包括使用一等函数实现设计模式(第6章)和装饰器(第7章)

Chap 6 使用一等函数实现设计模式

6.1 “策略”模式

策略模式是定义一系列算法，将它们一一封装起来，并且使它们可以相互替换。本模式使得算法可以独立于使用它的客户而变化。

上下文 context
把一些计算委托给实现不同算法的可互换组件，它提供服务。
策略 strategy
实现不同算法的组件的共同接口
具体策略
“策略”的具体子类

在经典的“策略”模式中，具体策略都是一个类，它们没有状态，只有一个函数，可以用函数重构。

策略对象通常是很好的享元。
享元是可共享的对象，可以同时在多个上下文中使用。

共享是推荐的做法，这样不用在多个上下文中使用相同的策略时不断新建具体策略对象，减少消耗。
函数比用户定义的类轻量级，而且无需使用“享元”模式，因为各个策略函数字Python编译模块时只会创建一次。

6.2 “命令”模式

命令模式的目的是解耦调用操作的对象（调用者）和提供实现的对象（接收者）。

利用一等函数重构命令模式的方法与策略模式相似：将实现单方法接口的类的实例替换为可调用对象。

Chap 7 函数装饰器和闭包

7.1 装饰器基础知识

装饰器是可调用的对象，其参数是另一个函数（被装饰的函数）。装饰器可能会处理被装饰的函数，然后将它返回，或者将其替换成另一个函数或者可调用对象。

def deco(func):
    def inner():
        print('running inner()')
    return inner

@deco
def target():
    print('running target()')


>>> target()
running inner()

此时的target()是对inner()的引用。

7.2 Python何时执行装饰器

装饰器在被装饰的函数定义之后立即运行，即导入时（Python加载模块时）。
函数装饰器在导入模块时立即执行，而被装饰的函数只在明确调用时运行。

装饰器常有以下用法：

装饰器通常在一个模块中定义，然后应用到其他模块的函数上
大多数装饰器会在内部定义一个函数，然后将其返回

7.4 变量作用域规则

Python不要求声明变量，但是假定在函数定义体中赋值的变量是局部变量。

在函数中复制时想让解释器将变量当成全局变量，使用global声明。

b = 6
def f3(a):
    global b
    print(a)
    print(b)
    b = 9

7.5 闭包

闭包指延伸了作用域的函数，其中包含定义体内引用、但是不在定义体中定义的非全局变量。

def make_average():
    series = []
    def averager(new_value):
        series.append(new_value)
        total = sum(series)
        return total / len(series)
    return averager

series是自由变量（指未在本地作用域中绑定的变量）

series的绑定在返回avg函数的__closure__属性中，avg.__closure__中的各个元素对应于avg.__code__.co_freevars中的一个名称。这些元素是cell对象，有个cell_contents属性，保存着真正的值。

闭包是一种函数，它会保留定义函数时存在的自由变量的绑定，这样调用函数时，虽然定义作用域不可用了，但是仍能使用那些绑定。

7.6 nonlocal声明

如果将7.5中的程序修改为只保存总值和个数

def make_average():
    count = 0
    total = 0
    def averager(new_value):
        count += 1
        total += new_value
        return total / count
    return averager

这样的代码是，count+=1的操作相当于对count赋值，把count当作局部变量，会出现未声明先引用的问题。在7.5的代码中，列表是可变的对象使得这个问题不会出现，但是数字、字符串、元组等是不可变类型，只能读取，不能更新。

为了解决这个问题，Python 3 引入了nonlocal声明，将变量标记为自由变量

def make_average():
    count = 0
    total = 0
    def averager(new_value):
        nonlocal count, total
        count += 1
        total += new_value
        return total / count
    return averager

7.8 标准库中的装饰器

functools.wraps

协助构建行为良好的装饰器

functools.lru_cache

实现了备忘功能，是一项优化技术，把耗时的函数的结果保存起来，避免传入相同的参数时重复计算（eg: 斐波那契数递归函数）
LRU是Least Recently Used的缩写

import functools
from clockdeco import clock
@functools.lru_cache()
@clock
def fibonacci(n):
    if n < 2 :
        return n
    return fibonacci(n-2) + fibonacci(n-2)
if __name__ == '__main__':
    print(fibonacci(6))

单分派泛函数

functools.singledispatch装饰器将整体方案拆分成多个模块，甚至可以为你无法修改的类提供专门的函数。
使用@singledispatch装饰的普通函数会变成泛函数：根据第一个参数的类型，以不同方式执行相同操作的一组函数，

7.9 叠放装饰器

把@d1和@d2两个装饰器按顺序应用到f函数上，作用相当于f = d2(d2(f))

7.10 参数化装饰器

Python会将被装饰函数作为第一个参数传给装饰器，要传入其他参数，需要创建一个装饰器工厂函数，把参数传给他，返回一个装饰器，然后再把它应用到要装饰的函数上。

registry = []
def register(active = True): #装饰器工厂函数
    def decorate(func): #装饰器
        print('running register(active=%s)->decorete(%s)' % (active, func)) # 从闭包中获取active的值
        if active :
            registry.add(func)
        else:
            registry.discard(func)
        return func # 装饰器返回函数
    return decorate # 返回装饰器

@register(active=False) 
def f1():
    print('running f1()')
@register()  # 工厂函数必须作为函数调用
def f2():
    print('running f2()')

如果要想常规函数使用register，将f添加到registry中，需要使用register()(f)或register(active=False)(f)（删除/不想添加）

参数化装饰器通常会把被装饰的函数替换掉，而且结构上需要多一层嵌套

coding and ciuji

Fluent Python 读书笔记(3)