)境是指在程序執(zhí)行中的某個點所有處于活躍狀態(tài)的約束所組成的集合。其中的約束是指一個變量的名字和其所代表的對象之間的聯(lián)系。那么為什么要把引用環(huán)境與函數組合起來呢？這主要是因為在支持嵌套作用域的語言中，有時不能簡單直接地確定函數的引用環(huán)境。

在 Python 語言中，可以這樣簡單的理解閉包：一個閉包就是調用了一個函數 A，這個函數 A 返回了一個函數 B。這個返回的函數 B 就叫做閉包。在調用函數 A 的時候傳遞的參數就是對不同引用環(huán)境所做的配置。如下示例所示：

>>> def make_adder(addend):
...     def adder(augend):
...         return augend + addend
...     return adder
...
>>> add1 = make_adder(11)
>>> add2 = make_adder(22)
>>> add1(100)
111
>>> add2(100)
122

函數式編程指使用一系列的函數解決問題。函數僅接受輸入并產生輸出，不包含任何能影響產生輸出的內部狀態(tài)。任何情況下，使用相同的參數調用函數始終能產生同樣的結果。

函數式編程就是一種抽象程度很高的編程范式，純粹的函數式編程語言編寫的函數沒有變量，因此，任意一個函數，只要輸入是確定的，輸出就是確定的，這種純函數我們稱之為沒有副作用。而允許使用變量的程序設計語言，由于函數內部的變量狀態(tài)不確定，同樣的輸入，可能得到不同的輸出，因此，這種函數是有副作用的。函數式編程的一個特點就是，允許把函數本身作為參數傳入另一個函數，還允許返回一個函數！

可以認為函數式編程剛好站在了面向對象編程的對立面。對象通常包含內部狀態(tài)（字段），和許多能修改這些狀態(tài)的函數，程序則由不斷修改狀態(tài)構成；函數式編程則極力避免狀態(tài)改動，并通過在函數間傳遞數據流進行工作。但這并不是說無法同時使用函數式編程和面向對象編程，事實上，復雜的系統(tǒng)一般會采用面向對象技術建模，但混合使用函數式風格也能體現函數式風格的優(yōu)點。

高階函數即能接受函數作為參數的函數。因為在 Python 中一切皆對象，變量可以指向函數，函數名其實也是指向函數的變量。也就是說，我們可以將函數賦給其他變量，也就可以將函數作為參數傳遞給其他函數。

>>> def add(x, y, f):
...     return f(x) + f(y)
...
>>> add(6, -9, abs)
15

Python 裝飾器的作用就是為已經存在的對象添加額外的功能。例如裝飾器可以用來 引入日志、添加計時邏輯來檢測性能、給函數加入事務處理 等等。其實總體說起來，裝飾器也就是一個函數，一個用來包裝函數的函數。裝飾器在函數申明完成的時候被調用，調用之后申明的函數被換成一個被裝飾器裝飾過后的函數。簡單說，本質上，裝飾器就是一個返回函數的高階函數，也是一個閉包。

裝飾器的語法以 @ 開頭，接著是裝飾器要裝飾的函數的申明。

先來看一下裝飾器本身沒有參數的情況。例如，我們想要知道一個函數被調用時所花的時間，可以采用如下的方式實現：

# Author: Huoty
# Time: 2015-08-12 10:37:10

import time

def foo():
    print "in foo()"

# 定義一個計時器，傳入一個函數，并返回另一個附加了計時功能的方法
def timeit(func):

    # 定義一個內嵌的包裝函數，給傳入的函數加上計時功能的包裝
    def wrapper():
        start = time.clock()
        func()
        end = time.clock()
        print "used:", end - start

    # 將包裝后的函數返回
    return wrapper

# Script starts from here

foo = timeit(foo)
foo()

