本文是基于HarmonyOS API 24的进行的ReactNative 鸿蒙跨平台开发依托适配鸿蒙的 RN 运行层，使用 React 与 JS 编写一套业务代码，无需大量 ArkTS 原生开发，通用业务实现代码复用，支持按需扩展原生桥调用鸿蒙特有能力，有效降低多平台开发维护成本。

ReactNative 鸿蒙跨平台开发，简单来说就是基于 ReactNative 技术栈，依托鸿蒙平台适配层，使用 JavaScript 与 React 语法编写一套业务代码，经过编译适配后同时支撑鸿蒙应用、安卓、iOS 等多端运行的开发方案。开发者沿用前端熟悉的组件化、状态管理等 React 开发范式，不用分别针对鸿蒙原生 ArkTS、安卓原生、iOS 原生独立实现相同业务逻辑，依靠桥接层完成 JS 逻辑与鸿蒙原生能力的通信，调用鸿蒙的窗口、媒体、设备硬件等系统接口，最终打包生成鸿蒙应用安装包，兼顾开发效率与多端复用能力，同时也存在部分鸿蒙特有系统能力需要编写原生桥模块进行扩展适配，复杂交互、高性能场景下要权衡跨平台通用方案与原生开发的取舍。

ReactNative 鸿蒙跨平台开发优势：

• 1.前端开发者直接复用已有的 React 开发经验与存量业务代码，一套代码可同时产出鸿蒙、安卓、iOS 多端应用，大幅降低多平台分别开发、维护的人力与时间成本，迭代更新时多数业务改动只需修改一处代码就能同步生效
• 2.借助 JS 热更新机制还能绕过应用商店快速推送功能修复与轻度版本变更
• 3.依托成熟的 React 生态，海量第三方组件、工具库可以直接接入，不用从零适配鸿蒙原生开发体系，上手门槛更低
• 4.熟悉网页与 React 技术的开发人员可以快速转型参与鸿蒙应用建设；
• 5.框架内置 JS 与原生的通信桥，基础 UI、网络、存储等通用设备能力开箱可用

大部分常规业务场景无需编写原生扩展模块，同时支持按需开发鸿蒙原生桥接模块调用系统独有能力，在跨端复用和平台特性之间保留灵活平衡，相比纯原生多端开发，团队可以更快完成产品落地，适合业务频繁迭代、需要同时覆盖多终端的中小型应用场景。

–

Python 装饰器的作用是使函数包装与方法包装（一个函数，接受函数并返回其增强函
数）变得更容易阅读和理解。最初的使用场景是在方法定义的开头能够将其定义为类方法
或静态方法。如果不用装饰器语法的话，定义可能会非常稀疏，并且不断重复：
class WithoutDecorators:
def some_static_method():
print(“this is static method”)
some_static_method = staticmethod(some_static_method)
def some_class_method(cls):
print(“this is class method”)
some_class_method = classmethod(some_class_method)
如果用装饰器语法重写的话，代码会更简短，也更容易理解：
class WithDecorators:
@staticmethod
def some_static_method():
print(“this is static method”)
@classmethod
def some_class_method(cls):
print(“this is class method”)
一般语法和可能的实现
装饰器通常是一个命名的对象（不允许使用lambda 表达式），在被（装饰函数）调用时接
受单一参数，并返回另一个可调用对象。这里用的是“可调用（callable）”。而不是之前以为的
“函数”。装饰器通常在方法和函数的范围内进行讨论，但它的适用范围并不局限于此。事实上，
任何可调用对象（任何实现了__call__方法的对象都是可调用的）都可以用作装饰器，它们返
回的对象往往也不是简单的函数，而是实现了自己的__call__方法的更复杂的类的实例。
装饰器语法只是语法糖而已。看下面这种装饰器用法：
@some_decorator
def decorated_function():
pass
这种写法总是可以替换为显式的装饰器调用和函数的重新赋值：
def decorated_function():
pass
decorated_function = some_decorator(decorated_function)
但是，如果在一个函数上使用多个装饰器的话，后一种写法的可读性更差，也非常难以理解。
作为一个函数
编写自定义装饰器有许多方法，但最简单的方法就是编写一个函数，返回包装原始函
数调用的一个子函数。
通用模式如下：
def mydecorator(function):
def wrapped(*args, **kwargs):

