装饰器是一种巧妙简洁的魔术，类似于Java中的面向切面编程，我们可以再函数执行前、执行后、抛出异常时做一些工作。利用装饰器，我们可以抽象出一些共同的逻辑，简化代码。而简化代码的同时，就是在增加代码鲁棒性。
一、缓存
# coding:utf8
import time
import json
"""
简单的内存缓存参数
"""
def simple_cache(timeout=3):
def decorator(f):
def ff(*args, **kwargs):
arg = json.dumps([args, kwargs])
res = None
key = f.__module__ + f.__name__ + arg
if hasattr(f, key):
res = getattr(f, key)
if time.time() - res['last_time'] > timeout:
res = None
if res is None:
res = {'last_time': time.time(), 'data': f(*args, **kwargs)}
setattr(f, key, res)
return res['data']
return ff
return decorator
if __name__ == '__main__':
@simple_cache(timeout=3)
def haha(user_id):
print("haha", user_id)
@simple_cache(timeout=3)
def baga(user_id):
print("baga", user_id)
haha(0)
baga(0)
haha(0)
haha(1)
time.sleep(5)
haha(1)
二、重试
在进行网络请求时，我们常常需要重试几次才能请求成功。这种套路经常使用，却又嵌套的非常丑陋。此时，我们可以用装饰器将重试逻辑抽象出来。
def retry(count=1):
def dec(f):
def ff(*args, **kwargs):
ex = None
for i in range(count):
try:
ans = f(*args, **kwargs)
return ans
except Exception as e:
ex = e
raise ex
return ff
return dec
db = []
@retry(count=10)
def until_six():
db.append("haha")
print("until_six")
return db[6]
print(until_six())
三、兼容旧版参数
库都是随着时间变化而不断丰富的，函数的参数有可能发生变化，使用注解可以简洁完美地兼容旧版本。
lib.py
def add(x, y):
return x + y
haha.py
from lib import add
z = add(x=4, y=5)
print(z)
现在库函数add需要把x变成one，y变成two，同时需要保持haha.py正常运行。
lib.py
change_list = { # 存放函数名称变化表，统一维护
'add': {
'x': 'one',
'y': 'two',
}
}
def legacy(f):
def ff(*args, **kwargs):
if f.__name__ in change_list:
for old_arg, new_arg in change_list[f.__name__].items():
if new_arg not in kwargs and old_arg in kwargs:
kwargs.update({new_arg: kwargs.get(old_arg)})
del kwargs[old_arg]
print(kwargs)
return f(**kwargs)
return ff
@legacy
def add(one, two, **kwargs):
return one + two
这种方式可以把API的全部变化放到一个统一的配置文件里面，当决定不再支持旧版时，直接从配置文件里面把旧版参数删除掉即可。
四、deprecated
import logging
def deprecated(info):
def decorator(f):
def ff(*args, **kwargs):
logging.warning("%s is deprected. %s" % (f.__name__, info))
res = f(*args, **kwargs)
return res
return ff
return decorator