【Python】 Python中的functools.wraps：装饰器的优雅包装

基本原理

在Python中，装饰器是一种非常强大的工具，它允许我们以一种非常灵活的方式修改或增强函数的行为。装饰器本质上是一个函数，它接收一个函数作为参数，并返回一个新的函数。然而，当我们使用装饰器时，原始函数的一些属性，如其名字和文档字符串，可能会丢失。为了解决这个问题，functools模块提供了一个名为wraps的装饰器工厂，它可以“包装”原始函数的属性，确保它们在装饰后仍然保持不变。

代码示例

示例1：没有使用wraps的装饰器

def my_decorator(func):def wrapper():print("Something is happening before the function is called.")func()print("Something is happening after the function is called.")return wrapper@my_decorator
def say_hello():print("Hello!")say_hello()
# 输出：
# Something is happening before the function is called.
# Hello!
# Something is happening after the function is called.
print(say_hello.__name__)  # 输出：wrapper

示例2：使用wraps的装饰器

from functools import wrapsdef my_decorator(func):@wraps(func)def wrapper():print("Something is happening before the function is called.")func()print("Something is happening after the function is called.")return wrapper@my_decorator
def say_hello():"""Greets everyone."""print("Hello!")say_hello()
# 输出：
# Something is happening before the function is called.
# Hello!
# Something is happening after the function is called.
print(say_hello.__name__)  # 输出：say_hello
print(say_hello.__doc__)   # 输出：Greets everyone.

示例3：wraps的更多属性

def my_decorator(func):@wraps(func)def wrapper(*args, **kwargs):print("Arguments:", args)print("Keyword arguments:", kwargs)return func(*args, **kwargs)return wrapper@my_decorator
def add(a, b):"""Adds two numbers."""return a + bresult = add(5, 3)
print(result)  # 输出：Arguments: (5, 3) Keyword arguments: {}

注意事项

使用场景：当你需要编写一个装饰器，并且希望保留原始函数的名称、文档字符串等属性时，应该使用wraps。
参数传递：wraps可以正确处理函数的参数，包括可变参数和关键字参数。
兼容性：wraps是functools模块的一部分，因此它在Python 2和Python 3中都可用，但使用方式略有不同。在Python 3中，wraps可以直接用作装饰器；而在Python 2中，你需要先将其作为参数传递给update_wrapper函数。
性能考虑：虽然wraps提供了方便的功能，但它可能会略微影响性能，因为它需要在内部进行一些属性的复制工作。

结论

functools.wraps是一个非常重要的工具，它使得装饰器的使用更加灵活和强大。通过保留原始函数的元数据，wraps帮助我们编写更加清晰、可维护的代码。理解并正确使用wraps，可以让你的Python代码更加专业和优雅。

>
> 【痕迹】QQ+微信朋友圈和聊天记录分析工具1.0.4 （1）纯Python语言实现，使用Flask后端，本地分析，不上传个人数据。
>
> （2）内含QQ、微信聊天记录保存到本地的方法，真正实现自己数据自己管理。
>
> （3）数据可视化分析QQ、微信聊天记录，提取某一天的聊天记录与大模型对话。
>
> 下载地址：https://www.alipan.com/s/x6fqXe1jVg1
>