兩個很實用的Python裝飾器詳解
1.超時函數(shù)
這個函數(shù)的作用在于可以給任意可能會hang住的函數(shù)添加超時功能,這個功能在編寫外部API調用 、網(wǎng)絡爬蟲、數(shù)據(jù)庫查詢的時候特別有用
timeout裝飾器的代碼如下:
import signal,functools #下面會用到的兩個庫
class TimeoutError(Exception): pass #定義一個Exception,后面超時拋出
def timeout(seconds, error_message = 'Function call timed out'):
def decorated(func):
def _handle_timeout(signum, frame):
raise TimeoutError(error_message)
def wrapper(*args, **kwargs):
signal.signal(signal.SIGALRM, _handle_timeout)
signal.alarm(seconds)
try:
result = func(*args, **kwargs)
finally:
signal.alarm(0)
return result
return functools.wraps(func)(wrapper)
return decorated
使用:
@timeout(5) #限定下面的slowfunc函數(shù)如果在5s內不返回就強制拋TimeoutError Exception結束 def slowfunc(sleep_time): import time time.sleep(sleep_time) #這個函數(shù)就是休眠sleep_time秒 slowfunc(3) #sleep 3秒,正常返回 沒有異常 slowfunc(10) #被終止
## 輸出
---------------------------------------------------------------------------
TimeoutError Traceback (most recent call last)
2.Trace函數(shù)
有時候出于演示目的或者調試目的,我們需要程序運行的時候打印出每一步的運行順序 和調用邏輯。類似寫bash的時候的bash -x調試功能,然后Python解釋器并沒有 內置這個時分有用的功能,那么我們就“自己動手,豐衣足食”。
Trace裝飾器的代碼如下:
'''
學習中遇到問題沒人解答?小編創(chuàng)建了一個Python學習交流群:725638078
尋找有志同道合的小伙伴,互幫互助,群里還有不錯的視頻學習教程和PDF電子書!
'''
import sys,os,linecache
def trace(f):
def globaltrace(frame, why, arg):
if why == "call": return localtrace
return None
def localtrace(frame, why, arg):
if why == "line":
# record the file name and line number of every trace
filename = frame.f_code.co_filename
lineno = frame.f_lineno
bname = os.path.basename(filename)
print("{}({}): {}".format( bname,
lineno,
linecache.getline(filename, lineno).strip('\r\n')),)
return localtrace
def _f(*args, **kwds):
sys.settrace(globaltrace)
result = f(*args, **kwds)
sys.settrace(None)
return result
return _f
使用:
@trace def xxx(): print (1) print (22) print (333) xxx() #調用
## 輸出
<ipython-input-4-da50741ac84e>(3): print 1 # @trace 的輸出
1
<ipython-input-4-da50741ac84e>(4): print 22 # @trace 的輸出
22
<ipython-input-4-da50741ac84e>(5): print 333 # @trace 的輸出
333
總結
本篇文章就到這里了,希望能夠給你帶來幫助,也希望您能夠多多關注腳本之家的更多內容!
相關文章
pandas 實現(xiàn)字典轉換成DataFrame的方法
今天小編就為大家分享一篇pandas 實現(xiàn)字典轉換成DataFrame的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
Python 裝飾器實現(xiàn)DRY(不重復代碼)原則
python的裝飾器就是一種代碼簡潔的手段,在函數(shù)和方法有改動時,使得改動量最小。這篇文章給大家介紹了Python 裝飾器實現(xiàn)DRY(不重復代碼)原則,感興趣的朋友一起看看吧2018-03-03
使用Djongo模塊在Django中使用MongoDB數(shù)據(jù)庫
Django框架為我們提供了簡潔方便的ORM模型供我們對數(shù)據(jù)庫進行各種操作,但是這個“數(shù)據(jù)庫”卻并不包括NoSQL的典型——MongoDB。不少Django初學者也會到處詢問,如何才能在Django中使用MongoDB。本文將介紹使用Djongo來在Django中集成MongoDB數(shù)據(jù)庫2021-06-06
詳解四種Python中基本形態(tài)學濾波的實現(xiàn)
最基礎的形態(tài)學操作有四個,分別是腐蝕、膨脹、開計算和閉計算。這篇文章主要介紹了這四種形態(tài)學濾波的實現(xiàn),感興趣的小伙伴可以跟隨小編一起學習一下2023-04-04
Python下應用opencv 實現(xiàn)人臉檢測功能
OpenCV是如今最流行的計算機視覺庫,今天我們通過本文給大家分享Python下應用opencv 實現(xiàn)人臉檢測功能,感興趣的朋友跟隨小編一起看看吧2019-10-10
Python基于matplotlib畫箱體圖檢驗異常值操作示例【附xls數(shù)據(jù)文件下載】
這篇文章主要介紹了Python基于matplotlib畫箱體圖檢驗異常值操作,涉及Python針對xls格式數(shù)據(jù)文件的讀取、matplotlib圖形繪制等相關操作技巧,并附帶xls數(shù)據(jù)文件供讀者下載參考,需要的朋友可以參考下2019-01-01

