Penghias Python: Panduan Komprehensif
Apabila saya memulakan pengaturcaraan dengan Python, jika tidak silap saya, versinya ialah 3.3. Oleh itu, apabila saya memulakan pengaturcaraan, penghias telah tersedia untuk komuniti Python untuk masa yang lama.
Penghias fungsi datang ke Python dengan versi 2.2 dan penghias Kelas datang ke Python dengan versi 2.6.
Secara peribadi, saya melihat ciri Penghias Python sebagai ciri bahasa yang sangat berkuasa.
Sebenarnya, matlamat saya adalah untuk membuat satu siri artikel tentang topik yang paling sukar difahami dalam Python. Saya bercadang untuk membincangkan topik ini, yang lebih sedikit daripada sepuluh, satu persatu.
Dalam artikel ini, saya akan cuba menyentuh setiap bahagian topik Penghias sejauh yang saya boleh.
1. Konteks Sejarah
- Hari Awal (Pra-Python 2.2): Sebelum penghias, mengubah suai fungsi atau kelas selalunya melibatkan pembalut manual atau tampalan monyet, yang menyusahkan dan kurang boleh dibaca.
- Metaclasses (Python 2.2): Metaclasses menyediakan cara untuk mengawal penciptaan kelas, menawarkan beberapa fungsi yang penghias kemudiannya akan sediakan, tetapi ia adalah kompleks untuk pengubahsuaian mudah.
- PEP 318 (Python 2.4): Penghias secara rasmi diperkenalkan dalam Python 2.4 melalui PEP 318. Cadangan ini diilhamkan oleh anotasi dalam Java dan bertujuan untuk menyediakan cara yang lebih bersih dan lebih deklaratif untuk mengubah suai fungsi dan kaedah .
- Penghias Kelas (Python 2.6): Python 2.6 melanjutkan sokongan penghias kepada kelas, meningkatkan lagi kepelbagaian mereka.
- Penggunaan Meluas: Penghias dengan cepat menjadi ciri popular, digunakan secara meluas dalam rangka kerja seperti Flask dan Django untuk penghalaan, pengesahan dan banyak lagi.
2. Apakah itu Penghias?
Pada dasarnya, penghias ialah corak reka bentuk dalam Python yang membolehkan anda mengubah suai gelagat fungsi atau kelas tanpa mengubah struktur terasnya. Penghias ialah satu bentuk pengaturcaraan meta, di mana anda pada asasnya menulis kod yang memanipulasi kod lain.
Anda tahu Python menyelesaikan nama menggunakan skop yang diberikan mengikut urutan di bawah:
- Tempatan
- Melampirkan
- Global
- Terbina dalam
Penghias adalah skop Melampirkan duduk, yang berkait rapat dengan konsep Penutupan.
Idea Utama: Seorang penghias mengambil fungsi sebagai input, menambah beberapa fungsi padanya dan mengembalikan fungsi yang diubah suai.
Analogi: Fikirkan penghias sebagai pembalut hadiah. Anda mempunyai hadiah (fungsi asal), dan anda membungkusnya dengan kertas hiasan (penghias) untuk menjadikannya kelihatan lebih menarik atau menambah ciri tambahan (seperti haluan atau kad). Hadiah di dalamnya tetap sama, tetapi persembahannya atau tindakan yang berkaitan dipertingkatkan.
A) Variasi Penghias: Berasaskan fungsi vs. Berasaskan Kelas
Kebanyakan penghias dalam Python dilaksanakan menggunakan fungsi, tetapi anda juga boleh mencipta penghias menggunakan kelas.
Penghias berasaskan fungsi adalah lebih biasa dan lebih ringkas, manakala penghias berasaskan kelas menawarkan fleksibiliti tambahan.
