Python 装饰器（Decorator）是一种强大的语法糖特性，它允许在不修改原函数代码的情况下，动态地为函数添加额外功能。本文将深入探讨装饰器的高级应用场景，通过实战案例帮助你掌握这一核心编程技巧。
装饰器的工作原理
在深入高级用法之前，让我们先理解装饰器的本质。装饰器本质上是一个接受函数作为参数的高阶函数，它返回一个新的函数来替代原函数。Python 的 @ 语法糖只是让代码更加简洁，但底层执行过程和手动调用装饰器函数是完全等价的。
理解装饰器的关键在于认识闭包（Closure）的作用。装饰器函数返回的内部函数会捕获并记住外部函数的参数，这使得装饰器能够"记住"被装饰的函数引用。这种特性是许多高级装饰器技巧的基础。
带参数的装饰器
在实际开发中，我们经常需要创建可配置的装饰器。带参数的装饰器需要三层函数结构：最外层接收装饰器参数，中间层接收被装饰函数，最内层是包装函数。这种多层嵌套的结构初学者容易混淆，但一旦理解就非常直观。
下面是一个带有重试功能的装饰器示例，它可以配置最大重试次数和重试间隔：
import timeimport functools
def retry(max_attempts=3, delay=1, exceptions=(Exception,)): """ 带参数的装饰器：失败自动重试 Args: max_attempts: 最大尝试次数 delay: 重试间隔（秒） exceptions: 需要重试的异常类型 """ def decorator(func): @functools.wraps(func) def wrapper(*args, **kwargs): last_exception = None for attempt in range(1, max_attempts 1): try: return func(*args, **kwargs) except exceptions as e: last_exception = e if attempt < max_attempts: time.sleep(delay) raise last_exception return wrapper return decorator
# 使用示例@retry(max_attempts=5, delay=2, exceptions=(ConnectionError, TimeoutError))def fetch_data(url): # 模拟网络请求 raise ConnectionError("网络连接失败")
类装饰器
除了函数装饰器，Python 还支持使用类作为装饰器。类装饰器通过实现 __call__ 方法使其实例可调用，这种方式特别适合需要维护状态的装饰器场景。类装饰器将装饰逻辑封装在类中，代码结构更加清晰。
下面的计时装饰器使用类实现，可以记录函数的调用次数和总耗时：
import time
class TimeTracker: def __init__(self, func): self.func = func self.call_count = 0 self.total_time = 0 def __call__(self, *args, **kwargs): start_time = time.time() result = self.func(*args, **kwargs) elapsed = time.time() - start_time self.call_count = 1 self.total_time = elapsed print(f"{self.func.__name__} 调用时: {elapsed:.4f}s") return result def stats(self): return { 'name': self.func.__name__, 'calls': self.call_count, 'total_time': self.total_time, 'avg_time': self.total_time / self.call_count if self.call_count > 0 else 0 }
@TimeTrackerdef process_data(data): time.sleep(0.1) return [x * 2 for x in data]
装饰器链的执行顺序
当多个装饰器应用于同一个函数时，它们会形成装饰器链。理解装饰器链的执行顺序非常重要：装饰器的应用顺序是从下往上，但执行顺序是从上往下。这意味着最上层的装饰器最外层包裹，最先执行其前置逻辑，最后执行其后置逻辑。
这个特性可以用来构建复杂的功能组合，比如先进行权限检查，再进行参数验证，最后记录日志。装饰器链让我们能够将横切关注点（Cross-cutting Concerns）模块化，保持核心逻辑的简洁。
def log_execution(func): @functools.wraps(func) def wrapper(*args, **kwargs): print(f"执行 {func.__name__}") result = func(*args, **kwargs) print(f"{func.__name__} 执行完毕") return result return wrapper
def validate_input(func): @functools.wraps(func) def wrapper(*args, **kwargs): if not args or not isinstance(args[0], (list, tuple)): raise ValueError("第一个参数必须是列表或元组") return func(*args, **kwargs) return wrapper
@log_execution@validate_inputdef calculate_stats(numbers): return sum(numbers) / len(numbers)
装饰器元数据的保留
使用装饰器时，一个常见的问题是原函数的元数据（如 __name__、__doc__、__module__）会被包装函数覆盖。这在日志记录、函数文档生成等场景会造成困扰。functools.wraps 装饰器可以自动复制元数据到包装函数，这是编写装饰器的最佳实践。
除了使用 wraps，我们还可以手动设置元数据。但在大多数情况下，wraps 装饰器已经足够。保持元数据的一致性对于调试和文档生成非常重要，不要忽视这个细节。
import functools
def smart_cache(func): cache = {} @functools.wraps(func) def wrapper(*args, **kwargs): key = (args, frozenset(kwargs.items())) if key not in cache: cache[key] = func(*args, **kwargs) return cache[key] wrapper.cache = cache # 暴露缓存用于测试 return wrapper
单例模式装饰器
装饰器还可以用来实现设计模式，比如单例模式。通过装饰器确保一个类只创建一个实例，这是 Pythonic 的实现方式。这种方法比传统的类内部实现更加灵活，可以为多个类提供单例功能。
def singleton(cls): instances = {} @functools.wraps(cls) def get_instance(*args, **kwargs): if cls not in instances: instances[cls] = cls(*args, **kwargs) return instances[cls] return get_instance
@singletonclass DatabaseConnection: def __init__(self): print("创建数据库连接") self.connected = True
异步函数装饰器
在异步编程中，装饰器的使用方式略有不同。异步函数装饰器需要确保包装函数也是异步的，并且使用 await 调用原函数。这对于添加异步日志、权限检查等功能非常重要。
async def async_logger(func): @functools.wraps(func) async def wrapper(*args, **kwargs): print(f"开始执行异步任务: {func.__name__}") result = await func(*args, **kwargs) print(f"异步任务完成: {func.__name__}") return result return wrapper
@async_loggerasync def fetch_user_data(user_id): await asyncio.sleep(1) return {"id": user_id, "name": "用户"}
实际应用场景总结
装饰器在 Web 开发、数据处理、API 开发等领域都有广泛应用。Flask 和 Django 等 Web 框架大量使用装饰器来注册路由、添加权限验证、缓存响应等。在数据处理管道中，装饰器可以用来添加性能监控、数据验证、错误处理等功能。
掌握装饰器的高级用法，能够让你的代码更加简洁、可维护，并且符合 DRY（Don't Repeat Yourself）原则。当你发现自己需要在多个函数中重复相同的横切逻辑时，就应该考虑使用装饰器来封装这些功能。
注意事项
虽然装饰器很强大，但也要注意不要过度使用。每个装饰器都会增加函数调用的层级，可能影响性能。此外，过多的装饰器堆叠会让代码难以理解，需要权衡代码的简洁性和可读性。在团队协作中，为装饰器添加清晰的文档说明非常重要。
