Python装饰器

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

所谓装饰器（decorator）指的是在Python代码运行期间动态的增加函数功能的一种方式。在上一节我们知道Python函数在运行时允许返回函数，而函数作为对象也可以被赋值给其他变量来调用，比如：

>>> def LAL():
...    print('kobe')
...
>>> f = LAL
>>> f()
kobe

每个函数对象都有一个_ _name_ _属性，调用该属性我们可以取得该函数的名称：

>>> LAL.__name__
'LAL'
>>> f.__name__
'LAL'

而装饰器（decorator）的作用即在于可以使得我们在调用 LAL 函数的时候，使得该函数功能增强，比如说在调用该函数前后自动打印日志，但又不能改变 LAL函数的定义。所以，Python装饰器的本质在于它是一个可以返回函数的高阶函数。我们来定义一个decorator，使得函数在调用前后能打印日志。

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

仔细观察上述代码，我们定义的log函数作为一个decorator可以接受像func这样的函数作为参数，作为高阶函数它也可以返回一个函数。下面再利用Python的@语法，在重新定义 LAL函数时调用装饰器：

@log
def LAL():
   print('kobe')

之后再调用 LAL 函数时，不仅会运行 LAL 函数本身也会打印装饰器所设置的一串日志。

>>> LAL()
call LAL():
kobe

@语法的作用相当于执行了如下语句：

LAL = log(LAL)

如果decorator本身也需要传入参数，那装饰器的定义则需要更加复杂一点。我们可以自定义log的文本：

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

可以看见的是，我们经过三层嵌套后使得装饰器本身可以传入文本参数，其用法如下：

@log('execute')
def LAL():
   print('kobe')

函数执行结果如下：

>>> LAL()
execute LAL():
kobe

相较于两层嵌套，三层嵌套的decorator相当于执行了如下语句：

>>> LAL = log('execute')(LAL)

可以简单分析一下这个语句。先执行log('execute')，返回的是装饰器函数，调用该返回函数，其参数是LAL函数，最后的返回值则是folder函数。不管两层还是三层嵌套，decorator的定义都是这种套路，我们开头时提到了函数作为对象是有__name__属性的，但经过装饰器装饰后的函数，其__name__属性由原先的'LAL'变成了'folder'：

>>> LAL.__name__
'folder'

所以这里我们还需要导入functools模块，使用functools.wraps使得经装饰器装饰前后的函数对象名保持不变，完整的decorator定义方法如下：

import functools

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

decorator可以增强函数的功能，虽然不容易定义清楚，但使用起来非常便利。

好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇



下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~