本篇依然是一篇学习笔记，文章的结构首先讲装饰器，然后讲lambda表达式。装饰器内容较多，先简要介绍了装饰器语法，之后详细介绍理解和使用不带参数装饰器时应当注意到的一些细节，然后实现了一个简单的缓存装饰器作为实践，最后在理解不带参数的装饰器的基础上，介绍了理解和使用带参数的装饰器需要注意到的细节。lambda表达式的讲解依然着重于使用细节和理解上。如果有不对的地方欢迎指正。
装饰器
实际上理解装饰器的作用很简单，在看core python相关章节的时候大概就是这种感觉。只是在实际应用的时候，发现自己很难靠直觉决定如何使用装饰器，特别是带参数的装饰器，于是摊开来思考了一番，写下一些心得。
装饰器简述
为了完整起见，这里简要说明一下装饰器的语法。装饰器分为带参数得装饰器以及不带参数得装饰器。装饰器以及使用效果看起来大概是这样的。
#语法是这个样子的
@decorator(dec_opt_args)
def func2Bdecorated(func_opt_args):
...
#不带参数的装饰器
@dec1
@dec2
def func():
...
#这个函数声明等价于
func = dec1(dec2(func))
#带参数的装饰器
@dec(some_args)
def func():
...
#这个函数声明等价于
func = dec(some_args)(func)
不带参数的装饰器需要注意的一些细节
这里将说明使用带参数的装饰器时需要注意的一些细节。并会实现一个简单缓存装饰器，来帮助理解。
1. 关于装饰器函数(decorator)本身
对于被装饰的函数func，不带参数的装饰器接受一个函数为参数，并返回一个装饰过的函数decorated_func。因为对返回的函数没有限制，所以decorator函数甚至可以返回与func完全无关的新函数。但是大部分情况下，decorated_func是对func的额外处理，因此一个装饰器一般对应两个函数，一个是decorator函数，用来进行一些初始化操作处理，一个是decorated_func用来实现对被装饰的函数func的额外处理。并且为了保持对func的引用，decorated_func一般作为decorator的内部函数，比如：
#一般将decorated_func作为decorator的内部函数
#因为内部函数可以保持对func的引用(详见(1)的闭包讲解)
>>> def decorator(func):
... print 'init opration'
... def decorated_func():
... return func(2)
... return decorated_func
...
2. decorator函数只在函数声明的时候被调用一次
装饰器实际上是语法糖，在声明函数之后就会被调用，产生decorated_func，并把func符号的引用替换为decorated_func。之后每次调用func函数，实际调用的是decorated_func。
>>> def decorator(func):
... def decorated_func():
... func(1)
... return decorated_func
...
#声明时就被调用
>>> @decorator
... def func(x):
... print x
...
decorator being called
#使用func()函数实际上使用的是decorated_func函数
>>> func()
1
>>> func.__name__
'decorated_func'
如果要保证返回的decorated_func的函数名与func的函数名相同，应当在decorator函数返回decorated_func之前，加入decorated_func.name = func.name， 另外functools模块提供了wraps装饰器，可以完成这一动作。
#@wraps(func)的操作相当于
#在return decorated_func之前，执行
#decorated_func.__name__ = func.__name__
#func作为装饰器参数传入，
#decorated_func则作为wraps返回的函数的参数传入
>>> def decorator(func):
... @wraps(func)
... def decorated_func():
... func(1)
... return decorated_func
...
#声明时就被调用
>>> @decorator
... def func(x):
... print x
...
