带自定义参数的装饰器

def repeat(num):
    def my_decorator(func):
        def wrapper(*args, **kwargs):
            for i in range(num):
                print('wrapper of decorator')
                func(*args, **kwargs)
        return wrapper
    return my_decorator


@repeat(4)
def greet(message):
    print(message)

greet('hello world')

# 输出：
wrapper of decorator
hello world
wrapper of decorator
hello world
wrapper of decorator
hello world
wrapper of decorator
hello world

上述 green() 函数被装饰以后，它的元信息会发生改变，可勇敢 greet__name__ 来查看。可通过内置装饰器来解决这个问题

import functools

def my_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print('wrapper of decorator')
        func(*args, **kwargs)
    return wrapper
    
@my_decorator
def greet(message):
    print(message)

greet.__name__

# 输出
'greet'

类装饰器

class Count:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0

    def __call__(self, *args, **kwargs):
        self.num_calls += 1
        print('num of calls is: {}'.format(self.num_calls))
        return self.func(*args, **kwargs)

@Count
def example():
    print("hello world")

example()

# 输出
num of calls is: 1
hello world

example()

# 输出
num of calls is: 2
hello world

装饰器支持嵌套使用

@decorator1
@decorator2
@decorator3
def func():
    ...

# 等价于
decorator1(decorator2(decorator3(func)))

装饰器使用场景：

• 身份认证
• 日志记录
• 输入合理性检查
• 缓存（LRU cache）

metaclass

metaclass 是 Python 黑魔法级别的语言特性，它可以改变正常 Python 类型的创建过程。

• 所有 Python 的用户定义类，都是 type 这个类的实例
• 用户自定义类，只不过是 type 类的 __ call __ 运算符重载
• metaclass 是 type 的子类，通过替换 type 的 __ call __ 运算符重载机制，超越变形正常的类

class Mymeta(type):
    def __init__(self, name, bases, dic):
        super().__init__(name, bases, dic)
        print('===>Mymeta.__init__')
        print(self.__name__)
        print(dic)
        print(self.yaml_tag)

    def __new__(cls, *args, **kwargs):
        print('===>Mymeta.__new__')
        print(cls.__name__)
        return type.__new__(cls, *args, **kwargs)

    def __call__(cls, *args, **kwargs):
        print('===>Mymeta.__call__')
        obj = cls.__new__(cls)
        cls.__init__(cls, *args, **kwargs)
        return obj
    
class Foo(metaclass=Mymeta):
    yaml_tag = '!Foo'

    def __init__(self, name):
        print('Foo.__init__')
        self.name = name
 
    def __new__(cls, *args, **kwargs):
        print('Foo.__new__')
        return object.__new__(cls)

foo = Foo('foo')

迭代器和生成器

• 容器时可迭代对象，可迭代对象调用 iter() 函数，可以得到一个迭代器。迭代器可以通过 next() 函数来得到下一个元素，从而支持遍历
• 生成器时一种特殊的迭代器，合理使用生成器，可以降低内存占用、优化程序结构、提高程序速度
• 生成器在 Python 2 的版本上，是协程的一种重要实现方式；而 Python 3.5 引入的 async、await 语法糖，生成器实现协程的方式就已经落后了。

协程

协程是实现并发编程的一种方式

• 协程和多线程的区别，主要在于两点，一是协程为单线程；二是协程由用户决定，在哪些地方交出控制权，切换到下一个任务
• 协程的写法更加简洁清晰；把 async/await 语法和 create_task 结合起来用，对于中小级别的并发需求已经毫无压力

生产者/消费者 模型