Sintaks Penghias Asas berasaskan fungsi
def my_decorator(func): def wrapper(*args, **kwargs): # Do something before calling the decorated function print("Before function call") result = func(*args, **kwargs) # Do something after calling the decorated function print("After function call") return result return wrapper @my_decorator def say_hello(name): print(f"Hello, {name}!") say_hello("World")
Penjelasan:
- my_decorator ialah fungsi penghias. Ia memerlukan fungsi fungsi untuk dihias sebagai input.
- wrapper ialah fungsi dalaman yang membalut panggilan fungsi asal. Ia boleh melaksanakan kod sebelum dan selepas fungsi asal.
- @my_decorator ialah sintaks penghias. Ia sama dengan say_hello = my_decorator(say_hello).
Sintaks Penghias Asas berasaskan kelas
Ini menggunakan kelas dan bukannya fungsi untuk menentukan penghias.
class MyDecorator: def __init__(self, func): self.func = func def __call__(self, *args, **kwargs): # Do something before calling the decorated function print("Before function call") result = self.func(*args, **kwargs) # Do something after calling the decorated function print("After function call") return result @MyDecorator def say_hello(name): print(f"Hello, {name}!") say_hello("World")
Penjelasan:
- MyDecorator ialah kelas yang bertindak sebagai penghias.
- Kaedah __init__ menyimpan fungsi untuk dihias.
- Kaedah __call__ menjadikan contoh kelas boleh dipanggil, membenarkannya digunakan seperti fungsi.
B) Melaksanakan Penghias Mudah
Konsep asas penghias ialah fungsi yang mengambil fungsi lain sebagai hujah dan memanjangkan tingkah lakunya tanpa mengubahnya secara eksplisit.
Berikut ialah bentuk paling mudah:
def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper # Using the decorator with @ syntax @my_decorator def say_hello(): print("Hello!") # When we call say_hello() say_hello() # This is equivalent to: # say_hello = my_decorator(say_hello)
C) Melaksanakan Penghias dengan Hujah
Mari kita buat penghias yang merekodkan masa pelaksanaan fungsi:
def decorator_with_args(func): def wrapper(*args, **kwargs): # Accept any number of arguments print(f"Arguments received: {args}, {kwargs}") return func(*args, **kwargs) # Pass arguments to the original function return wrapper @decorator_with_args def greet(name, greeting="Hello"): print(f"{greeting}, {name}!") greet("Alice", greeting="Hi") # Prints arguments then "Hi, Alice!"
D) Melaksanakan Penghias Berparameter
Ini adalah penghias yang boleh menerima parameter mereka sendiri:
def repeat(times): def decorator(func): def wrapper(*args, **kwargs): for _ in range(times): result = func(*args, **kwargs) return result return wrapper return decorator @repeat(times=3) def greet(name): print(f"Hello {name}") return "Done" greet("Bob") # Prints "Hello Bob" three times
E) Melaksanakan Penghias Kelas
def singleton(cls): instances = {} def get_instance(*args, **kwargs): if cls not in instances: instances[cls] = cls(*args, **kwargs) return instances[cls] return get_instance @singleton class DatabaseConnection: def __init__(self): print("Initializing database connection") # Creating multiple instances actually returns the same instance db1 = DatabaseConnection() # Prints initialization db2 = DatabaseConnection() # No initialization printed print(db1 is db2) # True
F) Melaksanakan Penghias Kaedah
Ini direka khusus untuk kaedah kelas:
def debug_method(func): def wrapper(self, *args, **kwargs): print(f"Calling method {func.__name__} of {self.__class__.__name__}") return func(self, *args, **kwargs) return wrapper class MyClass: @debug_method def my_method(self, x, y): return x + y obj = MyClass() print(obj.my_method(5, 3))
G) Melaksanakan Dekorator Chaining
Berbilang penghias boleh digunakan untuk satu fungsi:
def bold(func): def wrapper(): return "<b>" + func() + "</b>" return wrapper def italic(func): def wrapper(): return "<i>" + func() + "</i>" return wrapper @bold @italic def greet(): return "Hello!" print(greet()) # Outputs: <b><i>Hello!</i></b>
Penjelasan:
- Penghias digunakan dari bawah ke atas.
