Какие основные встроенные декораторы доступны в Python?

В Python декораторы — это функции, которые изменяют или расширяют поведение других функций или методов без изменения их исходного кода. Вот основные встроенные декораторы и те, что часто используются из стандартной библиотеки functools:

1. @property

   • Назначение: Позволяет превратить метод класса в атрибут, обеспечивая контролируемый доступ к данным (геттер).
   • Почему: Используется для инкапсуляции, создания "вычисляемых" атрибутов и обеспечения валидации при установке значений (через @<attr>.setter). Улучшает читаемость кода, позволяя обращаться к методам как к атрибутам.

   • Пример:

     class Circle:
         def __init__(self, radius):
             self._radius = radius # Приватный атрибут
     
         @property
         def radius(self):
             """Геттер для радиуса."""
             return self._radius
     
         @radius.setter
         def radius(self, value):
             """Сеттер для радиуса с валидацией."""
             if value < 0:
                 raise ValueError("Радиус не может быть отрицательным")
             self._radius = value
     
     c = Circle(10)
     print(c.radius) # Вызывает геттер: 10
     c.radius = 15   # Вызывает сеттер
     print(c.radius) # 15
     # c.radius = -5 # Вызовет ValueError

2. @classmethod

   • Назначение: Объявляет метод как метод класса. Первый аргумент такого метода — сам класс (cls), а не экземпляр (self).
   • Почему: Полезен для создания альтернативных конструкторов (фабричных методов), которые могут создавать экземпляры класса различными способами, или для операций, которые относятся ко всему классу, а не к конкретному экземпляру.

   • Пример:

     class MyClass:
         def __init__(self, data):
             self.data = data
     
         @classmethod
         def from_string(cls, string_data):
             """Фабричный метод для создания экземпляра из строки."""
             return cls(int(string_data))
     
         @classmethod
         def default_instance(cls):
             """Создает экземпляр с данными по умолчанию."""
             return cls(0)
     
     obj1 = MyClass(10)
     obj2 = MyClass.from_string("20")
     obj3 = MyClass.default_instance()
     print(obj1.data, obj2.data, obj3.data) # Вывод: 10 20 0

3. @staticmethod

   • Назначение: Объявляет метод как статический. Он не принимает ни self, ни cls в качестве первого аргумента и ведет себя как обычная функция, логически связанная с классом.
   • Почему: Используется для утилитарных функций, которые не зависят от состояния экземпляра или класса, но логически принадлежат классу. Помогает организовать код.

   • Пример:

     class MathUtils:
         @staticmethod
         def add(a, b):
             """Статический метод для сложения двух чисел."""
             return a + b
     
         @staticmethod
         def multiply(a, b):
             """Статический метод для умножения двух чисел."""
             return a * b
     
     print(MathUtils.add(5, 3))      # Вывод: 8
     print(MathUtils.multiply(5, 3)) # Вывод: 15

4. @functools.cache (Python 3.9+)

   • Назначение: Декоратор для мемоизации (кеширования) результатов функции. Сохраняет результаты вызовов функции с одними и теми же аргументами.
   • Почему: Значительно повышает производительность для чистых функций (без побочных эффектов), которые часто вызываются с одними и теми же аргументами и выполняют дорогостоящие вычисления.

   • Пример:

     import functools
     import time
     
     @functools.cache
     def fibonacci(n):
         if n <= 1:
             return n
         return fibonacci(n - 1) + fibonacci(n - 2)
     
     start_time = time.time()
     fibonacci(30) # Вычисляется один раз
     print(f"Time for first call: {time.time() - start_time:.4f}s")
     
     start_time = time.time()
     fibonacci(30) # Результат берется из кеша
     print(f"Time for second call: {time.time() - start_time:.4f}s")

5. @functools.lru_cache

   • Назначение: Декоратор для кеширования результатов функции с ограничением по размеру (Least Recently Used - наименее недавно использованные).
   • Почему: Позволяет управлять потреблением памяти кешем, автоматически удаляя наименее недавно использованные элементы, когда кеш достигает максимального размера. Идеален для функций, работающих с ограниченным набором часто используемых входных данных.

   • Пример:

     import functools
     
     @functools.lru_cache(maxsize=128) # Кеш на 128 последних результатов
     def get_web_page(url):
         """Имитация дорогостоящего запроса к веб-странице."""
         print(f"Fetching {url}...")
         # time.sleep(1) # Имитация задержки
         return f"Content of {url}"
     
     print(get_web_page("http://example.com/page1")) # Вывод: Fetching http://example.com/page1...
     print(get_web_page("http://example.com/page2")) # Вывод: Fetching http://example.com/page2...
     print(get_web_page("http://example.com/page1")) # Результат берется из кеша, без 'Fetching...'