【一起学 Python】第 25 天:装饰器(Decorator)
- 2026-03-11 12:51:50
【一起学 Python】第 25 天:装饰器(Decorator)昨天我们学习了闭包（Closure）和 装饰器是 Python 高级编程的门槛，掌握它意味着你真正理解了“函数是一等公民”的含义。 💡 关键点：
nonlocal 关键字，那是通往今天内容的基石。今天我们要解锁 Python 中最优雅、最强大的特性之一——装饰器（Decorator）。一、什么是装饰器？
1. 定义
装饰器（Decorator） 是一个用于增强函数功能的工具。它允许你在不修改原函数代码的前提下，为函数添加额外的逻辑（如日志、计时、权限验证等）。
2. 核心思想
- 开放封闭原则（OCP）：对扩展开放，对修改封闭。
- 复用代码：将通用逻辑（如鉴权）提取出来，避免重复代码。
3. 本质
装饰器本质上是一个高阶函数：它接收一个函数作为参数，并返回一个新的函数。
二、装饰器的基础语法
1. 手动增强函数（不使用装饰器）
def my_func():print("Hello")def wrapper():print("Before")my_func()print("After")wrapper() # 调用 wrapper 而不是 my_func
2. 使用装饰器语法糖（@）
def my_decorator(func):def wrapper():print("Before")func()print("After")return wrapper@my_decorator # 等价于 my_func = my_decorator(my_func)def my_func():print("Hello")my_func() # 直接调用原函数名，但执行了增强逻辑
@my_decorator 放在函数定义上方，Python 会自动执行 my_func = my_decorator(my_func)。三、通用装饰器模板（支持参数）
上面的例子只能装饰无参函数。实际工作中，函数通常有参数和返回值。
标准模板：
import functoolsdef decorator(func):@functools.wraps(func) # 保留原函数的元数据（__name__, __doc__）def wrapper(*args, **kwargs):# 1. 前置逻辑print("Before execution")# 2. 执行原函数result = func(*args, **kwargs)# 3. 后置逻辑print("After execution")# 4. 返回结果return resultreturn wrapper
示例：保留元数据的重要性
# 不使用 functools.wrapsdef bad_decorator(func):def wrapper(*args, **kwargs):return func(*args, **kwargs)return wrapper@bad_decoratordef hello():"""This is hello function"""passprint(hello.__name__) # 输出：wrapper (❌ 原函数名丢失)# 使用 functools.wrapsdef good_decorator(func):@functools.wraps(func)def wrapper(*args, **kwargs):return func(*args, **kwargs)return wrapper@good_decoratordef hello():"""This is hello function"""passprint(hello.__name__) # 输出：hello (✅ 正确)
四、带参数的装饰器
有时我们需要控制装饰器的行为，例如 @retry(times=3)。这需要三层嵌套。
结构：
- 外层函数：接收装饰器参数（如
times）。 - 中间函数：接收被装饰的函数（
func）。 - 内层函数：接收被装饰函数的参数（
*args）。
示例：重复执行装饰器
import functoolsdef repeat(times):def decorator(func):@functools.wraps(func)def wrapper(*args, **kwargs):for _ in range(times):result = func(*args, **kwargs)return resultreturn wrapperreturn decorator@repeat(times=3)def say_hi():print("Hi!")say_hi()# 输出：# Hi!# Hi!# Hi!
