"这篇文档是关于Python装饰器`partial`和`lru_cache`的个人理解和部分源码分析，属于原创内容。文档中通过一个具体的`logger`装饰器示例来解析装饰器的工作原理，同时也提及了`partial`装饰器的使用。”
在Python中，装饰器是一种强大的工具，用于修改或增强函数、类等对象的行为，无需改变它们的源代码。`partial`和`lru_cache`是两个常用的内置装饰器。
1. `functools.partial`装饰器：
`functools.partial`允许我们创建新的函数，这些新函数是通过固定原始函数的部分参数来得到的。这在处理高阶函数时特别有用，它简化了调用语法。例如：
```python
from functools import partial
def add(x, y):
return x + y
# 创建一个新函数add5，它已经预设了x参数为5
add5 = partial(add, 5)
# 现在调用add5(3)相当于调用add(5, 3)
print(add5(3)) # 输出：8
```
2. `functools.lru_cache`装饰器：
`lru_cache`是一个用于缓存函数结果的装饰器，它能提高性能，特别是当函数有重复输入且计算成本较高时。LRU（Least Recently Used）策略意味着最近最少使用的缓存项会在内存满时被替换。
```python
from functools import lru_cache
@lru_cache(maxsize=32)
def expensive_function(n):
# 假设这是一个昂贵的计算
time.sleep(1)
return n * n
# 第一次调用会执行函数
print(expensive_function(2))
# 第二次调用相同的参数，将直接从缓存中获取结果，不再执行函数
print(expensive_function(2))
```
在文档中，作者通过自定义的`logger`装饰器来解释装饰器的工作原理。这个装饰器在函数调用前后分别打印消息，并记录函数执行时间。装饰器的调用流程如下：
1. 定义`copy_properties`函数，用于复制源函数的`__name__`和`__doc__`属性。
2. 定义`logger`装饰器，内部调用`copy_properties`来复制源函数属性。
3. 使用`@logger`装饰`add`函数，实际上执行了`logger(add)`，返回一个新的包装函数`wrapper`。
4. `wrapper`函数在调用前打印`'------before------'`，调用后计算执行时间并打印相应消息。
5. 装饰器的使用使得`add`函数的调用过程变为调用`wrapper`，从而实现了额外的功能。
通过这个例子，我们可以看到装饰器如何在不修改原有函数代码的情况下，通过包装函数来扩展其功能。这种设计模式在Python中广泛应用于日志、性能分析、权限控制等多个场景。
我的内容管理
展开
