Python 装饰器完全指南：从入门到实战
装饰器本质上是一个接受函数作为参数并返回新函数的高阶函数。理解这一点是掌握装饰器的关键。想象一下，你有一个函数，你想在它执行前后添加一些额外的逻辑，比如日志记录、性能测试、权限验证等。装饰器就是为这种场景而生的。
让我们从一个最简单的例子开始。假设你有一个函数，你想知道它执行了多长时间：
import time
from functools import wraps
def timer_decorator(func):
"""计算函数执行时间的装饰器"""
@wraps(func)
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(f"{func.__name__} 执行时间：{end_time - start_time:.4f}秒")
return result
return wrapper
@timer_decorator
def slow_function():
time.sleep(1)
return "完成"
slow_function()
这个例子展示了装饰器的基本结构。@wraps 是一个重要的细节，它保留了原函数的元数据（如函数名、文档字符串等），否则调试时会看到 wrapper 而不是原函数名。
接下来，让我们看看带参数的装饰器。这种装饰器更加灵活，可以接受配置参数：
def retry(max_attempts=3, delay=1):
"""失败后自动重试的装饰器"""
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
attempts = 0
while attempts < max_attempts:
try:
return func(*args, **kwargs)
except Exception as e:
attempts += 1
if attempts >= max_attempts:
raise
print(f"重试 {attempts}/{max_attempts}, 等待 {delay}秒...")
time.sleep(delay)
return wrapper
return decorator
@retry(max_attempts=5, delay=0.5)
def unstable_operation():
import random
if random.random() < 0.7:
raise ConnectionError("网络不稳定")
return "操作成功"
带参数的装饰器需要三层嵌套：最外层接收装饰器参数，中间层接收被装饰的函数，最内层是实际执行的 wrapper。这种模式在实际开发中非常常见。
装饰器不仅可以用于函数，还可以用于类方法。这在 Web 开发中特别有用，比如实现权限检查。我们可以堆叠多个装饰器，装饰器的执行顺序是从下往上的。
类装饰器是另一个强大的工具，它允许你修改整个类的行为，比如实现单例模式。在实际项目中，装饰器有着广泛的应用，包括缓存装饰器避免重复计算、日志装饰器记录函数调用、速率限制装饰器防止 API 被滥用等。
编写装饰器时有一些最佳实践需要注意：始终使用 @wraps 来保留原函数的元数据；让装饰器接受 *args 和 **kwargs；保持装饰器的单一职责；考虑装饰器的性能影响。
装饰器是 Python 优雅性的体现之一。它让你能够以声明式的方式添加功能，使代码更加简洁和可维护。掌握装饰器后，你会发现很多原本需要重复编写的代码可以用几行装饰器来解决。
