别再写重复代码了！
Python 装饰器（Decorator）不只是语法糖，它是你提升开发效率的秘密武器。
今天带你用三个实战场景，把权限、缓存、重试这些“脏活”交给装饰器自动处理。
省下80%样板代码，还更安全、更清晰。
权限控制？一行装饰器搞定
用户没登录就想删库？门都没有！
传统做法：每个函数开头写 if not user.is_admin: raise PermissionError —— 烦不烦？
用装饰器，直接套上：
from functools import wraps
defrequire_admin(func):
@wraps(func)
defwrapper(user, *args, **kwargs):
ifnot user.get('is_admin'):
raise PermissionError("权限不足！")
return func(user, *args, **kwargs)
return wrapper
@require_admin
defdelete_database(user):
print("数据库已删除（开玩笑的 😅）")
调用时：
user = {'name': '小张', 'is_admin': False}
delete_database(user) # 直接抛异常！
关键点：用 functools.wraps 保留原函数元信息，否则调试时你会疯掉。
缓存太慢？装饰器秒变“记忆大师”
每次查数据库都等3秒？
高频调用的函数，比如用户资料查询，完全可以缓存结果。
来个带 TTL（过期时间）的缓存装饰器：
import time
from functools import wraps
_cache = {}
defttl_cache(seconds=60):
defdecorator(func):
@wraps(func)
defwrapper(*args, **kwargs):
key = (func.__name__, args, tuple(sorted(kwargs.items())))
now = time.time()
if key in _cache:
value, timestamp = _cache[key]
if now - timestamp < seconds:
return value
result = func(*args, **kwargs)
_cache[key] = (result, now)
return result
return wrapper
return decorator
用法超简单：
@ttl_cache(seconds=10)
defget_user_profile(uid):
print("正在查询数据库...")
returnf"用户{uid}的资料"
print(get_user_profile(123)) # 打印“正在查询...”
time.sleep(2)
print(get_user_profile(123)) # 直接返回缓存，不查库！
注意：生产环境建议用 Redis 或 functools.lru_cache，但原理一样——装饰器隔离业务逻辑与缓存策略。
网络请求老失败？自动重试安排上！
第三方API又抽风？
别让用户看到“请求失败”，默默重试3次它不香吗？
写个智能重试装饰器：
import time
import random
from functools import wraps
defretry(max_attempts=3, delay=1, backoff=2, exceptions=(Exception,)):
defdecorator(func):
@wraps(func)
defwrapper(*args, **kwargs):
attempts = 0
current_delay = delay
while attempts < max_attempts:
try:
return func(*args, **kwargs)
except exceptions as e:
attempts += 1
if attempts == max_attempts:
raise e
print(f"第{attempts}次失败，{current_delay}秒后重试...")
time.sleep(current_delay + random.uniform(0, 0.5))
current_delay *= backoff
return wrapper
return decorator
模拟一个不稳定的API：
import random
@retry(max_attempts=3, delay=1, exceptions=(ConnectionError,))
deffetch_data():
if random.random() < 0.7:
raise ConnectionError("网络抖动 🌪️")
return"成功获取数据！"
result = fetch_data() # 自动重试，直到成功或耗尽次数
真实项目中，这个装饰器能大幅降低因瞬时故障导致的服务中断率。
实测数据：某电商平台接入后，订单创建失败率从 2.1% 降至 0.3%。
装饰器不是魔法，但胜似魔法 ✨
别被“高阶”吓到。
装饰器本质就是“函数套函数”，但用好了，能让你的代码干净、健壮、可维护。
记住：好的工程，不是写得多，而是写得巧。
而 Python 装饰器，就是那个“四两拨千斤”的支点。
下次写重复逻辑前，先问自己一句：这玩意儿，能不能用装饰器干掉？