decorator being called
#使用func()函数实际上使用的是decorated_func函数
>>> func()
1
>>> func.__name__
'func'
3. decorator函数局部变量的妙用
因为closure的特性（详见(1)部分闭包部分的详解），decorator声明的变量会被decorated_func.func_closure引用，所以调用了decorator方法结束之后，decorator方法的局部变量也不会被回收，因此可以用decorator方法的局部变量作为计数器，缓存等等。值得注意的是，如果要改变变量的值，该变量一定要是可变对象，因此就算是计数器，也应当用列表来实现。并且声明一次函数调用一次decorator函数，所以不同函数的计数器之间互不冲突，例如：
#!/usr/bin/env python
#filename decorator.py
def decorator(func):
#注意这里使用可变对象
a = [0]
def decorated_func(*args,**keyargs):
func(*args, **keyargs)
#因为闭包是浅拷贝，如果是不可变对象，每次调用完成后符号都会被清空，导致错误
a[0] += 1
print "%s have bing called %d times" % (func.__name__, a[0])
return decorated_func
@decorator
def func(x):
print x
@decorator
def theOtherFunc(x):
print x
>>> from decorator import func
>>> from decorator import theOtherFunc
>>> func(0)
0
func have bing called 1 times
>>> func(0)
0
func have bing called 2 times
>>> func(0)
0
func have bing called 3 times
>>> theOtherFunc(0)
0
theOtherFunc have bing called 1 times
>>> theOtherFunc(1)
1
theOtherFunc have bing called 2 times
>>> theOtherFunc(2)
2
theOtherFunc have bing called 3 times
4. 简单的结果缓存装饰器
#coding=UTF-8
#!/usr/bin/env python
#filename decorator.py
import time
from functools import wraps
def decorator(func):
"cache for function result, which is immutable with fixed arguments"
print "initial cache for %s" % func.__name__
cache = {}
@wraps(func)
def decorated_func(*args,**kwargs):
#key必须是可哈希对象
#这里其实不严谨，如果kwargs值有不可哈希对象会出错
#简单起见这里不再做特殊处理
key = (args, tuple(kwargs.items()))
result = None
#判断是否存在缓存
if key in cache:
(result, updateTime) = cache[key]
#过期时间固定为10秒
if time.time() -updateTime < 10:
print "cache hit for", key
else :
print "cache expired for", key
result = None
else:
print "no cache for ", key
#如果过期，或则没有缓存调用方法
if result is None:
result = func(*args, **kwargs)
cache[key] = (result, time.time())
return result
return decorated_func
@decorator
def func(x):
if x <=1:
return 1
return x + func(x-1)
>>> from decorator import func
initial cache for func
>>> func(5)
no cache for ((5,), ())
no cache for ((4,), ())
no cache for ((3,), ())
no cache for ((2,), ())
no cache for ((1,), ())
15
>>> func(5)
cache hit for ((5,), ())
15
>>> func(1)
cache expired for ((1,), ())
1
>>> func(2)
cache expired for ((2,), ())
cache hit for ((1,), ())
3
带参数的装饰器
熟悉了不带参数的装饰器的使用之后，理解带参数的装饰器就简单很多了。带参数的装饰器主要用来传递一些设置，或者用来选择不同的装饰器。
我们已经知道，不带参数的装饰器调用decorator返回decorated_func。那么带参数的装饰器，就是返回decorator方法，再由decorator方法处理后，返回decorated_func。因此带参数的装饰器一般由3个方法组成，首先，调用settings_func用来接受参数, 并选择decorator方法， 之后调用返回的decorator方法产生decorated_func来对func进行额外处理。
有了settings_func我们就可以对decorator进行定制。如之前的实现的缓存方法，过期时间固定为10秒，有了settings_func我们就可以自定义过期时间，判断是否进行调试输出等。
1. 为缓存装饰器增加配置参数
这里加入了对过期时间的配置，和调试输出的开关。
#coding=UTF-8
#!/usr/bin/env python
#filename decorator.py
import time
from functools import wraps
def cache(expirationTime, debug=False):
def decorator(func):
if debug:
print "initial cache for %s" % func.__name__
cache = {}
@wraps(func)
def decorated_func(*args,**kwargs):
#key必须是可哈希对象
#这里其实不严谨，如果kwargs值有不可哈希对象会出错
#简单起见这里不再做特殊处理
key = (args, tuple(kwargs.items()))
result = None
if key in cache:
(result, updateTime) = cache[key]
if time.time() -updateTime < expirationTime:
print "cache hit for", key
else :
if debug:
print "cache expired for", key
result = None
elif debug:
print "no cache for ", key
if result is None:
result = func(*args, **kwargs)
cache[key] = (result, time.time())
return result
return decorated_func
return decorator
@cache(10)
def func(x):
if x <=1:
return 1
return x + func(x-1)
可以看到除了cache hit，其他的消息都被debug=False关闭了。
>>> func(5)
15
>>> func(1)
cache hit for ((1,), ())
1
>>> func(2)
cache hit for ((2,), ())
3
>>> func(3)
cache hit for ((2,), ())
6
被装饰的函数共用变量
上面的例子由于装饰器的变量（计数器，缓存）是在装饰器的方法中声明的，所以不同方法的这些变量是不通用的。要使得同一个装饰器装饰的不同方法变量通用（如共用缓存等），可以使用类属性，或全局变量来实现。
lambda表达式
lambda表达式实际上就是匿名函数，类似javascript的function([arg1,[arg2[...]]]){...}。 python中lambda表达式返回的就是函数实例。 语法中lambda后面跟随的是参数， 冒号后面跟随的是返回的结果。
>>> bar = lambda x,y : x+y
>>> type(bar)
<type 'function'>
>>> bar(1,2)
3
同时，lambda表达式也具有closure（闭包）的特性：
>>> def foo():
... x = 5
... y = 5
... bar = lambda : x+y
... return bar
...
>>> foo()()
10
总之，函数具有的特性，lambda表达式都具有。像给参数赋默认值啊， lambda内部的变量不受外部影响啊，全部都与函数的行为一模一样。
#默认参数
>>> y=2
>>> bar = lambda x, y =y : x + y
>>> bar(3)
5
#lambda定义的变量不受外部影响
>>> y = 5
>>> bar(3)
5
>>>