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
เดกอเรเตอร์
Decorators ช่วยให้คุณสามารถแก้ไขวัตถุที่เรียกใช้งานได้ เช่น functions, methods, or classes ได้โดยง่าย ในบทเรียนนี้เราจะจัดการกับ functions สำหรับไวยากรณ์
@decorator
def functions(arg):
return "value"
เท่ากับว่า:
def function(arg):
return "value"
function = decorator(function) # นี้คือการส่งผ่านฟังก์ชันไปยัง decorator และกำหนดค่าใหม่ให้กับฟังก์ชัน
ตามที่คุณเห็น, decorator ก็คือฟังก์ชันอีกตัวหนึ่งที่รับฟังก์ชันแล้วส่งคืนหนึ่งฟังก์ชัน ตัวอย่างเช่น คุณสามารถทำเช่นนี้:
def repeater(old_function):
def new_function(*args, **kwds): # ดู learnpython.org/en/Multiple%20Function%20Arguments สำหรับการทำงานของ *args และ **kwds
old_function(*args, **kwds) # เราเรียกใช้ฟังก์ชันเก่า
old_function(*args, **kwds) # เราทำซ้ำสองครั้ง
return new_function # เราต้องส่งคืน new_function มิฉะนั้นจะไม่กำหนดใหม่ให้กับค่า
นี่จะทำให้ฟังก์ชันทำซ้ำสองครั้ง
>>> @repeater
def multiply(num1, num2):
print(num1 * num2)
>>> multiply(2, 3)
6
6
คุณยังสามารถให้มันเปลี่ยนผลลัพธ์ได้
def double_out(old_function):
def new_function(*args, **kwds):
return 2 * old_function(*args, **kwds) # แก้ไขค่าที่ส่งคืน
return new_function
เปลี่ยน input
def double_Ii(old_function):
def new_function(arg): # ใช้งานได้เฉพาะฟังก์ชันเก่าที่มีอาร์กิวเมนต์ตัวเดียว
return old_function(arg * 2) # แก้ไขอาร์กิวเมนต์ที่ส่งผ่าน
return new_function
และทำการตรวจสอบ
def check(old_function):
def new_function(arg):
if arg < 0: raise (ValueError, "Negative Argument") # นี่ทำให้เกิดข้อผิดพลาด ซึ่งดีกว่าการทำสิ่งที่ผิดพลาด
old_function(arg)
return new_function
สมมุติว่าคุณต้องการคูณผลลัพธ์ด้วยค่าตัวแปร คุณสามารถกำหนด decorator และใช้งานดังนี้:
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 # มันส่งคืนตัวสร้างใหม่
# การใช้งาน
@multiply(3) # multiply ไม่ใช่ generator แต่ multiply(3) ใช่
def return_num(num):
return num
# ตอนนี้ return_num ถูกตกแต่งและกำหนดใหม่ให้กับตัวมันเอง
return_num(5) # ควรส่งคืน 15
คุณสามารถทำอะไรก็ได้ที่คุณต้องการกับฟังก์ชั่นเก่า แม้กระทั่งละเลยอย่างสิ้นเชิง! Decorator ระดับสูงยังสามารถจัดการกับ doc string และจำนวนอาร์กิวเมนต์ได้อีกด้วย สำหรับ decorators ที่น่าสนใจ ดูที่ http://wiki.python.org/moin/PythonDecoratorLibrary.
Exercise
สร้างโรงงาน decorator ที่ส่งคืน decorator ที่ตกแต่งฟังก์ชันที่มีอาร์กิวเมนต์เดียว โรงงานควรรับอาร์กิวเมนต์หนึ่งตัว, เป็น type, จากนั้นส่งคืน decorator ที่ทำให้ฟังก์ชันควรตรวจสอบว่าข้อความ input เป็น type ที่ถูกต้องหรือไม่ ถ้าไม่ถูกควรพิมพ์ว่า "Bad Type" (ในความเป็นจริง ควรจะให้เกิดข้อผิดพลาด แต่การแจ้งข้อผิดพลาดไม่อยู่ในบทเรียนนี้) ดูที่โค้ดในบทเรียนและผลลัพธ์ที่คาดหวังเพื่อดูว่ามันคืออะไรถ้าคุณสับสน (ฉันเข้าใจดีว่าฉันก็จะสับสน) การใช้ isinstance(object, type_of_object) หรือ type(object) อาจช่วยได้.
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
