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
דקורטורים
Decorators מאפשרים לך לבצע שינויים פשוטים על אובייקטים שניתן לקרוא להם כמו פונקציות, שיטות או מחלקות. במדריך זה נתמקד בפונקציות. התחביר
@decorator def function(arg): return "value"
שווה ערך ל:
def function(arg): return "value" function = decorator(function) # זה מעביר את הפונקציה לדקורטור ומשנה לה שם לפונקציות
כפי שאתה עשוי לראות, דקורטור הוא פשוט פונקציה אחרת שלוקחת פונקציות ומחזירה אחת. לדוגמה, תוכל לעשות זאת:
def repeater(old_function): def new_function(args, kwds): # ראה learnpython.org/en/Multiple%20Function%20Arguments איך args ו-kwds עובדים old_function(*args, kwds) # אנו מריצים את הפונקציה הישנה old_function(args, **kwds) # אנו עושים זאת פעמיים return new_function # עלינו להחזיר את new_function, אחרת לא נוכל לשנות לה שם לערך
זה יגרום לפונקציה לרוץ פעמיים.
@repeater def multiply(num1, num2): print(num1 * num2)
multiply(2, 3) 6 6
אתה יכול גם לגרום לזה לשנות את הפלט
def double_out(old_function): def new_function(*args, kwds): return 2 * old_function(*args, kwds) # משנים את ערך ההחזרה return new_function
לשנות קלט
def double_in(old_function): def new_function(arg): # עובד רק אם לפונקציה הישנה יש ארגומנט אחד return old_function(arg * 2) # משנים את הארגומנט שהועבר return new_function
ולבצע בדיקות.
def check(old_function): def new_function(arg): if arg < 0: raise (ValueError, "Negative Argument") # זה גורם לשגיאה, מה שעדיף על זה שהיא תעשה את הדבר הלא נכון old_function(arg) return new_function
נניח שאתה רוצה להכפיל את הפלט בכמות משתנה. תוכל להגדיר את הדקורטור ולהשתמש בו כך:
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 # הוא מחזיר את יוצר החדש
שימוש
@multiply(3) # multiply אינו יוצר, אבל multiply(3) כן def return_num(num): return num
עכשיו return_num מעוטר ומשנה שם לעצמו
return_num(5) # צריך להחזיר 15
אתה יכול לעשות כל דבר שאתה רוצה עם הפונקציה הישנה, אפילו להתעלם ממנה לחלוטין! דקורטורים מתקדמים יכולים גם לשנות את מחרוזת התיעוד ואת מספר הארגומנטים. עבור דקורטורים מעניינים, לך ל-http://wiki.python.org/moin/PythonDecoratorLibrary.
תרגיל
Make a decorator factory which returns a decorator that decorates functions with one argument. The factory should take one argument, a type, and then returns a decorator that makes function should check if the input is the correct type. If it is wrong, it should print("Bad Type") (In reality, it should raise an error, but error raising isn't in this tutorial). Look at the tutorial code and expected output to see what it is if you are confused (I know I would be.) Using isinstance(object, type_of_object) or type(object) might help. ```
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!
Sponsors
