django装饰器可以用来做什么(2023年最新分享)

发布网友 发布时间：2024-09-29 15:53

我来回答

共1个回答

热心网友 时间：2024-11-08 12:34

导读：本篇文章首席CTO笔记来给大家介绍有关django装饰器可以用来做什么的相关内容，希望对大家有所帮助，一起来看看吧。

我们在系统开发时都会遇到用户登录的需求，使用Django用户认证（Auth）组件可以帮助我们判断当前的用户是否合法，快速实现用户登录、验证和退出。

Django中LOGIN_URL默认是/accounts/login/，如果我们不设置就会跳转到/accounts/login/页面去，因此需要我们覆写这个值，让它指向我们的登录页面。

使用django自带的装饰器@login_required，就可以判断用户是否登录，只需要在相应的view方法的前面添加@login_required。

最后给大家做个展示：

你学会了吗，赶紧去试试吧！！！

三大器(装饰器,迭代器,生成器)

装饰器本质上就是一个闭包函数,他可以在不改变源码的情况下,增加其他的功能

应用场景:小范围的需要给类增加其他功能就可以使用装饰器

原则:装饰器遵循开放封闭原则

函数的有效信息通常记录着一些有用信息,但是一旦和装饰器联系在一块的话,就会出现打印为空的现象

这是因为我们所执行的f()函数实际上执行的是装饰器中的inner()函数,所以打印为空

但在django框架中使用的装饰器修复技术并不是这个

迭代重复做一些事很多次（就现在循环中做的那样）

可迭代对象Iterable内部实现__iter__方法(可以直接作用于for循环的对象统称为可迭代对象,可以使用isinstance()来判断Iterable)

迭代器Iterator有__next__方法的就是迭代器,迭代器是从第一个值开始一个一个的取,直到取完才结束,中间只能前进不能后退,也不能生成值可以通过isinstance()判断对象是否是Iterator

生成器具有yeild方法,生成器是基于迭代器的,不仅能取值,还能生成值.被执行后返回的是一个生成器生成器的本质就是一个迭代器

通过列表生成式,我们可以直接创建一个列表.但是,受到内存限制,列表容量可定是有限的.而且,我们创建一个包含100万个元素的列表,不仅占用很大的储存空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了.

在Python中像列表生成器这样一边循环一边计算的机制称为生成器generator

要创建一个生成器generator有很多中方法

Python中迭代器的本质上每次调用next()方法都返回下一个元素或抛出StopIteration的容器对象

由于Python中没有“迭代器”这个类，因此具有以下两个特性的类都可以称为“迭代器”类：

1.有__next__()方法，返回容器的下一个元素或抛出StopIteration异常

2.有__iter__()方法，返回迭代器本身

虽然列表、字符串.....这些不是迭代器,但是我们可以把它变成迭代器

先来个形象比方

内裤可以用来遮羞，但是到了冬天它没法为我们防风御寒，聪明的人们发明了长裤，有了长裤后宝宝再也不冷了，装饰器就像我们这里说的长裤，在不影响内裤作用的前提下，给我们的身子提供了保暖的功效。

再回到我们的主题

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

先来看一个简单例子：

deffoo():

print('iamfoo')

现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码：

deffoo():

print('iamfoo')

logging.info("fooisrunning")

bar()、bar2()也有类似的需求，怎么做？再写一个logging在bar函数里？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志，日志处理完之后再执行真正的业务代码

defuse_logging(func):

logging.warn("%sisrunning"%func.__name__)

func()defbar():

print('iambar')use_logging(bar)

逻辑上不难理解，

但是这样的话，我们每次都要将一个函数作为参数传递给use_logging函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成use_logging(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

简单装饰器

defuse_logging(func):

defwrapper(*args,**kwargs):

logging.warn("%sisrunning"%func.__name__)

returnfunc(*args,**kwargs)

returnwrapperdefbar():

print('iambar')bar=use_logging(bar)bar()

函数use_logging就是装饰器，它把执行真正业务方法的func包裹在函数里面，看起来像bar被use_logging装饰了。在这个例子中，函数进入和退出时

，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-OrientedProgramming)。

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

defuse_logging(func):

defwrapper(*args,**kwargs):

logging.warn("%sisrunning"%func.__name__)

returnfunc(*args)

returnwrapper@use_loggingdeffoo():

print("iamfoo")@use_loggingdefbar():

print("iambar")bar()

如上所示，这样我们就可以省去bar=

use_logging(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。

装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

带参数的装饰器

装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@use_logging，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

defuse_logging(level):

defdecorator(func):

defwrapper(*args,**kwargs):

iflevel=="warn":

logging.warn("%sisrunning"%func.__name__)

returnfunc(*args)

returnwrapper

returndecorator@use_logging(level="warn")deffoo(name='foo'):

print("iam%s"%name)foo()

上面的use_logging是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我

们使用@use_logging(level="warn")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

类装饰器

再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的\_\_call\_\_方法，当使用@形式将装饰器附加到函数上时，就会调用此方法。

classFoo(object):

def__init__(self,func):

self._func=func

def__call__(self):

print('classdecoratorruning')

self._func()

print('classdecoratorending')

@Foo

defbar():

print('bar')

bar()

functools.wraps

使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

装饰器

deflogged(func):

defwith_logging(*args,**kwargs):

printfunc.__name__+"wascalled"

returnfunc(*args,**kwargs)

returnwith_logging

函数

@loggeddeff(x):

"""doessomemath"""

returnx+x*x

该函数完成等价于：

deff(x):

"""doessomemath"""

returnx+x*xf=logged(f)

不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。

printf.__name__??#prints'with_logging'printf.__doc__??#printsNone

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

fromfunctoolsimportwrapsdeflogged(func):

@wraps(func)

defwith_logging(*args,**kwargs):

printfunc.__name__+"wascalled"

returnfunc(*args,**kwargs)

returnwith_logging@loggeddeff(x):

"""doessomemath"""

returnx+x*xprintf.__name__?#prints'f'printf.__doc__?#prints'doessomemath'

内置装饰器

@staticmathod、@classmethod、@property

装饰器的顺序

@a@b@cdeff():

等效于

f=a(b(c(f)))

装饰器能有助于检查某个人是否被授权去使用一个web应用的端点(endpoint)。它们被大量使用于Flask和Djangoweb框架中。这里是一个例子来使用基于装饰器的授权：

日志是装饰器运用的另一个亮点。这是个例子：

我敢肯定你已经在思考装饰器的一个其他聪明用法了。

带参数的装饰器是典型的闭包函数(略，参考我之前文章)

我们回到日志的例子，并创建一个包裹函数，能让我们指定一个用于输出的日志文件。

现在我们有了能用于正式环境的logit装饰器，但当我们的应用的某些部分还比较脆弱时，异常也许是需要更紧急关注的事情。比方说有时你只想打日志到一个文件。而有时你想把引起你注意的问题发送到一个email，同时也保留日志，留个记录。这是一个使用继承的场景，但目前为止我们只看到过用来构建装饰器的函数。

幸运的是，类也可以用来构建装饰器。那我们现在以一个类而不是一个函数的方式，来重新构建logit。

具体再参考我之前文章，廖神讲解的更清晰

结语：以上就是首席CTO笔记为大家整理的关于django装饰器可以用来做什么的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～