闭包广泛使用在函数式编程语言中，虽然不是很容易理解，但是又不得不理解。
闭包是什么？
在一些语言中，在函数中可以（嵌套）定义另一个函数时，如果内部的函数引用了外部的函数的变量，则可能产生闭包。闭包可以用来在一个函数与一组“私有”变量之间创建关联关系。在给定函数被多次调用的过程中，这些私有变量能够保持其持久性。
举个例子
def sum(a,b):
return a+b
def sum1(a):
def add(b):
return a+b #a为外部变量
return add #返回函数
type(sum(1,2)) #
type(sum1(1)) #一般支持将函数当做对象使用的编程语言，如Python,JavaScript都支持闭包
如何理解闭包
闭包存在的意义是夹带了外部变量，如果没有的话，其实和普通函数没有区别。同一个函数夹带了不同的私货就是不同的闭包，可以理解为对函数的轻量级的封装。
下面这个例子是计算数字的平方和立方，如果是用普通函数，要么是需要写两个函数，要么需要传两个参数
def rlt(v):
def product(num):
return num ** v
return product
square = rlt(2)
cube = rlt(3)
print(square(2), cube(2)) # 4, 8闭包传递了某些变量，对使用者来说就便捷了很多，下面会讲到闭包的原理
总结下：
闭包其实和普通函数的区别：
1、普通函数传递变量，闭包传递函数
2、闭包的封装性更好，调用的参数更少
什么时候用闭包？
1. 装饰器
闭包在python中非常常见，但是可能很难意识到闭包的存在。这里不得不提到Python中的装饰器Decorator。
装饰器顾名思义是装饰作用。在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
举个例子，
计算函数运行时间，正常写法
import time
def do_sth():
time.sleep(3)
startTime = time.time()
do_sth()
endTime = time.time()
print("do_sth run {} ".format(endTime-startTime)) #do_sth run 3.0005998611450195如果我们要计算别的函数运行时间，就要重复多次代码，我们把这些重复代码放到装饰器里去，如下面代码
import time
def timer(fun):
def wrapper():
startTime = time.time()
fun()
endTime = time.time()
print("{} run {}".format(func.__name__, endTime - startTime))
return wrapper
@timer
def do_sth():
time.sleep(3)
timer(do_sth)() # 一：不加@timer语法糖的调用方式
do_sth() #二：加@timer语法糖的调用方式， 和方式一等价
@timer放到do_sth的函数定义前，相当于执行了
do_sth = timer(do_sth)装饰器Pythonic的调用方式完全和普通函数调用方式一样，是不是很方便?
如果装饰器需要带参数呢？那就需要再加一层，用于接收这些函数。又是一层的闭包。
import time
def timer(text):
def decorator(fun):
def wrapper():
startTime = time.time()
fun()
endTime = time.time()
print("{} {} total run time:{}".format(text, fun.__name__, endTime - startTime))
return wrapper
return decorator
@timer('excute')
def do_sth():
time.sleep(3)三层嵌套的效果是
do_sth = timer('excute')(do_sth)
想一想下面的代码打印结果是什么？
print(do_sth.__name__)
print(timer('excute').__name__)
print(timer('excute')(do_sth).__name__)do_sth.__name__的结果不再是do_sth。这里需要把原始函数的__name__等属性赋值到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
wrapper.__name__ = func.__name__ ？ 不用，Python内置的functools.wraps就是做这个的
另外，之前写的wrapper是不带参数的，只适配不带参数的函数调用，如果是doActive(active, f)则无法使用。所以更新定义：def wrapper(*args, **kw):
于是，一个完整的不带参数的decorator的写法如下：
import time
import functools
def timer(fun):
@functools.wraps(fun)
def wrapper(*args, **kw):
startTime = time.time()
fun(*args, **kw)
endTime = time.time()
print("{} {} total run time:{}".format(fun.__name__, endTime - startTime))
return wrapper
@timer
def do_sth():
time.sleep(3)
print(do_sth.__name__) #do_sth试试改写上面的带参数的decorator
import time
import functools
def timer(text):
@functools.wraps(timer)
def decorator(fun):
@functools.wraps(fun)
def wrapper():
startTime = time.time()
fun()
endTime = time.time()
print("{} {} total run time:{}".format(text, fun.__name__, endTime - startTime))
return wrapper
return decorator
@timer('excute')
def do_sth():
time.sleep(3)这次如下代码的运行结果是？
print(do_sth.__name__)
print(timer('excute').__name__)
print(timer('excute')(do_sth).__name__)
2. 惰性求值
常用于数据库访问的时候
# 伪代码示意
class QuerySet(object):
def __init__(self, sql):
self.sql = sql
self.db = Mysql.connect().corsor() # 伪代码
def __call__(self):
return db.execute(self.sql)
def query(sql):
return QuerySet(sql)
result = query("select name from user_app")
if time > now:
print result # 这时才执行数据库访问上面这个不太恰当的例子展示了通过闭包完成惰性求值的功能，但是上面query返回的结果并不是函数，而是具有函数功能的类。有兴趣的可以去看看Django的queryset的实现，原理类似。
3.需要对某个函数的参数提前赋值
Python中已经有了很好的解决访问 functools.parial,但是用闭包也能实现。
def partial(**outer_kwargs):
def wrapper(func):
def inner(*args, **kwargs):
for k, v in outer_kwargs.items():
kwargs[k] = v
return func(*args, **kwargs)
return inner
return wrapper
@partial(age=15)
def say(name=None, age=None):
print name, age
say(name="the5fire")
# 当然用functools比这个简单多了
# 只需要： functools.partial(say, age=15)(name='the5fire')python偏函数int2 = functools.partial(int, base=2)，可以类比C++的bind1st， bind2nd
闭包的原理？
闭包其实也是一种函数，普通函数的__closure__是None，闭包里是是一个元组，存放着所有的cell对象，每个cell`对象保存着这个闭包里所有的外部变量。
def sum(a, b):
return a+b
print(sum.__closure__) #None
def rlt(v):
def product(num):
return num ** v
return product
square = rlt(2)
cube = rlt(3)
print(square.__closure__) #(,)
for x in square.__closure__:
print(x.cell_contents) #2
print(cube.__closure__)
for x in cube.__closure__: #(,)
print(x.cell_contents) #3
