python中的装饰器

Python中的装饰器（Decorator）

1. 什么是装饰器？

装饰器（Decorator）是 Python 中的一种高级函数功能，它允许在不修改原函数代码的情况下，动态地增强或修改函数的功能。常用于日志记录、权限验证、函数执行时间计算、缓存等场景。

装饰器本质上是一个高阶函数：

• 接受一个函数作为输入，并返回一个新的增强版函数。
• 使用 @decorator_name 语法糖，可以简洁地应用装饰器。

---

2. 最简单的装饰器

def my_decorator(func):
    def wrapper():
        print("函数执行前")
        func()
        print("函数执行后")
    return wrapper

@my_decorator
def say_hello():
    print("Hello, World!")

say_hello()

执行结果

函数执行前
Hello, World!
函数执行后

解析

1. my_decorator 接收 say_hello，返回 wrapper，替换原函数。
2. wrapper 在 say_hello 前后增加了额外的功能。
3. @my_decorator 等价于 say_hello = my_decorator(say_hello)。

---

3. 带参数的装饰器

如果被装饰的函数有参数，wrapper 需要支持 *args 和 **kwargs：

def my_decorator(func):
    def wrapper(*args, **kwargs):
        print("执行前")
        result = func(*args, **kwargs)
        print("执行后")
        return result
    return wrapper

@my_decorator
def add(a, b):
    return a + b

print(add(3, 5))

执行结果

执行前
执行后
8

---

4. 带参数的装饰器（装饰器本身接受参数）

如果希望控制装饰器行为，可以再封装一层：

def repeat(n):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(n):
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)
def say_hello():
    print("Hello!")

say_hello()

执行结果

Hello!
Hello!
Hello!

---

5. 使用 functools.wraps 保留原函数信息

装饰器会修改原函数的 __name__ 和 __doc__，使用 functools.wraps 解决：

import functools

def my_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print("执行前")
        result = func(*args, **kwargs)
        print("执行后")
        return result
    return wrapper

@my_decorator
def my_function():
    """这是我的测试函数"""
    print("执行 my_function")

print(my_function.__name__)  # 仍然是 "my_function"
print(my_function.__doc__)   # 仍然是 "这是我的测试函数"

---

6. 类装饰器

装饰器也可以用类来实现：

class MyDecorator:
    def __init__(self, func):
        self.func = func

    def __call__(self, *args, **kwargs):
        print("执行前")
        result = self.func(*args, **kwargs)
        print("执行后")
        return result

@MyDecorator
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")

执行结果

执行前
Hello, Alice!
执行后

---

7. 多个装饰器嵌套

多个装饰器按从下到上的顺序应用：

def decorator1(func):
    def wrapper(*args, **kwargs):
        print("装饰器1")
        return func(*args, **kwargs)
    return wrapper

def decorator2(func):
    def wrapper(*args, **kwargs):
        print("装饰器2")
        return func(*args, **kwargs)
    return wrapper

@decorator1
@decorator2
def hello():
    print("Hello, world!")

hello()

执行结果

装饰器1
装饰器2
Hello, world!

---

8. 实际应用场景

（1）日志记录

装饰器可用于自动记录函数调用：

def log(func):
    def wrapper(*args, **kwargs):
        print(f"调用 {func.__name__}，参数：{args}, {kwargs}")
        result = func(*args, **kwargs)
        print(f"返回值：{result}")
        return result
    return wrapper

@log
def multiply(a, b):
    return a * b

print(multiply(3, 4))

执行结果

调用 multiply，参数：(3, 4), {}
返回值：12
12

---

（2）权限控制

常用于 检查用户权限：

def require_permission(role):
    def decorator(func):
        def wrapper(*args, **kwargs):
            if role != "admin":
                print("权限不足")
                return
            return func(*args, **kwargs)
        return wrapper
    return decorator

@require_permission("user")
def delete_data():
    print("数据已删除")

delete_data()

执行结果

权限不足

---

（3）计算函数执行时间

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} 执行时间：{end - start:.5f} 秒")
        return result
    return wrapper

@timer
def slow_function():
    time.sleep(2)
    print("函数执行完成")

slow_function()

执行结果

函数执行完成
slow_function 执行时间：2.00012 秒

---

（4）缓存函数结果

使用 functools.lru_cache 可缓存计算结果，提升性能：

import functools

@functools.lru_cache(maxsize=3)  # 最多缓存3个结果
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print(fib(10))

加速递归计算斐波那契数列。

---

总结

场景	作用
日志	记录函数调用信息
权限控制	限制非管理员访问
性能分析	计算函数运行时间
缓存	加速计算（如 Fibonacci）
重试机制	失败后自动重试

掌握装饰器可以让 Python 代码更优雅、模块化、易维护！ 🚀