- Ia lebih seperti apa yang kita lakukan dalam matematik: f(g(x)).
- condong digunakan dahulu, kemudian tebal.
H) Apakah yang berlaku jika kita tidak menggunakan @functools.wraps ?
Penghias functools.wraps, Lihat dokumen, ialah fungsi pembantu yang mengekalkan metadata fungsi asal (seperti namanya, docstring dan tandatangan) apabila anda membalutnya dengan penghias. Jika anda tidak menggunakannya, anda akan kehilangan maklumat penting ini.
Contoh:
def my_decorator(func): def wrapper(*args, **kwargs): """Wrapper docstring""" return func(*args, **kwargs) return wrapper @my_decorator def my_function(): """My function docstring""" pass print(my_function.__name__) print(my_function.__doc__)
Output:
wrapper Wrapper docstring
Masalah:
- Nama fungsi asal (my_function) dan docstring ("My function docstring") hilang.
- Ini boleh menyukarkan penyahpepijatan dan introspeksi.
Penyelesaian: Gunakan functools.wraps):
def my_decorator(func): def wrapper(*args, **kwargs): # Do something before calling the decorated function print("Before function call") result = func(*args, **kwargs) # Do something after calling the decorated function print("After function call") return result return wrapper @my_decorator def say_hello(name): print(f"Hello, {name}!") say_hello("World")
Output:
class MyDecorator: def __init__(self, func): self.func = func def __call__(self, *args, **kwargs): # Do something before calling the decorated function print("Before function call") result = self.func(*args, **kwargs) # Do something after calling the decorated function print("After function call") return result @MyDecorator def say_hello(name): print(f"Hello, {name}!") say_hello("World")
Kebaikan functools.wraps:
- Mengekalkan metadata fungsi.
- Meningkatkan kebolehbacaan dan kebolehselenggaraan kod.
- Menjadikan penyahpepijatan lebih mudah.
- Membantu dengan alat introspeksi dan penjana dokumentasi.
I) Penghias dengan Negeri
Penghias juga boleh mengekalkan keadaan antara panggilan fungsi. Ini amat berguna untuk senario seperti caching atau mengira panggilan fungsi.
def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper # Using the decorator with @ syntax @my_decorator def say_hello(): print("Hello!") # When we call say_hello() say_hello() # This is equivalent to: # say_hello = my_decorator(say_hello)
Output:
def decorator_with_args(func): def wrapper(*args, **kwargs): # Accept any number of arguments print(f"Arguments received: {args}, {kwargs}") return func(*args, **kwargs) # Pass arguments to the original function return wrapper @decorator_with_args def greet(name, greeting="Hello"): print(f"{greeting}, {name}!") greet("Alice", greeting="Hi") # Prints arguments then "Hi, Alice!"
Penjelasan:
Fungsi pembalut mengekalkan pembilang (panggilan) yang bertambah setiap kali fungsi yang dihias dipanggil.
Ini ialah contoh mudah cara penghias boleh digunakan untuk mengekalkan keadaan.
J) Amalan Terbaik untuk Penghias Python
- Gunakan functools.wraps: Sentiasa gunakan @functools.wraps dalam penghias anda untuk mengekalkan metadata fungsi asal.
- Pastikan Penghias Mudah: Penghias sepatutnya melakukan satu perkara khusus dan melakukannya dengan baik. Ini menjadikan mereka lebih boleh digunakan semula dan lebih mudah difahami.
- Dokumenkan Penghias Anda: Terangkan perkara yang dilakukan oleh penghias anda, hujah yang diperlukan dan perkara yang dikembalikan.
- Uji Penghias Anda: Tulis ujian unit untuk memastikan penghias anda berfungsi seperti yang diharapkan dalam pelbagai senario.