在调用原始函数之前，做点什么

result = function(*args, **kwargs)

在函数调用之后，做点什么，

并返回结果

return result

返回 wrapper 作为装饰函数

return wrapped
作为一个类
虽然装饰器几乎总是可以用函数实现，但在某些情况下，使用用户自定义类可能更好。
如果装饰器需要复杂的参数化或者依赖于特定状态，那么这种说法往往是对的。
非参数化装饰器用作类的通用模式如下：
class DecoratorAsClass:
definit(self, function):
self.function = function
defcall(self, *args, **kwargs):

在调用原始函数之前，做点什么

result = self.function(*args, **kwargs)

在调用函数之后，做点什么，

并返回结果

安装DevEco Studio程序

选择目标安装目录：

设置环境变量，但是需要重启一下：

新建一个空白模板：

设置API为24的模板项目：

初始化项目，自动下载相关依赖：

return result
参数化装饰器
在实际代码中通常需要使用参数化的装饰器。如果用函数作为装饰器的话，那么解决
方法很简单：需要用到第二层包装。下面一个简单的装饰器示例，给定重复次数，每次被
调用时都会重复执行一个装饰函数：
def repeat(number=3):
“”“多次重复执行装饰函数。
返回最后一次原始函数调用的值作为结果
:param number: 重复次数，默认值是 3
“””
def actual_decorator(function):
def wrapper(*args, **kwargs):
result = None
for _ in range(number):
result = function(*args, **kwargs)
return result
return wrapper
return actual_decorator
这样定义的装饰器可以接受参数：

@repeat(2)
… def foo():
… print(“foo”)
…
foo()
foo
foo
注意，即使参数化装饰器的参数有默认值，但名字后面也必须加括号。带默认参数的
装饰器的正确用法如下：
@repeat()
… def bar():
… print(“bar”)
…
bar()
bar
bar
bar
没加括号的话，在调用装饰函数时会出现以下错误：
@repeat
… def bar():
… pass
…
bar()
Traceback (most recent call last):
File “”, line 1, in
TypeError: actual_decorator() missing 1 required positional
argument: ‘function’
保存内省的装饰器
使用装饰器的常见错误是在使用装饰器时不保存函数元数据（主要是文档字符串和原始函
数名）。前面所有示例都存在这个问题。装饰器组合创建了一个新函数，并返回一个新对象，
但却完全没有考虑原始函数的标识。这将会使得调试这样装饰过的函数更加困难，也会破坏可
能用到的大多数自动生成文档的工具，因为无法访问原始的文档字符串和函数签名。
但我们来看一下细节。假设我们有一个虚设的（dummy）装饰器，仅有装饰作用，还
有其他一些被装饰的函数：
def dummy_decorator(function):
def wrapped(*args, **kwargs):
“”“包装函数内部文档。”“”
return function(*args, **kwargs)
return wrapped
@dummy_decorator
def function_with_important_docstring():
“”“这是我们想要保存的重要文档字符串。”“”
如果我们在 Python 交互式会话中查看 function_with_important_docstring()，
会注意到它已经失去了原始名称和文档字符串：
functionwithimportant_docstring. _name __
‘wrapped’
functionwithimportant_docstring. _doc __
‘包装函数内部文档。’
解决这个问题的正确方法，就是使用 functools 模块内置的 wraps()装饰器：
from functools import wraps
def preserving_decorator(function):
@wraps(function)
def wrapped(*args, **kwargs):
“”“包装函数内部文档。”“”
return function(*args, **kwargs)
return wrapped
@preserving_decorator
def function_with_important_docstring():
“”“这是我们想要保存的重要文档字符串。”“”
这样定义的装饰器可以保存重要的函数元数据：
functionwithimportant_docstring. _name __
'functionwithimportantdocstring.’
functionwithimportant_docstring. __doc __
‘这是我们想要保存的重要文档字符串。’