当前位置:首页>python>Python 装饰器完全指南:从入门到精通

Python 装饰器完全指南:从入门到精通

  • 2026-09-09 06:33:43
Python 装饰器完全指南:从入门到精通

继上一篇语法糖合集之后,很多读者表示对装饰器(Decorator)这个“语法糖之王”特别感兴趣。确实,装饰器是 Python 最优雅、最强大的特性之一,也是从“会写 Python”到“精通 Python”的必经之路。

本文将带你系统掌握装饰器,从基本概念到高级应用,配合大量实战代码,力求一篇彻底搞懂。

一、装饰器是什么?

装饰器本质上是一个函数,它接收一个函数作为参数,返回一个新的函数,在不修改原函数代码的前提下为其增加额外功能。

def my_decorator(func):    def wrapper():        print("调用函数前做点什么")        func()        print("调用函数后做点什么")    return wrapper@my_decoratordef say_hello():    print("Hello!")say_hello()# 输出:# 调用函数前做点什么# Hello!# 调用函数后做点什么@my_decorator 等价于 say_hello = my_decorator(say_hello)。

二、为什么需要装饰器?

在实际开发中,我们经常需要为多个函数添加相同的功能:

  • 打印日志

  • 计时统计

  • 权限校验

  • 缓存结果

  • 事务管理

  • 重试机制

如果每个函数内部都写一遍相同的代码,显然又丑又难维护。装饰器正好解决这个问题——将横切关注点(cross-cutting concerns)与核心业务逻辑分离。

三、基础装饰器(无参数)

最简单的装饰器,不需要接收额外参数:

import functoolsdef logger(func):    @functools.wraps(func)  # 保留原函数的元信息    def wrapper(*args, **kwargs):        print(f"调用 {func.__name__},参数: {args}, {kwargs}")        result = func(*args, **kwargs)        print(f"{func.__name__} 返回: {result}")        return result    return wrapper@loggerdef add(a, b):    return a + badd(3, 5)# 输出:# 调用 add,参数: (3, 5), {}# add 返回: 8

关键点:@functools.wraps(func) 必不可少,否则原函数的 __name__、__doc__ 等属性会被 wrapper 覆盖,影响调试和某些框架的运行。

四、带参数的装饰器

有时候装饰器本身需要接收参数(比如重试次数、超时时间)。这时需要三层嵌套:

def retry(max_attempts=3):    def decorator(func):        @functools.wraps(func)        def wrapper(*args, **kwargs):            for attempt in range(1, max_attempts + 1):                try:                    return func(*args, **kwargs)                except Exception as e:                    if attempt == max_attempts:                        raise                    print(f"尝试 {attempt} 失败,重试中...")            return None        return wrapper    return decorator@retry(max_attempts=5)def unstable_api():    import random    if random.random() < 0.7:        raise ValueError("随机失败")    return "成功"

结构解析:

  • retry 是一个接收参数(max_attempts)的函数,返回一个真正的装饰器 decorator。

  • decorator 接收被装饰的函数,返回 wrapper。

  • wrapper 是最终执行的函数。

五、类装饰器

除了用函数,还可以用类来实现装饰器。类装饰器必须实现 __call__ 方法:

class CountCalls:    def __init__(self, func):        functools.update_wrapper(self, func)  # 保留元信息        self.func = func        self.count = 0    def __call__(self, *args, **kwargs):        self.count += 1        print(f"{self.func.__name__} 已被调用 {self.count} 次")        return self.func(*args, **kwargs)@CountCallsdef say_hi():    print("Hi!")say_hi()say_hi()# 输出:# say_hi 已被调用 1 次# Hi!# say_hi 已被调用 2 次# Hi!

类装饰器的优势在于可以维护状态(如上面的计数器),逻辑更清晰。

六、装饰器堆叠(多个装饰器)

一个函数可以同时使用多个装饰器,执行顺序是从下往上(靠近函数的先执行):

@logger@timerdef compute():    pass# 等价于 compute = logger(timer(compute))

执行顺序:先进入 timer 的 wrapper,再进入 logger 的 wrapper,返回时相反。

七、实际应用场景大全

7.1 计时装饰器

import timedef timer(func):    @functools.wraps(func)    def wrapper(*args, **kwargs):        start = time.perf_counter()        result = func(*args, **kwargs)        end = time.perf_counter()        print(f"{func.__name__} 耗时 {end-start:.4f} 秒")        return result    return wrapper

