Python装饰器具体应用场景有哪些？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1250个文字，预计阅读时间需要5分钟。
接上一篇，终于知道了Python的装饰器是如何回话的，那在工作中，到底能不能用到呢？
当然可以。装饰器在Python中非常实用，尤其是在需要复用代码逻辑或者对函数进行扩展时。以下是一些工作中可能用到装饰器的场景：
1. 日志记录：为函数添加日志记录功能，方便追踪函数执行过程。
2.访问控制：限制函数或类的方法只能被特定用户或角色访问。
3.性能监控：监控函数执行时间，帮助优化性能。
4.缓存：缓存函数结果，避免重复计算。
5.权限验证：确保用户有权限执行特定操作。
至于那些只会写脚本，不做Python开发的小测试/手动测试人员，装饰器可能不是那么常用。但对于有志于深入Python开发的你来说，掌握装饰器是非常有价值的。它可以帮助你写出更优雅、更可维护的代码。
接上一篇
终于知道python的装饰器是怎么回事，那在工作中，到底能干吗用呢？
尤其对我这个只会写写脚本又不做python开发的小测试/手动无辜脸。
先说结论，肯定是有用处滴。
一、自动化测试中使用
就拿写的自动化测试来说吧，如果我想统一的输出点东西，比如：case的运行时长，case名称等等，那就可以用起来。
首先，看下最简单的case，没有装饰器：
import pytest def test_01(): a = 1 b = 2 assert a < b def test_02(): a = 1 b = 1 assert a-b == 0 if __name__ == '__main__': pytest.main(['demo_test.py'])
这个用例文件里有2个case，运行一下：
============================= test session starts =============================
platform win32 -- Python 3.8.5, pytest-6.0.1, py-1.9.0, pluggy-0.13.1
rootdir: D:\练习
collected 2 itemsdemo_test.py .. [100%]
============================== 2 passed in 0.01s ==============================
[Finished in 0.4s]
运行通过就是.，所以2个case都通过了，有2个.。
如果我想在运行结果里看到每个case的执行时长，那么就可以写一个装饰器去处理：
import pytest import functools import time def log_execute_time(func): @functools.wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter() res = func(*args, **kwargs) end = time.perf_counter() print("{} 用时 {} ms".format(func.__name__, (end - start) * 1000)) return res return wrapper @log_execute_time def test_01(): a = 1 b = 2 assert a < b @log_execute_time def test_02(): a = 1 b = 1 assert a-b == 0 if __name__ == '__main__': pytest.main(['-s','demo_test.py'])
运行一下：
============================= test session starts =============================
platform win32 -- Python 3.8.5, pytest-6.0.1, py-1.9.0, pluggy-0.13.1
rootdir: D:\练习
collected 2 itemsdemo_test.py
test_01 用时 0.0007999999999674934 ms .
test_02 用时 0.0012999999999818712 ms .============================== 2 passed in 0.03s ==============================
[Finished in 0.4s]
可以看到，每个case执行会打印出执行耗时。
上述的这个例子是在实现自动化测试时的场景，具体还是要看你怎么去挖掘你的需求。
二、其他python开发向的用法
我也去查了下其他的用法，其实在python开发中，用途还是很多的，其中就还有大家熟悉的"身份认证"。
比如大家爱上博客园，你不登录账号也可以浏览博客。当你看着兴起，自己也想评论或者发文的时候，发现
提示你需要登录，这种场景就可以用上装饰器。代码举例：
import functools def authenticate(func): @functools.wraps(func) def wrapper(*args, **kwargs): request = args[0] if check_user_logged_in(request): # 检查用户是否登录 return func(*args, **kwargs) # 如果登录了，就可以执行函数post_comment() 发送评论 else: raise Exception('Authentication failed') # 否则，身份验证失败 return wrapper @authenticate def post_comment(request) pass
上述代码只是说了这个意思，辅助描述下场景。
除此之外，还可以在输入合理性检查、缓存等多个场景中使用，毕竟不是做开发的，这里就不再深入了。
三、装饰器小结
装饰器本质上是一个python函数或者类，可以让其他函数或类在不需要做任何代码修改的前提下，增加额外的功能。
装饰器的返回值也是一个函数对象或者类对象。
有了装饰器，我们可以抽离出大量与函数功能本身无关的雷同代码到装饰器中，并且可以重用。
说到这，我感觉跟AOP面向切面编程有点像。
大家还知道哪些应用场景，也欢迎留言补充。