- Pertimbangkan Susunan Rantaian: Berhati-hati dengan susunan apabila merantai berbilang penghias, kerana ia mempengaruhi aliran pelaksanaan.
K) Pelaksanaan Buruk (Anti-Corak)
- Penghias Terlalu Kompleks: Elakkan mencipta penghias yang terlalu kompleks atau cuba melakukan terlalu banyak perkara. Ini menjadikan mereka sukar untuk difahami, diselenggara dan nyahpepijat.
- Mengabaikan functools.wraps: Terlupa menggunakan @functools.wraps membawa kepada kehilangan metadata fungsi, yang boleh menyebabkan masalah dengan introspeksi dan penyahpepijatan.
- Kesan Sampingan: Penghias sepatutnya tidak mempunyai kesan sampingan yang tidak diingini di luar mengubah suai fungsi yang dihias.
- Nilai Pengekodan Keras: Elakkan nilai pengekodan keras dalam penghias. Sebaliknya, gunakan kilang penghias untuk menjadikannya boleh dikonfigurasikan.
- Tidak Mengendalikan Hujah dengan Betul: Pastikan fungsi pembalut anda boleh mengendalikan sebarang bilangan hujah kedudukan dan kata kunci menggunakan *args dan **kwargs jika penghias dimaksudkan untuk digunakan dengan pelbagai fungsi.
L) 10. Kes Penggunaan Dunia Sebenar
- Log: Merakam panggilan fungsi, hujah dan nilai pulangan untuk penyahpepijatan atau pengauditan.
- Masa: Mengukur masa pelaksanaan fungsi untuk analisis prestasi.
- Caching: Menyimpan hasil panggilan fungsi yang mahal untuk mengelakkan pengiraan berlebihan (memoisasi).
- Pengesahan dan Keizinan: Mengesahkan kelayakan atau kebenaran pengguna sebelum melaksanakan fungsi.
- Pengesahan Input: Menyemak sama ada hujah yang dihantar ke fungsi memenuhi kriteria tertentu.
- Penghadan Kadar: Mengawal bilangan kali fungsi boleh dipanggil dalam tempoh masa tertentu.
- Cuba Semula Logik: Mencuba semula panggilan fungsi secara automatik jika ia gagal disebabkan ralat sementara.
- Tugas Khusus Rangka Kerja: Rangka kerja seperti Flask dan Django menggunakan penghias untuk penghalaan (memetakan URL ke fungsi), mendaftarkan pemalam dan banyak lagi.
M) Senarai Pilihan Penghias Python
Anda boleh menemui senarai susun atur penghias Python di bawah:
- Penghias Ular Ular yang Hebat
- Perpustakaan Penghias Python
N) 11. Kesimpulan
Penghias ialah ciri yang berkuasa dan elegan dalam Python yang membolehkan anda mempertingkatkan fungsi dan kelas dengan cara yang bersih dan deklaratif.
Dengan memahami prinsip, amalan terbaik dan kemungkinan perangkap, anda boleh memanfaatkan penghias dengan berkesan untuk menulis kod yang lebih modular, boleh diselenggara dan ekspresif.
Ia adalah alat yang berharga dalam mana-mana senjata pengaturcara Python, terutamanya apabila bekerja dengan rangka kerja atau membina komponen yang boleh digunakan semula.
Atas ialah kandungan terperinci Penghias Python: Panduan Komprehensif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Stock Market GPT
Penyelidikan pelaburan dikuasakan AI untuk keputusan yang lebih bijak

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Jalankan pipinstall-rrequirements.txt untuk memasang pakej ketergantungan. Adalah disyorkan untuk mencipta dan mengaktifkan persekitaran maya terlebih dahulu untuk mengelakkan konflik, memastikan bahawa laluan fail adalah betul dan PIP telah dikemas kini, dan menggunakan pilihan seperti-tidak-deps atau-pengguna untuk menyesuaikan tingkah laku pemasangan jika perlu.