Python 實現裝飾器的目的就是為了讓程序更加簡潔，上邊的代碼可以繼續(xù)用裝飾器來簡化：

# Author:  Huoty
# Time: 2015-08-12 10:37:10

import time

def timeit(func):
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print "used:", end - start
    return wrapper

@timeit
def foo():
    print "in foo()"

# Script starts from here

foo()

由上例可以看出，裝飾器 @timeit 的作用等價與 foo = timeit(foo)。被裝飾器裝飾后的執(zhí)行結果取決于裝飾函數的是想，如果裝飾函數返回被裝飾函數本身，就等于沒有裝飾，如果裝飾函數對被裝飾函數進行了包裝，并返回包裝后的函數，那調用函數時執(zhí)行的就是包裝過的函數。

如果被裝飾的函數帶有參數，則在裝飾器中也應該為包裝函數提供對應的參數。如果被裝飾的函數參數不確定，則可以用如下方式實現：

# Author:  Huoty
# Time: 2015-08-12 10:59:11

import time

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

@log
def now():
    print time.asctime()

# Script starts from here

now()

裝飾器本身也可以帶參數，但是通常對參數會有一定的要求。由于有參數的裝飾器函數在調用時只會使用應用時的參數，而不接收被裝飾的函數做為參數，所以必須在其內部再創(chuàng)建一個函數。如下示例所示：

# Author:  Huoty
# Time: 2015-08-12 11:13:30

def deco(arg):
    def _deco(func):
        def __deco():
            print("before %s called [%s]." % (func.__name__, arg))
            func()
            print("  after %s called [%s]." % (func.__name__, arg))
        return __deco
    return _deco

@deco("module")
def foo():
    print(" foo() called.")

@deco("module2")
def hoo():
    print(" hoo() called.")

# Script starts from here

foo()
hoo()

上例中的第一個函數 deco 是裝飾器函數，它的參數是用來加強 加強裝飾 的。由于此函數并非被裝飾的函數對象，所以在內部必須至少創(chuàng)建一個接受被裝飾函數的函數，然后返回這個對象（實際上此時等效于 foo=decomaker(arg)(foo)）。

如果裝飾器和被裝飾函數都帶參數，則用如下實現是形式：

def deco(pm):
    def _deco(func):
        def __deco(*args, **kw):
            ret =func(*args, **kw)
            print "func result: ", ret
            return ret ** pm
        return __deco
    return _deco

@deco(2)
def foo(x, y, z=1):
    return x + y + z

print "deco_func result: %s" % foo(10, 20)

輸出：

func result:  31
deco_func result: 961

裝飾器不經可以用來裝飾函數，還可以用來裝飾類。例如給類添加一個類方法：

>>> def bar(obj):
...     print type(obj)
...
>>> def inject(cls):
...     cls.bar = bar
...     return cls
...
>>> @inject
... class Foo(object):
...     pass
...
>>> foo = Foo()
>>> foo.bar()

內置的裝飾器有三個，分別是 staticmethod、classmethod 和 property，作用分別是把類中定義的實例方法變成靜態(tài)方法、類方法和類屬性。由于模塊里可以定義函數，所以靜態(tài)方法和類方法的用處并不是太多，除非你想要完全的面向對象編程。這三個裝飾器的實現都涉及到 描述符 的概念。

Python的functools模塊主要功能是對函數進行包裝，增加原有函數的功能，起主要內容包括：cmp_to_key, partial, reduce, total_ordering, update_wrapper, wraps。

函數也是一個對象，它有__name__等屬性。以上我們有一個 callin.py 的例子，我們用裝飾器裝飾之后的 now 函數，當我們用 now.__name__ 查看時，發(fā)現它的 __name__ 已經從原來的"now"變成了"wrapper"。因為返回的那個wrapper()函數名字就是"wrapper"，所以，需要把原始函數的name等屬性復制到wrapper()函數中，否則，有些依賴函數簽名的代碼執(zhí)行就會出錯。當然，我們可以用wrapper.__name__ = func.__name__來實現，但是我們不必這么麻煩，用 Python 內置的 functools.wraps 便可實現這樣的功能：

