Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

Co to są dekoratory w Pythonie?

Dekoratory w Pythonie to potężna funkcjonalność, umożliwiająca modyfikację zachowania funkcji lub metod bez zmiany ich kodu źródłowego. Są one formą metaprogramowania, czyli techniki programowania, w której programy mają zdolność do traktowania innych programów jako swoich danych. W kontekście Pythona, dekoratory pozwalają na rozszerzanie i modyfikowanie funkcji dzięki wykorzystaniu wyższego rzędu funkcji (funkcji, które przyjmują inną funkcję jako argument i zwracają nową funkcję).

Przykład użycia dekoratora

Rozważmy przykład dekoratora, który mierzy czas wykonania dowolnej funkcji. To pomoże zrozumieć, jak dekoratory działają w praktyce oraz jak mogą być użyteczne w realnych zastosowaniach.

import time

# Dekorator do mierzenia czasu wykonania funkcji
def timing_decorator(function):
    # Funkcja wrapper, która dodaje logikę
    # pomiaru czasu do oryginalnej funkcji
    def wrapper(*args, **kwargs):
        start_time = time.time()  # Zapisanie czasu startu
        result = function(*args, **kwargs)  # Wywołanie
                                           # oryginalnej funkcji
        end_time = time.time()  # Zapisanie czasu zakończenia
        print(f"Funkcja {function.__name__} wykonana w: "
              f"{end_time - start_time:.4f} sekund.")
        return result
    return wrapper

# Przykład użycia dekoratora
@timing_decorator
def example_function(n):
    # Funkcja, której czas wykonania będzie mierzony
    sum = 0
    for i in range(n):
        sum += i
    return sum

# Wywołanie funkcji z dekoratorem
example_function(100000)

Wyjaśnienie kodu

  • Importujemy moduł time, aby móc mierzyć czas.
  • Definiujemy dekorator timing_decorator, który przyjmuje funkcję function jako argument.
  • Wewnątrz dekoratora znajduje się funkcja wrapper, która obejmuje oryginalną funkcję. wrapper używa *args i **kwargs do przekazania dowolnej liczby argumentów do oryginalnej funkcji.
  • Przed i po wywołaniu oryginalnej funkcji, wrapper mierzy czas, aby obliczyć, ile czasu zajęło wykonanie funkcji.
  • Ostatecznie, dekorator zwraca funkcję wrapper, która teraz zawiera logikę oryginalnej funkcji wraz z dodatkowym kodem do mierzenia czasu.
  • Używamy dekoratora poprzez przedrostek @timing_decorator przed definicją funkcji, której działanie chcemy zmodyfikować. W naszym przykładzie jest to example_function, funkcja sumująca liczby od 0 do n.
  • Po wywołaniu example_function(100000), oprócz oczekiwanego wyniku działania funkcji, otrzymamy również informację o czasie jej wykonania.

Podsumowanie

Dekoratory są niezwykle użytecznym narzędziem w Pythonie, pozwalającym na czyste i wygodne rozszerzanie funkcjonalności funkcji bez potrzeby zmiany ich pierwotnego kodu. Umożliwiają one dodawanie wspólnych fragmentów kodu, takich jak logowanie, mierzenie wydajności, sprawdzanie uprawnień i wiele innych, w sposób, który jest zarówno estetyczny, jak i łatwy do ponownego użycia.

Jeżeli chcesz przyśpieszyć swoją naukę tworzenia stron chciałbym polecić mój kurs Python od podstaw w którym nauczysz się tego języka od podstaw do zaawansowanych jego aspektów.