以上就是python 装饰器的实际作用有哪些的详细内容，更多关于python 装饰器作用的资料请关注易盾网络其它相关文章！
本文共计1250个文字，预计阅读时间需要5分钟。
接上一篇，终于知道了Python的装饰器是如何回话的，那在工作中，到底能不能用到呢？
当然可以。装饰器在Python中非常实用，尤其是在需要复用代码逻辑或者对函数进行扩展时。以下是一些工作中可能用到装饰器的场景：
1. 日志记录：为函数添加日志记录功能，方便追踪函数执行过程。
2.访问控制：限制函数或类的方法只能被特定用户或角色访问。
3.性能监控：监控函数执行时间，帮助优化性能。
4.缓存：缓存函数结果，避免重复计算。
5.权限验证：确保用户有权限执行特定操作。
至于那些只会写脚本，不做Python开发的小测试/手动测试人员，装饰器可能不是那么常用。但对于有志于深入Python开发的你来说，掌握装饰器是非常有价值的。它可以帮助你写出更优雅、更可维护的代码。
接上一篇
终于知道python的装饰器是怎么回事，那在工作中，到底能干吗用呢？
尤其对我这个只会写写脚本又不做python开发的小测试/手动无辜脸。
先说结论，肯定是有用处滴。
一、自动化测试中使用
就拿写的自动化测试来说吧，如果我想统一的输出点东西，比如：case的运行时长，case名称等等，那就可以用起来。
首先，看下最简单的case，没有装饰器：
import pytest def test_01(): a = 1 b = 2 assert a < b def test_02(): a = 1 b = 1 assert a-b == 0 if __name__ == '__main__': pytest.main(['demo_test.py'])
这个用例文件里有2个case，运行一下：
============================= test session starts =============================
platform win32 -- Python 3.8.5, pytest-6.0.1, py-1.9.0, pluggy-0.13.1
rootdir: D:\练习
collected 2 itemsdemo_test.py .. [100%]
============================== 2 passed in 0.01s ==============================
[Finished in 0.4s]
运行通过就是.，所以2个case都通过了，有2个.。
如果我想在运行结果里看到每个case的执行时长，那么就可以写一个装饰器去处理：
import pytest import functools import time def log_execute_time(func): @functools.wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter() res = func(*args, **kwargs) end = time.perf_counter() print("{} 用时 {} ms".format(func.__name__, (end - start) * 1000)) return res return wrapper @log_execute_time def test_01(): a = 1 b = 2 assert a < b @log_execute_time def test_02(): a = 1 b = 1 assert a-b == 0 if __name__ == '__main__': pytest.main(['-s','demo_test.py'])
运行一下：
============================= test session starts =============================
platform win32 -- Python 3.8.5, pytest-6.0.1, py-1.9.0, pluggy-0.13.1
rootdir: D:\练习
collected 2 itemsdemo_test.py
test_01 用时 0.0007999999999674934 ms .
test_02 用时 0.0012999999999818712 ms .============================== 2 passed in 0.03s ==============================
[Finished in 0.4s]
可以看到，每个case执行会打印出执行耗时。
上述的这个例子是在实现自动化测试时的场景，具体还是要看你怎么去挖掘你的需求。
二、其他python开发向的用法
我也去查了下其他的用法，其实在python开发中，用途还是很多的，其中就还有大家熟悉的"身份认证"。
比如大家爱上博客园，你不登录账号也可以浏览博客。当你看着兴起，自己也想评论或者发文的时候，发现
提示你需要登录，这种场景就可以用上装饰器。代码举例：
import functools def authenticate(func): @functools.wraps(func) def wrapper(*args, **kwargs): request = args[0] if check_user_logged_in(request): # 检查用户是否登录 return func(*args, **kwargs) # 如果登录了，就可以执行函数post_comment() 发送评论 else: raise Exception('Authentication failed') # 否则，身份验证失败 return wrapper @authenticate def post_comment(request) pass
上述代码只是说了这个意思，辅助描述下场景。
除此之外，还可以在输入合理性检查、缓存等多个场景中使用，毕竟不是做开发的，这里就不再深入了。
三、装饰器小结
装饰器本质上是一个python函数或者类，可以让其他函数或类在不需要做任何代码修改的前提下，增加额外的功能。
装饰器的返回值也是一个函数对象或者类对象。
有了装饰器，我们可以抽离出大量与函数功能本身无关的雷同代码到装饰器中，并且可以重用。
说到这，我感觉跟AOP面向切面编程有点像。
大家还知道哪些应用场景，也欢迎留言补充。
以上就是python 装饰器的实际作用有哪些的详细内容，更多关于python 装饰器作用的资料请关注易盾网络其它相关文章！