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

除了可以用函數來實現裝飾器外，類也可以實現。Python 類有一個 __call__ 方法，它能夠讓對象可調用。因此可以用該特性來實現裝飾器。例如實現一個磁盤緩存：

import os
import uuid
import glob
import pickle


class DiskCache(object):

    _NAMESPACE = uuid.UUID("c875fb30-a8a8-402d-a796-225a6b065cad")

    def __init__(self, func):
        self._func = func
        self.__name__ = func.__name__
        self.__module__ = func.__module__
        self.__doc__ = func.__doc__

        self.cache_path = "/tmp/.diskcache"

    def __call__(self, *args, **kw):
        params_uuid = uuid.uuid5(self._NAMESPACE, "-".join(map(str, (args, kw))))
        key = "{}-{}.cache".format(self._func.__name__, str(params_uuid))
        cache_file = os.path.join(self.cache_path, key)

        if not os.path.exists(self.cache_path):
            os.makedirs(self.cache_path)

        try:
            with open(cache_file, "rb") as f:
                val = pickle.load(f)
        except:
            val = self._func(*args, **kw)
            try:
                with open(cache_file, "wb") as f:
                    pickle.dump(val, f)
            except:
                pass
        return val

    def clear_cache(self):
        for cache_file in glob.iglob("{}/{}-*".format(self.cache_path, self.__name__)):
            os.remove(cache_file)

@DiskCache
def add(x, y):
    print "add: %s + %s" % (x, y)
    return x, y

輸出：

add.clear_cache()
print add(1, 2)
print add(2, 3)
print add(1, 2)

print "cached files:", os.listdir(add.cache_path)
add.clear_cache()
print "cached files:", os.listdir(add.cache_path)

本質上，內置的 property 裝飾器也是一個類，只不過它是一個描述符。可以用類似的形式實現一個可緩存的 property 裝飾器：

class CachedProperty(object):
    def __init__(self, func, name=None, doc=None):
        self.__name__ = name or func.__name__
        self.__module__ = func.__module__
        self.__doc__ = doc or func.__doc__
        self.func = func

    def __get__(self, obj, type=None):
        if obj is None:
            return self
        value = obj.__dict__.get(self.__name__)
        if value is None:
            value = self.func(obj)
            obj.__dict__[self.__name__] = value
        return value


class Foo(object):

    @CachedProperty
    def foo(self):
        print "first calculate"
        result = "this is result"
        return result


f = Foo()

print f.foo
print f.foo

輸出：

first calculate
this is result
this is result

一個函數可以同時被多個裝飾器裝飾。裝飾的初始化在函數定義時完成，初始化順序為離函數定義最近的裝飾器首先被初始化，最遠的則最后被初始化，初始化只進行一次。而裝飾器的執(zhí)行順序則跟初始化順序相反。

def decorator_a(func):
    print "decorator_a"
    def wrapper(*args, **kw):
        print "call %s in decorator_a" % func.__name__
        return func()
    return wrapper

def decorator_b(func):
    print "decorator_b"
    def wrapper(*args, **kw):
        print "call %s in decorator_b" % func.__name__
        return func()
    return wrapper

@decorator_a
@decorator_b
def foo():
    print "foo"

print "-"*10
foo()
foo()

輸出：

decorator_b
decorator_a
----------
call wrapper in decorator_a
call foo in decorator_b
foo
call wrapper in decorator_a
call foo in decorator_b
foo

有以上示例可以看出，離函數定義最近的 decorator_b 裝飾器首先被初始化，在執(zhí)行時則是里函數定義最遠的 decorator_a 首先被執(zhí)行。

http://developer.51cto.com/ar...

http://www.cnblogs.com/ma6174...

http://www.cnblogs.com/huxi/a...

http://www.cnblogs.com/rollen...

http://blog.csdn.net/mdl13412...