day4----函数-闭包-装饰器

本文档内容：

1 python中三种名称空间和作用域

2 函数的使用

3 闭包

4 装饰器

一 python中三种名称空间和作用域

1.1名称空间：

当程序运行时，代码从上至下依次执行，它会将变量与值得关系存储在一个空间中，这个空间
也叫命名空间。例如：name='xingchen'
当程序遇到函数时，它会将函数名存在内存中，函数内部的变量和逻辑暂时不关心；
当函数执行时，内存会临时开辟一个空间，存放函数体里面的代码（变量，代码等），这个空间叫临时名称空间
也叫局部名称空间。
函数外面访问不到临时空间的内容；随着函数的执行完毕，临时空间会释放掉。

python中名称空间分三种：
　　内置名称空间
　　全局名称空间
　　局部名称空间
作用域：
　　全局作用域：
　　　　内置名称空间
　　　　全局名称空间
局部作用域：
　　　　局部名称空间
加载顺序：
内置名称空间 ---》全局名称空间（程序执行时） ---》局部名称空间(函数执行时)
取值顺序：单向不可逆
局部名称空间 ---》全局名称空间 ----》内置名称空间

1.2  globals和locals

print（globals() ） 返回的是全局作用域里面的变量与其值，是一个字典

print（locals()）   返回的是当前的局部变量与其值，也是一个字典

例如：

def func1():
    a=1
    print(a)
    print(locals())
    print(globals())
func1()

其结果为：

1

{'a': 1}

{'__name__': '__main__', '__doc__': None, '__package__': None, '__loader__': <_frozen_importlib_external.SourceFileLoader object at 0x0000024FD014B240>, '__spec__': None, '__annotations__': {}, '__builtins__': <module 'builtins' (built-in)>, '__file__': 'D:/PycharmProjects-x/s22day03/day4/lianxi.py', '__cached__': None, 'time': <module 'time' (built-in)>, 'func1': <function func1 at 0x0000024FD0056048>}

1.3 global和nonlocal

global：声明一个全局变量，可以用作局部变量的关键字来修改或赋值给全局变量,

　　　　但是：对可变数据类型（list，dict，set）可以直接引用不用通过global。如果默认参数是一个可变的数据类型，那么他在内存中永远是一个

例如：下面的list就是可变数据类型，因此就不用global

# def extendList(val,list=[]):
# 　　 list.append(val)
# 　　 return list
# list1 = extendList(10)
# print('list1=%s'%list1) # [10,]
# list2 = extendList(123,[])
# print('list2=%s'%list2) # [123,]
# list3 = extendList('a')
# print('list3=%s'%list3) #[10,'a']

# print('list1=%s'%list1)
# print('list2=%s'%list2)
# print('list3=%s'%list3)

其结果为：

[10,a]

[123]

[10,a]

 

nonlocal:在局部作用域中，对其父级作用域（或者更外层作用域）进行变量赋值或者修改，但是不能修改全局作用域

例如：

def func1():
    a=1
    def func2():
        b=10
        def func3():
            nonlocal a,b
            a=a+1
            b=b+1
            print(a,b)   #结果为 2，11
        func3()
        print(a,b)       #结果为 2，11，func2函数的b被引用了
    func2()
    print(a)　　　　　　　　#结果为 2，这里的变量a被引用了，但是b不是在这里面引用的，所以打印b会报错
func1()

二函数的使用

函数名的本质就是函数的内存地址

1 函数可以被引用

例如：

def func1():
    print('in func1')
f=func1
print(f)
结果为：<function func1 at 0x000001E9313C6048>

2 函数可以作为容器类元素

例如

def func1():
    print('f1')

def func2():
    print('f2')
    
l1=[func1,func2]
l2={'f1':func1,'f2':func2}

l1[0]()
l2['f2']()

3 函数可以作为返回值

def f1():
    print('f1')

def func1(argv):
    argv()
    return argv

f = func1(f1)
f()