五、常见实战场景
1. 日志记录（Logging）
import functoolsimport logginglogging.basicConfig(level=logging.INFO)def log_func(func):@functools.wraps(func)def wrapper(*args, **kwargs):logging.info(f"Calling {func.__name__} with {args}, {kwargs}")result = func(*args, **kwargs)logging.info(f"{func.__name__} returned {result}")return resultreturn wrapper@log_funcdef add(a, b):return a + badd(1, 2)
2. 性能计时（Timing）
import timeimport functoolsdef timer(func):@functools.wraps(func)def wrapper(*args, **kwargs):start = time.time()result = func(*args, **kwargs)end = time.time()print(f"{func.__name__} 耗时：{end - start:.4f}s")return resultreturn wrapper@timerdef slow_task():time.sleep(1)slow_task()
3. 权限验证（Authentication）
def require_login(func):@functools.wraps(func)def wrapper(user, *args, **kwargs):if not user.get("is_logged_in"):return "Error: 请先登录"return func(user, *args, **kwargs)return wrapper@require_logindef view_profile(user):return f"欢迎 {user['name']}"user = {"name": "Alice", "is_logged_in": False}print(view_profile(user)) # Error: 请先登录
4. 失败重试（Retry）
import timedef retry(max_attempts=3, delay=1):def decorator(func):@functools.wraps(func)def wrapper(*args, **kwargs):for i in range(max_attempts):try:return func(*args, **kwargs)except Exception as e:if i == max_attempts - 1:raise eprint(f"失败，{delay}秒后重试...")time.sleep(delay)return wrapperreturn decorator@retry(max_attempts=3, delay=1)def connect_db():import randomif random.random() < 0.7:raise ConnectionError("连接失败")return "连接成功"# 运行多次直到成功或耗尽次数try:print(connect_db())except Exception as e:print(f"最终失败：{e}")
六、多个装饰器的执行顺序
当一个函数被多个装饰器修饰时，顺序很重要。
def decorator_a(func):def wrapper():print("A 前")func()print("A 后")return wrapperdef decorator_b(func):def wrapper():print("B 前")func()print("B 后")return wrapper@decorator_a@decorator_bdef say_hello():print("Hello")say_hello()
输出结果：
A 前B 前HelloB 后A 后
💡 记忆法则：
- 定义顺序：从下往上（先
@b后@a）。 - 执行顺序：从外往内（先
A 前后B 前）。 - 相当于
say_hello = decorator_a(decorator_b(say_hello))。
七、类装饰器（Class Decorator）
装饰器不仅可以是函数，也可以是类（实现 __call__ 方法）。
class CountCalls:def __init__(self, func):self.func = funcself.count = 0def __call__(self, *args, **kwargs):self.count += 1print(f"调用次数：{self.count}")return self.func(*args, **kwargs)@CountCallsdef say_hello():print("Hello")say_hello() # 调用次数：1say_hello() # 调用次数：2
八、最佳实践与注意事项
✅ 推荐做法
- 始终使用
@functools.wraps：保留原函数信息，方便调试和文档生成。 - 使用
*args, **kwargs：确保装饰器通用，不限制原函数参数。 - 保持单一职责：一个装饰器只做一件事（如只负责计时，或只负责日志）。
- 命名清晰：装饰器名称应反映其功能（如
@login_required,@cache）。
❌ 避免做法
- 副作用过大：装饰器不应改变原函数的核心逻辑返回值（除非是设计好的，如缓存）。
- 过度嵌套：超过 3 层装饰器会让代码难以阅读和调试。
- 性能损耗：避免在装饰器中执行耗时操作（如网络请求），除非必要。
九、实战练习
练习 1：编写缓存装饰器
编写一个 @cache 装饰器，缓存函数的返回值。如果相同的参数再次传入，直接返回缓存结果，不再执行函数。
参考
import functoolsdef cache(func):cached_results = {}@functools.wraps(func)def wrapper(*args):if args in cached_results:print("命中缓存")return cached_results[args]result = func(*args)cached_results[args] = resultreturn resultreturn wrapper@cachedef expensive_calc(x):print("计算中...")return x * xprint(expensive_calc(5)) # 计算中... 25print(expensive_calc(5)) # 命中缓存 25
练习 2：编写权限等级装饰器
编写一个 @require_level(level) 装饰器，只有当用户的 level 大于等于指定值时才能执行函数。
参考
import functoolsdef require_level(min_level):def decorator(func):@functools.wraps(func)def wrapper(user, *args, **kwargs):if user.get("level", 0) < min_level:return f"权限不足：需要等级 {min_level}"return func(user, *args, **kwargs)return wrapperreturn decorator@require_level(5)def admin_panel(user):return "欢迎进入管理面板"user = {"name": "Bob", "level": 3}print(admin_panel(user)) # 权限不足：需要等级 5
十、总结
概念 | 说明 |
|---|---|
本质 | 高阶函数（接收函数，返回函数） |
语法糖 |
|
通用模板 | 使用 |
带参装饰器 | 需要三层嵌套（参数 -> 函数 -> 参数） |
执行顺序 | 多个装饰器时，从下往上定义，从外往内执行 |
应用场景 | 日志、计时、鉴权、缓存、重试 |
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
