Python装饰器从入门到精通：用法详解与实战技巧

💝💝💝欢迎莅临我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。
推荐：「stormsha的主页」👈，「stormsha的知识库」👈持续学习，不断总结，共同进步，为了踏实，做好当下事儿~
非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨

---

Python 装饰器使用详解

1. 装饰器基础概念

1.1 什么是装饰器？

装饰器本质是一个Python函数（或类），它可以在不修改原函数代码的情况下，动态地扩展函数或类的功能。其核心思想基于两点：

1. 高阶函数：接收函数作为参数或返回函数的函数
2. 闭包：嵌套函数能够访问外部作用域的变量

语法糖@decorator使得装饰器调用更加简洁。例如：

@log_time
def calculate():
    pass

等价于calculate = log_time(calculate)

1.2 为什么需要装饰器？

• DRY原则：避免重复代码（如多个函数都需要日志功能）
• 关注点分离：核心逻辑与辅助功能解耦
• 非侵入式扩展：不改动原函数代码即可添加新功能

1.3 装饰器的简单示例

def log_call(func):
    def wrapper(*args, **kwargs):
        print(f"Calling {func.__name__} with {args}")
        return func(*args, **kwargs)
    return wrapper

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

调用add(2, 3)会输出日志信息并返回结果5

---

2. 装饰器的实现原理

2.1 高阶函数与闭包

def outer(msg):
    def inner():
        print(msg)  # 访问外部作用域变量
    return inner

closure = outer("Hello")
closure()  # 输出 "Hello"

2.2 无参装饰器的实现

使用functools.wraps保留原函数元信息：

from functools import wraps

def timer(func):
    @wraps(func)  # 保留__name__等属性
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        print(f"Time: {time.time()-start:.2f}s")
        return result
    return wrapper

2.3 带参数的装饰器

通过三层嵌套实现：

def repeat(n):  # 外层接收参数
    def decorator(func):  # 中层接收函数
        @wraps(func)
        def wrapper(*args, **kwargs):  # 内层实现逻辑
            for _ in range(n):
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)
def greet():
    print("Hello")

调用greet()会输出3次"Hello"

---

3. 装饰器的常见应用场景

3.1 日志记录

def log(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print(f"[LOG] {func.__name__} called")
        return func(*args, **kwargs)
    return wrapper

3.2 性能测试

import time
def timeit(func):
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        print(f"{func.__name__} took {time.perf_counter()-start:.4f}s")
        return result
    return wrapper

3.3 权限校验

def check_login(func):
    def wrapper(user, *args, **kwargs):
        if not user.is_authenticated:
            raise PermissionError("Login required")
        return func(user, *args, **kwargs)
    return wrapper

3.4 缓存与记忆化

from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

---

4. 类装饰器与高级用法

4.1 类作为装饰器

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.calls = 0

    def __call__(self, *args, **kwargs):
        self.calls += 1
        print(f"Call {self.calls} of {self.func.__name__}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello")

4.2 多个装饰器的叠加

@log_call
@timeit
@check_login
def sensitive_operation(user):
    pass

执行顺序：log_call(timeit(check_login(sensitive_operation)))

4.3 装饰器与设计模式

• 装饰器模式：动态添加职责
• AOP应用：通过装饰器实现横切关注点（如日志、事务）

---

5. 常见问题与最佳实践

5.1 调试技巧

• 使用print(func.__name__)检查函数名
• inspect.signature(func)查看参数签名

5.2 性能影响

• 每层装饰器增加一次函数调用开销
• 避免深层嵌套（如超过3层）

5.3 替代方案

• 上下文管理器：适合资源管理场景

with timeit_context():
    do_something()

• 猴子补丁：运行时动态修改类/模块

---

6. 总结

1. 装饰器本质是高阶函数+闭包的语法糖
2. 典型应用：日志、性能测试、权限控制、缓存
3. 进阶技巧：参数化装饰器、类装饰器、多装饰器组合
4. 推荐实践：
   • 始终使用@wraps保留元信息
   • 避免过度装饰导致代码可读性下降
   • 复杂逻辑考虑使用类装饰器

通过实际项目练习，逐步掌握装饰器的灵活运用！

---

🔥🔥🔥道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