当前位置：首页 > article >正文

66、Python之函数高级：一个装饰器不够用，可以多装饰器buffer叠加

article 2025/2/1 12:08:49

引言

最近有同学关心一个函数只能被一个装饰器装饰吗？能否同时使用多个装饰器进行装饰？又或者，在定义装饰器的时候，我们应该定义一个“瑞士军刀”式的超强装饰器，还是通过多个装饰器实现增强效果的“buffer”叠加。

今天这篇文章，我们就聊一下关于多装饰器的定义及使用。

本文的内容主要有：

1、单一职能原则

2、多装饰器的使用与注意事项

单一职能原则

在介绍多装饰器的使用之前，我想先简单谈一下面向对象设计原则中的“单一职能原则”。

前面我们曾经提及并简单介绍过面向对象设计的5个基本原则，也就是所谓的“SOLID原则”，这些原则的核心理念在于确保软件设计更加稳定及易于扩展和维护。这些原则分别是：

1、单一职能原则（Single Responsibility Principle, SRP）

2、开闭原则（Open / Closed Principle, OCP）

3、里氏替换原则（Liskov Substitution Principle, LSP）

4、接口隔离原则（Interface Segregation Principle, ISP）

5、依赖倒置原则（Dependency Inversion Principle, DIP）

其中，开闭原则我们已经反复提及到，也结合Python相关语法特性的使用，反复实践了开闭原则。

今天，我们来重点聊一下单一职能原则SRP。

SRP的核心思想是：一个类（模块）应该只有一个引起它变化的原因，也就是说一个类只负责一个职责或者功能。

换句话说，一个类应该只有一个变化的理由。将职责分离到不同的类中，可以使得每个类的目标更加明确、职责更加单一，从而提高代码的可维护性和可扩展性。

单一职责的出发点在于：

1、提高代码的可复用性：类的职责更加单一，本质上也就是更加高内聚、低耦合，使得每个单一职责的类可以像是乐高积木一样，在功能扩展时，可以进行快速的组装、复用。

2、提高代码的可维护性：可维护性其实已经蕴含了可读性，类的职责单一，降低了单个类设计、实现上的复杂度。

3、便于进行单元测试：每个类都天然是一个单一职责的单元，单元测试就变得更加简洁、自然。

为了实现单一职责的落地，可以从以下几个方面着手：

1、职责分离：这是该原则的基本，设计之初就将所有的职责做明确的切分。

2、模块化设计：单一职责的原则，必然要求了模块化的设计理念，单一职责所对应的功能封装到独立的模块或者类中，自然就进行了代码的模块化构建。

3、定期代码重构：很多时候，在设计开发过程中，为了快速上线，或者其他的原因，我们会尽量避免过早优化。所以，不可避免的，可能导致部分功能、模块的设计、开发背离了单一职能原则。为了后续的可维护性和可扩展性，应当定期进行多职责耦合的类的识别及代码重构。

虽然，SRP是面向对象的设计原则，但是在结构化设计或者面向过程的开发中，我们在进行函数的定义及开发中，也是应当遵的。

所以，回到开篇提到的装饰器定义的选择，我们是应该定义一个大而全的瑞士军刀式的装饰器，还是应该定义多个单一职责的装饰？从SRP的角度来看，显然应该进行职责的分离，定义多个小而美的装饰器。

多装饰器的使用与注意事项

基于SRP，我们更加倾向于定义多个小而美的装饰器。但是，一个函数可以使用多个装饰器来装饰、增强吗？

其实，只要回顾一下我们之前提到的关于高阶函数、闭包、装饰器的原理，就知道，显然是可以使用多个装饰器的。多个装饰器作用于同一个函数对象，其实就是对原始函数对象的多层套娃，最终还是函数对象。而且，任意一层套娃得到的函数对象，其函数签名与原始函数签名是一致的。

我们前面分别定义了使用缓存和记录日志的装饰器，我们可以看一下两个装饰器放在一起使用的效果。

为了便于查看，我们对日志装饰器进行简化，直接看代码：

1、日志装饰器函数定义 log.py：

# 简化一下日志记录的定义，便于查看
def log(func):
    def wrap(*args, **kwargs):
        print(f'log>> 函数{func.__name__}被调用 参数: {args},{kwargs}')
        try:
            res = func(*args, **kwargs)
            print(f'log>> 函数{func.__name__}被调用 返回值: {res}')
            return res
        except Exception as e:
            print(f'log>> 函数{func.__name__}被调用 发生异常: {e}')

    return wrap

2、缓存装饰器 cache.py：

def cache(func):
    mem = {}

    def wrap(*args):
        res = mem.get(args)
        if not res:
            res = mem[args] = func(*args)
        else:
            print(f"cache>> 参数[{args}]命中缓存")
        return res

    return wrap

3、入口文件进行斐波那契函数的计算：

from log import log
from cache import cache


@log
@cache
def fibonacci(n):
    if n == 1:
        return 0
    if n == 2:
        return 1
    return fibonacci(n - 1) + fibonacci(n - 2)


if __name__ == '__main__':
    # 查看函数对象信息
    print(fibonacci)
    fibonacci(5)

执行结果：