Das Attribut `__name__` eines Funktionsobjekts in Python liefert den Namen der Funktion als Zeichenkette. Beim Schreiben eines Dekorators kann auf den Namen der dekorierten Funktion mit `func.__name__` innerhalb des Wrappers zugegriffen werden. Dies ist nützlich für Logging oder Debugging.


Hinweis


import unittest
import user_code
import ast
import re   
import importlib
import csv
import unittest
import importlib
import io
from contextlib import redirect_stdout

class TestTask(unittest.TestCase):
    def test_add_function_name_printed(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.add(10, 5)
        output = normalize_text(f.getvalue())
        _dynamic_test(
            self,
            "calling function: add" in output,
            "Function name 'add' is printed before execution",
            f"Expected function name 'add' in output, got: {output}",
        )

    def test_greet_function_name_printed(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.greet("Charlie")
        output = normalize_text(f.getvalue())
        _dynamic_test(
            self,
            "calling function: greet" in output,
            "Function name 'greet' is printed before execution",
            f"Expected function name 'greet' in output, got: {output}",
        )

    def test_add_prints_args(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.add(1, 2)
        output = normalize_text(f.getvalue())
        _dynamic_test(
            self,
            "args=(1, 2)" in output,
            "Positional arguments are printed as tuple",
            f"Expected positional arguments '(1, 2)' in output, got: {output}",
        )

    def test_greet_prints_kwargs(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.greet("Bob", greeting="Hi")
        output = normalize_text(f.getvalue())
        _dynamic_test(
            self,
            "kwargs={'greeting': 'hi'}" in output or 'kwargs={"greeting": "hi"}' in output,
            "Keyword arguments are printed as dictionary",
            f"Expected keyword arguments in output, got: {output}",
        )


    def test_decorator_return_value_unchanged(self):
        import user_code
        importlib.reload(user_code)
        res1 = user_code.add(7, 8)
        res2 = user_code.greet("Zoe", greeting="Hiya")
        _dynamic_test(
            self,
            res1 == 15 and res2 == "Hiya, Zoe!",
            "Decorator does not interfere with the function's return value",
            f"Expected 15 and 'Hiya, Zoe!', got {res1} and {res2}",
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\\s{2,}", " ", text)
    text = re.sub(r"\\s*([,:?])\\s*", r"\\1 ", text)
    return text.strip()

def change_var(code: str, var_name: str, value: str) -> str:
    tree = ast.parse(code)
    lines = code.splitlines()
    changed = False
    # Collect all assignment nodes to modify
    assign_nodes = [
        (i, node)
        for i, node in enumerate(tree.body)
        if isinstance(node, ast.Assign)
        and any(isinstance(target, ast.Name) and target.id == var_name for target in node.targets)
    ]

    # If nothing to change, return unmodified code
    if not assign_nodes:
        return code

    # Perform replacements for all matching assignments (from last to first to not break line offsets)
    for i, node in reversed(assign_nodes):
        start_line = node.lineno - 1
        line = lines[start_line]
        indent = ' ' * (len(line) - len(line.lstrip()))
        lines[start_line] = f"{indent}{var_name} = {value}"
        next_line = len(lines)
        for next_node in tree.body[i+1:]:
            if hasattr(next_node, 'lineno'):
                next_line = next_node.lineno - 1
                break
        if next_line > start_line + 1:
            lines[start_line+1:next_line] = []
        changed = True

    return '\\n'.join(lines) if changed else code

if __name__ == "__main__":
    unittest.main()


test_main.py

Beherrschung von Packing/Unpacking, flexiblen Funktionsargumenten, Higher-Order-Funktionen, Lambdas, Variablenbereich, Closures, Iteratoren und Dekoratoren. Konzipiert für Lernende, die einen Einführungskurs in Python abgeschlossen haben und effizienteren, ausdrucksstärkeren und leistungsfähigeren Code schreiben möchten.

Erkunden Sie die Kunst des Packens und Entpackens von Listen, Tupeln und Dictionaries, um ausdrucksstärkeren und effizienteren Python-Code zu schreiben.

Tauchen Sie ein in die Welt der höherwertigen Funktionen, das Übergeben von Funktionen als Argumente und das Schreiben prägnanter anonymer Funktionen mit Lambda.

Entschlüsseln der Geheimnisse des Variablenbereichs und Erlernen, wie verschachtelte Funktionen und Closures eine leistungsstarke Kapselung ermöglichen.

Vertiefung in das Iterationsprotokoll von Python, benutzerdefinierte Iteratoren und Generatorfunktionen für effiziente Datenverarbeitung.

Challenge: Logging-Dekorator

Lösung