其他： 第一类对象

第一类对象（first-class object）指
1.可在运行期创建
2.可用作函数参数或返回值
3.可存入变量的实体。

 三 闭包

内部函数包含对外部作用域而非全局作用域变量的引用，该内部函数称为闭包函数，一般用于装饰器或者网络爬取内容

判断闭包函数的方法__closure__

例如：

def func():
    name = 'eva'
    def inner():
        print(name)
　　　　 print(inner.__closure__) #结果中函数含有cell元素，否则为none
return inner 
f = func() 
f()

闭包函数一个例子

 

    def line_conf(a, b):
        def line(x):
            return a * x + b
        return line

四 装饰器

 装饰器的本质是一个python函数，基于闭包函数，让其他的函数在不改变源码和调用方式的前提下，增加新的功能

 　　装饰器的应用场景：比如插入日志，性能测试，事务处理，缓存等等场景。

下面看看装饰器的形成过程：

原始的代码

import time
# print(time.time()) # 1527326532.2688255

# def func1():
#　　 time.sleep(0.3)
# 　　 print('非常复杂......')
#
# start_time = time.time()
# func1()
# end_time = time.time()
# print('此函数的执行效率%s' %(end_time-start_time))

# 改版1：我要封装到一个函数中

# def func1():
# 　　 time.sleep(0.3)
# 　　 print('非常复杂......')
#
# def func2():
# 　　 time.sleep(0.3)
# 　　 print('特别复杂......')
#
# func1()
# func2()

# # 改版2：被测试函数当参数传入，可以测试多个函数的执行效率

# def timmer(f):
# 　　 start_time = time.time()
#　　 f()
# 　　 end_time = time.time()
# 　　 print('此函数的执行效率%s' %(end_time-start_time))
#
# timmer(func1)
# timmer(func2)

# 改版3:：测试函数执行效率的同时，不要改变原函数的调用方式。

# def func1():
#　　 time.sleep(0.3)
#　　 print('非常复杂......')
# def func2():
# 　　 time.sleep(0.3)
# 　　 print('特别复杂......')
# # func1()
# # func2()
# def timmer(f):
# 　　 start_time = time.time()
#　　 f()
#　　 end_time = time.time()
# 　　 print('此函数的执行效率%s' % (end_time - start_time))
# f1 = func1
# func1 = timmer #
# func1(f1) # timmer(func1)

# 改版4:：改版3虽然大体上满足了我的要求，但是增加两行代码，
# 而且多了参数，不好，继续改，尽量不添加其他代码，而且做到调用时一模一样
# 最简单的装饰器。

# def func1():
#　　 time.sleep(0.3)
# 　　 print('非常复杂......')
# def func2():
# 　　 time.sleep(0.3)
# 　　 print('特别复杂......')
# # func1()
# # func2()
#
# def timmer(f): # f = func1 函数名
# 　　 def inner():
#　　　　 start_time = time.time()
# 　　　　 f()
# 　　　　 end_time = time.time()
#　　　　 print('此函数的执行效率%s' % (end_time - start_time))
# 　　 return inner
#
# func1 = timmer(func1) # inner
# func2 = timmer(func2) # inner
# func1() # inner()
# func2()

# 改版5:：改版4每次测试一个函数的执行效率时，都需要加一行 func1 = timmer(func1)代码，麻烦
# python提出了一个语法糖 @。

# def timmer(f): # f = func1 函数名
# 　　 def inner():
# 　　 　　 start_time = time.time()
# 　　 　　 f()
# 　　 　　 end_time = time.time()
# 　　 　　 print('此函数的执行效率%s' % (end_time - start_time))
# 　　 return inner
#
# @timmer # func1 = timmer(func1) inner
# def func1():
# 　　 time.sleep(0.3)
# 　　 print('非常复杂......')
#
# func1() # inner()