7.2 缓存(Memoization)

def cache(func):    memo = {}    @functools.wraps(func)    def wrapper(*args):        if args in memo:            return memo[args]        result = func(*args)        memo[args] = result        return result    return wrapper@cachedef fibonacci(n):    if n < 2:        return n    return fibonacci(n-1) + fibonacci(n-2)

注意:对于可变参数需要转成不可变类型(如 tuple(args))。Python 3.9+ 可直接用 functools.lru_cache。

7.3 权限校验(Web 框架常见)

def require_login(func):    @functools.wraps(func)    def wrapper(request, *args, **kwargs):        if not request.user.is_authenticated:            raise PermissionError("请先登录")        return func(request, *args, **kwargs)    return wrapper@require_logindef dashboard(request):    return "欢迎回来"

7.4 异常重试(带退避)

def retry_with_backoff(max_retries=3, base_delay=1):    def decorator(func):        @functools.wraps(func)        def wrapper(*args, **kwargs):            for i in range(max_retries):                try:                    return func(*args, **kwargs)                except Exception as e:                    if i == max_retries - 1:                        raise                    delay = base_delay * (2 ** i)  # 指数退避                    time.sleep(delay)            return None        return wrapper    return decorator

7.5 单例模式

def singleton(cls):    instances = {}    @functools.wraps(cls)    def get_instance(*args, **kwargs):        if cls not in instances:            instances[cls] = cls(*args, **kwargs)        return instances[cls]    return get_instance@singletonclass DatabaseConnection:    def __init__(self):        print("创建数据库连接")

7.6 类型检查(简单版)

def type_check(**types):    def decorator(func):        @functools.wraps(func)        def wrapper(*args, **kwargs):            # 绑定参数名和值(简化,实际需用 inspect)            for arg_name, expected_type in types.items():                value = kwargs.get(arg_name)                if value is not None and not isinstance(value, expected_type):                    raise TypeError(f"{arg_name} 应为 {expected_type},实际是 {type(value)}")            return func(*args, **kwargs)        return wrapper    return decorator@type_check(name=str, age=int)def greet(name, age):    print(f"{name} 今年 {age} 岁")‍

八、进阶:装饰器与面向切面编程(AOP)

装饰器是 Python 实现 AOP 的主要手段。AOP 的核心思想是将日志、事务、安全等横切逻辑与业务逻辑解耦。

以一个简单的“事务管理”为例:

def transactional(func):    @functools.wraps(func)    def wrapper(*args, **kwargs):        session = get_db_session()        try:            result = func(*args, **kwargs)            session.commit()            return result        except Exception:            session.rollback()            raise        finally:            session.close()    return wrapper@transactionaldef transfer_money(from_id, to_id, amount):    # 业务逻辑:扣钱、加钱    pass‍

九、常见陷阱与最佳实践

陷阱解决方案
忘记 functools.wraps始终添加 @functools.wraps(func)
装饰器内部修改可变参数导致副作用尽量不修改参数,或深拷贝
类装饰器实例被多个函数共享状态每个函数独立实例,可通过 __init__ 接收函数参数
装饰器顺序错误理解执行顺序:从下往上
在类方法上使用装饰器时忽略 selfwrapper 需要正确传递 self

类方法装饰器示例:

def method_logger(func):    @functools.wraps(func)    def wrapper(self, *args, **kwargs):        print(f"调用 {self.__class__.__name__}.{func.__name__}")        return func(self, *args, **kwargs)    return wrapper‍

十、标准库中的常用装饰器

装饰器作用
@staticmethod定义静态方法
@classmethod定义类方法(第一个参数为 cls)
@property将方法转为只读属性
@abstractmethod定义抽象方法(需结合 ABC)
@functools.lru_cache函数结果缓存
@contextlib.contextmanager用生成器定义上下文管理器
@dataclass自动生成 __init__ 等方法

结语

装饰器是 Python 函数式编程皇冠上的明珠。从简单的日志打印到复杂的框架级功能,装饰器都能提供优雅的解决方案。掌握装饰器,意味着你不仅能写出更简洁的代码,还能理解许多流行框架(Flask、Django、Click)背后的核心机制。

动手练习建议:

  • 实现一个 @delay(seconds=5) 装饰器,让被装饰函数延迟执行。

  • 实现一个 @limit_calls(max_calls=3) 装饰器,限制函数调用次数,超过后抛出异常。

  • 阅读 Flask 源码中的 @app.route 装饰器实现。

如果你有任何关于装饰器的疑问,欢迎在评论区留言交流!‍

 每一次互动,皆是鼓励, 每一份支持,共促成长。

商务合作:RYXtest

最新文章

随机文章