Python装饰器从入门到精通

装饰器是 Python 中最强大也最优雅的特性之一。它允许我们在不修改原有函数代码的情况下，动态地为函数添加额外功能。本文将带你从基础概念逐步深入，掌握装饰器的核心原理和实战应用。

一、理解装饰器的本质

装饰器本质上是一个函数，它接受一个函数作为参数，并返回一个新的函数。这种设计模式使得我们能够在函数执行前后添加逻辑，而无需修改函数本身的代码。

最基础的装饰器实现如下：

def my_decorator(func):\n    def wrapper():\n        print("执行前...")\n        func()\n        print("执行后...")\n    return wrapper\n\n@my_decorator\ndef say_hello():\n    print("Hello!")

当我们调用 say_hello() 时，实际上是调用了 wrapper() 函数，它会在原函数前后添加额外的打印语句。

二、带参数的装饰器

实际开发中，我们的函数往往需要接收参数。为了让装饰器具有通用性，我们需要使用 *args 和 **kwargs 来捕获任意参数：

def timer_decorator(func):\n    def wrapper(*args, **kwargs):\n        import time\n        start_time = time.time()\n        result = func(*args, **kwargs)\n        end_time = time.time()\n        print(f"函数执行时间: {end_time - start_time:.4f} 秒")\n        return result\n    return wrapper\n\n@timer_decorator\ndef calculate_sum(n):\n    return sum(range(n))

这样，无论函数接收何种参数，装饰器都能正确处理。关键是要在 wrapper 函数中返回原函数的执行结果，否则调用方将无法获得预期的返回值。

三、带参数的装饰器工厂

有时候我们需要为装饰器本身传递参数，这时就需要使用装饰器工厂。这是一个返回装饰器的函数：

def repeat(times):\n    def decorator(func):\n        def wrapper(*args, **kwargs):\n            results = []\n            for _ in range(times):\n                results.append(func(*args, **kwargs))\n            return results\n        return wrapper\n    return decorator\n\n@repeat(times=3)\ndef greet(name):\n    return f"Hello, {name}!"

调用 greet("World") 会返回一个包含三次调用结果的列表。注意这里有三层嵌套函数：外层接收装饰器参数，中层接收目标函数，内层是实际执行的包装函数。

四、使用 functools.wraps

当你使用装饰器包装函数时，原函数的元信息（如 __name__、__doc__）会被覆盖。为了保留这些信息，应该使用 functools.wraps：

from functools import wraps\n\ndef log_decorator(func):\n    @wraps(func)\n    def wrapper(*args, **kwargs):\n        print(f"调用函数: {func.__name__}")\n        return func(*args, **kwargs)\n    return wrapper\n\n@log_decorator\ndef important_function():\n    """这是一个重要的函数"""\n    pass

这样，important_function.__name__ 仍然是 "important_function"，而不是 "wrapper"。

五、类装饰器

除了函数装饰器，Python 还支持类装饰器。类装饰器需要实现 __call__ 方法，使实例可以像函数一样被调用：

class CountCalls:\n    def __init__(self, func):\n        self.func = func\n        self.count = 0\n\n    def __call__(self, *args, **kwargs):\n        self.count  = 1\n        print(f"函数已调用 {self.count} 次")\n        return self.func(*args, **kwargs)\n\n@CountCalls\ndef process_data(data):\n    return [x * 2 for x in data]

类装饰器特别适合需要维护状态的场景，比如上面的调用计数器。

六、实战应用场景

1. 缓存装饰器：使用缓存避免重复计算

from functools import lru_cache\n\n@lru_cache(maxsize=128)\ndef fibonacci(n):\n    if n < 2:\n        return n\n    return fibonacci(n-1)   fibonacci(n-2)

2. 权限验证装饰器：检查用户权限

def require_permission(permission):\n    def decorator(func):\n        @wraps(func)\n        def wrapper(*args, **kwargs):\n            user = get_current_user()  # 假设的获取当前用户函数\n            if not user.has_permission(permission):\n                raise PermissionError("权限不足")\n            return func(*args, **kwargs)\n        return wrapper\n    return decorator

3. 异常处理装饰器：统一处理异常

def handle_exception(exception_type):\n    def decorator(func):\n        @wraps(func)\n        def wrapper(*args, **kwargs):\n            try:\n                return func(*args, **kwargs)\n            except exception_type as e:\n                print(f"发生错误: {e}")\n                return None\n        return wrapper\n    return decorator

七、装饰器叠加顺序

当多个装饰器叠加作用于同一个函数时，执行顺序是从内到外：

@decorator1\n@decorator2\n@decorator3\ndef my_function():\n    pass

实际执行顺序是：decorator1(decorator2(decorator3(my_function)))。理解这个顺序对于调试装饰器问题非常重要。

八、最佳实践

1. 始终使用 functools.wraps 保留函数元信息
2. 装饰器应该尽可能轻量，避免复杂逻辑
3. 使用描述性的装饰器名称
4. 考虑使用类装饰器当需要维护状态时
5. 记得在 wrapper 中返回原函数的结果

装饰器是 Python 编程中不可或缺的工具。掌握装饰器不仅能让代码更加优雅，还能显著提高代码的可维护性和复用性。通过合理使用装饰器，我们可以轻松实现日志记录、性能监控、缓存、权限验证等横切关注点，让业务逻辑保持清晰简洁。