Tutorial ini memperincikan bagaimana untuk menggabungkan penyesuai LORA PEFT dengan model asas untuk menghasilkan model yang sepenuhnya bebas. Artikel ini menunjukkan bahawa adalah salah untuk menggunakan transformer.automodel secara langsung untuk memuatkan penyesuai dan menggabungkan berat secara manual, dan menyediakan proses yang betul untuk menggunakan kaedah Merge_and_unload di perpustakaan PEFT. Di samping itu, tutorial juga menekankan pentingnya menangani segmen perkataan dan membincangkan isu dan penyelesaian keserasian versi PEFT.

Python adalah alat ujian yang mudah dan berkuasa di Python. Selepas pemasangan, fail ujian ditemui secara automatik mengikut peraturan penamaan. Tulis fungsi bermula dengan ujian untuk ujian pernyataan, gunakan @pytest.fixture untuk membuat data ujian yang boleh diguna semula, mengesahkan pengecualian melalui pytest.raises, menyokong menjalankan ujian tertentu dan pelbagai pilihan baris arahan, dan meningkatkan kecekapan ujian.

Artikel ini bertujuan untuk meneroka masalah biasa ketepatan pengiraan yang tidak mencukupi bagi nombor titik terapung di Python dan Numpy, dan menjelaskan bahawa punca akarnya terletak pada batasan perwakilan nombor terapung 64-bit standard. Untuk senario pengkomputeran yang memerlukan ketepatan yang lebih tinggi, artikel itu akan memperkenalkan dan membandingkan kaedah penggunaan, ciri-ciri dan senario yang berkenaan dengan perpustakaan matematik ketepatan tinggi seperti MPMATH, SYMPY dan GMPY untuk membantu pembaca memilih alat yang tepat untuk menyelesaikan keperluan ketepatan yang rumit.

TheargParsemoduleisThereMendingWayOhandLecommand-lineargumentsinpython, menyediakan robrobustparsing, typevalidation, helpmessages, anderrorhandling; usesy.argvforsimplecasesrequiringminiminalsetup.

PYPDF2, PDFPlumber dan FPDF adalah perpustakaan teras untuk Python untuk memproses PDF. Gunakan pypdf2 untuk melakukan pengekstrakan teks, penggabungan, pemisahan dan penyulitan, seperti membaca halaman melalui pdfreader dan memanggil extract_text () untuk mendapatkan kandungan; PDFplumber lebih sesuai untuk mengekalkan pengekstrakan teks susun atur dan pengiktirafan jadual, dan menyokong extract_tables () untuk menangkap data jadual dengan tepat; FPDF (disyorkan FPDF2) digunakan untuk menjana PDF, dan dokumen dibina dan dikeluarkan melalui add_page (), set_font () dan sel (). Apabila menggabungkan PDF, kaedah tambahan PDFWriter () dapat mengintegrasikan pelbagai fail

Mendapatkan masa semasa boleh dilaksanakan di Python melalui modul DateTime. 1. Gunakan datetime.now () untuk mendapatkan masa semasa tempatan, 2. Gunakan strftime ("%y-%m-%d%h:%m:%s") untuk memformat tahun, bulan, hari, jam, minit dan kedua, 3 menggunakan datetime.d. UTCNOW (), dan operasi harian dapat memenuhi keperluan dengan menggabungkan datetime.now () dengan rentetan yang diformat.

Tutorial ini menunjukkan secara terperinci bagaimana untuk mengekstrak, mengaitkan, dan mengintegrasikan data tertentu dengan cekap dari pelbagai fail teks menggunakan perpustakaan Python's Pandas. Dengan memuatkan data fail ke dalam data data dan menggunakan operasi gabungan untuk melaksanakan sambungan dalaman berdasarkan alamat IP dan alamat MAC, pelaksanaan akhir yang tepat padanan dan mengeluarkan maklumat persatuan IP, alamat MAC dan port yang sepadan dari fail dari sumber yang berbeza.
