一、装饰器是什么？
装饰器（Decorator）是 Python 提供的一种在不修改原函数（或类）源代码的前提下，动态地为其添加额外功能的语法机制。它本质上是一个接收函数作为参数，并返回一个新函数的高阶函数，通过 `@decorator_name` 语法糖应用到目标对象上。
二、为什么需要装饰器？
看一个经典的对比场景：假设我们要给多个函数都加上"打印执行日志"的功能。
如果不使用装饰器：
# ❌ 不使用装饰器：每个函数都要手动写重复代码def add(a, b): print("函数 add 开始执行") result = a + b print("函数 add 执行结束") return resultdef sub(a, b): print("函数 sub 开始执行") result = a - b print("函数 sub 执行结束") return result# 每加一个函数都要复制粘贴日志代码 → 违反 DRY 原则
如果使用装饰器：
# ✅ 使用高阶函数：可以复用逻辑，但调用方式改变了def log(func): def wrapper(a, b): print(f"函数 {func.__name__} 开始执行") result = func(a, b) print(f"函数 {func.__name__} 执行结束") return result return wrapperadd = log(add) # 必须手动重新赋值，不够优雅# ✅ 使用装饰器：简洁、优雅、非侵入式@logdef add(a, b): return a + b# @log 等价于 add = log(add)，一行搞定
三、装饰器的工作原理
装饰器背后依赖 Python 的两个核心特性：
特性 | 说明 |
函数是一等对象 | 函数可以被赋值、作为参数传递、作为返回值 |
闭包（Closure） | 内部函数可以捕获并记住外部函数作用域中的变量 |
语法糖的等价转换
@decoratordef func(): pass# 完全等价于：def func(): passfunc = decorator(func)
装饰器的三要素
- 接收函数：装饰器把被装饰的函数作为参数
- 包装函数：内部定义一个 `wrapper` 来增强原函数
- 返回函数：返回 `wrapper` 替代原函数
四、手写一个装饰器 —— 三个由浅入深的例子
例子 1：日志装饰器（基础版）
最经典的入门场景：为函数自动打印调用日志。
from functools import wrapsdef log(func): @wraps(func) # 保留原函数的 __name__、__doc__ 等元信息 def wrapper(*args, **kwargs): print(f"[LOG] 调用 {func.__name__}，参数: args={args}, kwargs={kwargs}") result = func(*args, **kwargs) print(f"[LOG] {func.__name__} 返回: {result}") return result return wrapper# 使用@logdef add(a, b): """两数相加""" return a + badd(3, 5)print(add.__name__) # 因为用了 @wraps，输出仍然是 'add'
运行输出：
[LOG] 调用 add，参数: args=(3, 5), kwargs={}[LOG] add 返回: 8add
💡 关键点：`@wraps(func)` 用于保留原函数的元信息（如 `name`、`doc`），是编写装饰器的最佳实践。
例子 2：计时装饰器（实用版）
统计函数运行耗时，是性能分析中非常常用的工具。
import timefrom functools import wrapsdef timer(func): @wraps(func) def wrapper(*args, **kwargs): start = time.time() result = func(*args, **kwargs) elapsed = time.time() - start print(f"函数 {func.__name__} 耗时: {elapsed:.4f} 秒") return result return wrapper# 使用@timerdef heavy_calc(n): return sum(i * i for i in range(n))heavy_calc(1_000_000)
输出：
函数 heavy_calc 耗时: 0.0812 秒
例子 3：带参数的装饰器（进阶版）
有时我们希望装饰器本身也能接收参数（比如"重试次数"、"日志级别"）。这时需要多套一层函数。
from functools import wrapsimport timedef retry(times=3, delay=1): """带参数的装饰器：失败自动重试""" def decorator(func): @wraps(func) def wrapper(*args, **kwargs): last_exc = None for i in range(1, times + 1): try: return func(*args, **kwargs) except Exception as e: last_exc = e print(f"[第 {i} 次尝试失败] {func.__name__}: {e}") time.sleep(delay) print(f"[放弃] {func.__name__} 已重试 {times} 次仍失败") raise last_exc return wrapper return decorator# 使用@retry(times=3, delay=0.5)def unstable_request(): import random if random.random() < 0.7: raise ConnectionError("网络不稳定") return "请求成功"print(unstable_request())
可能的输出（此处有随机值，所以每次输出结果不一致，可多运行几次查看结果）：
[第 1 次尝试失败] unstable_request: 网络不稳定[第 2 次尝试失败] unstable_request: 网络不稳定请求成功
> 💡 理解三层结构：
最外层 retry(times, delay)：接收装饰器参数，返回真正的装饰器
中间层 decorator(func)：接收被装饰函数，返回 wrapper
最内层 wrapper(*args, **kwargs)：真正执行的逻辑
五、装饰器的高级用法
1. 多个装饰器叠加（由内向外应用）
@log@timerdef foo(): pass# 等价于：foo = log(timer(foo))# 执行顺序：先进入 log 的 wrapper，再进入 timer 的 wrapper，最后调用 foo
2. 类装饰器（用类实现装饰器）
class CountCalls: def __init__(self, func): self.func = func self.count = 0 def __call__(self, *args, **kwargs): self.count += 1 print(f"{self.func.__name__} 第 {self.count} 次被调用") return self.func(*args, **kwargs)@CountCallsdef greet(): print("Hello!")greet() # greet 第 1 次被调用greet() # greet 第 2 次被调用
3. 常见的内置/标准库装饰器
装饰器 | 作用 |
@staticmethod
| 将类方法声明为静态方法 |
@classmethod
| 将类方法声明为类方法 |
@property
| 将方法变为属性访问 |
@functools.lru_cache
| 自动缓存函数返回值 |
@functools.wraps
| 保留被装饰函数的元信息 |
@dataclasses.dataclass
| 自动生成类的 __init__ 等方法 |
六、总结
要点 | 说明 |
本质 | 一个"接收函数、返回函数"的高阶函数 |
基础 | 依赖闭包与"函数是一等对象"的特性 |
语法 | `@decorator` 是 `func = decorator(func)` 的语法糖 |
优势 | 复用逻辑、非侵入式、代码简洁、职责分离 |
最佳实践 | 使用 `@functools.wraps` 保留原函数元信息 |
应用场景 | 日志、计时、缓存、权限校验、重试、事务、路由注册等 |
一句话记忆：装饰器 = 一个"给函数穿衣服"的函数，在不改变函数本身的情况下，为它加上额外的能力。
10个月宝宝每天需要喝多少奶粉？
