Get started learning Python with DataCamp's free Intro to Python tutorial. Learn Data Science by completing interactive coding challenges and watching videos by expert instructors. Start Now!

This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join 11 million other learners and get started learning Python for data science today!

Good news! You can save 25% off your Datacamp annual subscription with the code LEARNPYTHON23ALE25 - Click here to redeem your discount

Dekoratorer


Dekoratorer giver dig mulighed for at lave enkle ændringer til callable objekter som funktioner, metoder eller klasser. Vi vil beskæftige os med funktioner i denne tutorial. Syntaksen

@decorator
def functions(arg):
    return "value"

Er ækvivalent med:

def function(arg):
    return "value"
function = decorator(function) # dette sender funktioner til dekoratoren og tildeler det til funktionerne igen

Som du måske har set, er en dekorator blot en anden funktion, som tager en funktion og returnerer en. For eksempel kan du gøre dette:

def repeater(old_function):
    def new_function(*args, **kwds): # Se learnpython.org/en/Multiple%20Function%20Arguments for hvordan *args og **kwds fungerer
        old_function(*args, **kwds) # vi kører den gamle funktion
        old_function(*args, **kwds) # vi gør det to gange
    return new_function # vi er nødt til at returnere new_function, ellers ville det ikke tildele det til værdien igen

Dette vil få en funktion til at gentage sig to gange.

>>> @repeater
def multiply(num1, num2):
    print(num1 * num2)

>>> multiply(2, 3)
6
6

Du kan også ændre output

def double_out(old_function):
    def new_function(*args, **kwds):
        return 2 * old_function(*args, **kwds) # ændre returværdien
    return new_function

ændre input

def double_Ii(old_function):
    def new_function(arg): # fungerer kun hvis den gamle funktion har et argument
        return old_function(arg * 2) # ændre det argument der gives
    return new_function

og lave kontrol.

def check(old_function):
    def new_function(arg):
        if arg < 0: raise (ValueError, "Negative Argument") # Dette forårsager en fejl, hvilket er bedre end at gøre det forkerte
        old_function(arg)
    return new_function

Lad os sige, du vil multiplicere output med et variabelt beløb. Du kunne definere dekoratoren og bruge den som følger:

def multiply(multiplier):
    def multiply_generator(old_function):
        def new_function(*args, **kwds):
            return multiplier * old_function(*args, **kwds)
        return new_function
    return multiply_generator # det returnerer den nye generator

# Brug
@multiply(3) # multiplicer er ikke en generator, men multiply(3) er
def return_num(num):
    return num

# Nu er return_num dekoreret og tildelt til sig selv igen
return_num(5) # burde returnere 15

Du kan gøre alt, hvad du vil, med den gamle funktion, selv fuldstændig ignorere den! Avancerede dekoratorer kan også manipulere doc stringen og antallet af argumenter. For nogle flotte dekoratorer, gå til http://wiki.python.org/moin/PythonDecoratorLibrary.

Øvelse

Lav en dekoratorfabrik, som returnerer en dekorator, der dekorerer funktioner med et argument. Fabrikken skal tage et argument, en type, og derefter returnere en dekorator, der skal få funktionen til at tjekke, om inputtet er af den korrekte type. Hvis det er forkert, skal den printe("Bad Type") (i virkeligheden bør den rejse en fejl, men fejlrejsning er ikke en del af denne tutorial). At bruge isinstance(object, type_of_object) eller type(object) kan hjælpe.

def type_check(correct_type): #put code here @type_check(int) def times2(num): return num*2 print(times2(2)) times2('Not A Number') @type_check(str) def first_letter(word): return word[0] print(first_letter('Hello World')) first_letter(['Not', 'A', 'String']) def type_check(correct_type): def check(old_function): def new_function(arg): if (isinstance(arg, correct_type)): return old_function(arg) else: print("Bad Type") return new_function return check @type_check(int) def times2(num): return num*2 print(times2(2)) times2('Not A Number') @type_check(str) def first_letter(word): return word[0] print(first_letter('Hello World')) first_letter(['Not', 'A', 'String']) test_output_contains("4") test_output_contains("Bad Type") test_output_contains("H") test_output_contains("Bad Type") success_msg("Good job!")

This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!

Previous Tutorial Next Tutorial Take the Test
Copyright © learnpython.org. Read our Terms of Use and Privacy Policy