# 改版6:被装饰的函数肯定要有参数的，你现在不能满足，解决这个问题。
# 被装饰的函数带参数的装饰器

# def timmer(f): # f = func1 函数名
# 　　 def inner(*args,**kwargs): # args = （1,2）,kwargs {sex:'nv',name:'alex'}
# 　　 　　 start_time = time.time()
#　　　　 f(*args,**kwargs) # f(1,2,,sex='nv',name='alex')
#　　 　　 end_time = time.time()
# 　　 　　 print('此函数的执行效率%s' % (end_time - start_time))
# 　　 return inner
#
# @timmer # func1 = timmer(func1) inner
# def func1(a,b):
# 　　 time.sleep(0.3)
# 　　 print(a,b)
# 　　 print('非常复杂......')
#
#
# @timmer # func1 = timmer(func1) inner
# def func2(a,b,name,sex='man'): # f(1,2,,sex='nv',name='alex')
# 　　 time.sleep(0.3)
# 　　 print(a,b,sex,name)
# 　　 print('非常复杂......')
#
# func2(1,2,sex='nv',name='alex') # inner()

# 改版7:被装饰的函数肯定要有返回值的，解决这个问题。
# 被装饰的函数带参数且有返回值的装饰器

# def timmer(f): # f = func2 函数名
# 　　 def inner(*args,**kwargs): # args = （1,2）,kwargs {sex:'nv',name:'alex'}
# 　　 　　 start_time = time.time()
#　　  　　ret = f(*args,**kwargs) # f(1,2,,sex='nv',name='alex')
# 　　 　　 end_time = time.time()
# 　　 　　 print('此函数的执行效率%s' % (end_time - start_time))
#　　 　　 return ret
#　　 return inner
# @timmer # func1 = timmer(func1) inner
# def func2(a,b,name,sex='man'): # f(1,2,,sex='nv',name='alex')
# 　　 time.sleep(0.3)
#　　 print(a,b,sex,name)
# 　　 print('非常复杂......')
# 　　 return 666
#
# print(func2(1,2,sex='nv',name='alex')) # inner()

def timmer(f):
　　def inner(*args,**kwargs):
　　　　start_time = time.time()
　　　　ret = f(*args,**kwargs)
　　　　end_time = time.time()
　　　　print('此函数的执行效率%s' % (end_time - start_time))
　　　　return ret
　　return inner
@timmer
# def func2(a,b,name,sex='man'):
# 　　 time.sleep(0.3)
# 　　 print(a,b,sex,name)
# 　　 print('非常复杂......')
# 　　 return 666
#
# ret1 = func2(1,2,sex='nv',name='alex')
# print(ret1)

至此装饰器的固定结构如下

def timer(func):
    def inner(*args,**kwargs):
        '''执行函数之前要做的'''
        re = func(*args,**kwargs)
        '''执行函数之后要做的'''
        return re
    return inner

 但是如何函数有很多，如何取消他们呢，以后如果又加上呢---带参数的装饰器模型

def outer(flag):
    def timer(func):
        def inner(*args,**kwargs):
            if flag:
                print('''执行函数之前要做的''')
            re = func(*args,**kwargs)
            if flag:
                print('''执行函数之后要做的''')
            return re
        return inner
    return timer

@outer(False)  #改为false是不执行装饰器内的内容
def func():
    print(111)

func()

如果多个装饰器装饰一个函数呢

def wrapper1(func):
    def inner():
        print('wrapper1 ,before func')
        func()
        print('wrapper1 ,after func')
    return inner

def wrapper2(func):
    def inner():
        print('wrapper2 ,before func')
        func()
        print('wrapper2 ,after func')
    return inner


@wrapper1
@wrapper2
def f():
    print('in f')
f()

其结果为：

wrapper1 ,before func
wrapper2 ,before func
in f
wrapper2 ,after func
wrapper1 ,after func

 装饰器的另外一种方法：

import functools
def wrapper(func):
    @functools.wraps(func)
    def inner(*args, **kwargs):
        print('我是装饰器')
        return func(*args,**kwargs)
    print('--------')
    return inner

@wrapper
def index():
    print('我是被装饰函数')
    return None

index()

 

 

 

---------------------------------------------------------------------------------回顶部----------------------------------------------------------------------------------------------------------------------------