在Python的世界里装饰器Decorator是最优雅、最Pythonic的特性之一也是无数初学者眼中的拦路虎。初次接触时语法怪异的符号、嵌套函数的层层包裹、闭包概念的似懂非懂——让人不禁疑惑明明可以直接调函数为什么非要绕这么大一圈但当你真正理解装饰器之后你会发现它是代码复用的终极武器。从日志记录、权限校验、性能计时到缓存、重试、限流装饰器都能以极简的方式为函数增强能力而无需修改函数本身。装饰器的本质很简单它是一个接收函数、返回增强后函数的高阶函数。下面我们从基础到进阶一步步拆解。一、基础篇理解闭包是理解装饰器的前提装饰器的底层依赖于闭包Closure。闭包的核心是函数可以记住定义时所在环境中的变量即使该环境已经执行完毕。python复制下载def outer(x): def inner(y): return x y # inner 记住了 outer 的参数 x return inner add_5 outer(5) print(add_5(3)) # 输出 8 —— 5 被记住了inner就是一个闭包它捕获了outer作用域中的x。装饰器正是利用闭包在函数定义时捕获被装饰的函数并返回一个增强后的新函数。二、入门篇手写一个最简单的装饰器一个标准的装饰器长这样python复制下载def timer(func): import time def wrapper(args, kwargs): start time.time() result func(args, kwargs) end time.time() print(f{func.__name__} 执行耗时: {end start:.4f}s) return result return wrapper timer # 语法糖等价于 slow_function timer(slow_function) def slow_function(): time.sleep(1) return done slow_function() # 输出: slow_function 执行耗时: 1.0012stimer这个语法糖本质上就是把slow_function作为参数传给timer然后用返回的wrapper替换原函数。一切都很优雅但有一个小问题python复制下载print(slow_function.__name__) # 输出: wrapper —— 函数名字被改了原函数的元信息名字、文档字符串被覆盖了。解决这个问题非常简单——用functools.wrapspython复制下载from functools import wraps def timer(func): wraps(func) # 保留 func 的元信息 def wrapper(args, kwargs): # ... 同上面 return wrapper记住写装饰器永远带上wraps这是一个好习惯。三、进阶篇带参数的装饰器有时候我们想让装饰器接受参数比如指定日志级别或重试次数python复制下载def retry(max_attempts3): def decorator(func): 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第 {attempt} 次重试失败: {e}) return None return wrapper return decorator retry(max_attempts5) # 带参数调用 def unstable_network_call(): # 可能失败的操作 pass注意这里的三层嵌套retry接收参数返回一个真正的装饰器decoratordecorator接收函数返回wrapper。理解这个结构带参数的装饰器就不再神秘了。四、进阶篇类装饰器除了用函数写装饰器还可以用类来实现。类的__call__方法让实例可以像函数一样被调用python复制下载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__} 已被调用 {self.count} 次) return self.func(args, kwargs) CountCalls def say_hello(): print(Hello!) say_hello() # say_hello 已被调用 1 次 say_hello() # say_hello 已被调用 2 次类装饰器的优势在于可以维护状态如调用次数比闭包更直观。五、实战场景装饰器的经典用途1. 权限校验python复制下载def require_login(func): 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_login def profile_page(request): return 用户资料2. 缓存计算结果LRUpython复制下载from functools import lru_cache lru_cache(maxsize128) def fibonacci(n): if n 2: return n return fibonacci(n1) fibonacci(n2)functools.lru_cache是Python内置的缓存装饰器能自动缓存函数的计算结果对递归函数效率提升巨大。Fibonacci第40项递归调用次数从3亿次降至40次——这就是装饰器的力量。3. 多个装饰器叠加python复制下载login_required log_execution timer def payment_process(): # 先 timer - 再 log - 最后 login pass多个装饰器叠加时执行顺序是从下往上——离函数最近的最先执行。写在最后装饰器是Python将函数式编程思想融入日常开发的完美体现。它的核心价值在于关注点分离——业务逻辑只关心做什么横切关注点日志、缓存、权限交给装饰器处理。从最简单的timer到复杂的带参数装饰器从函数装饰器到类装饰器掌握装饰器意味着你对Python的函数模型、闭包机制、元编程有了更深的理解。当你下一次发现自己在多个函数里重复写着同样的try-except、同样的日志记录代码时停下来想一想这里是不是应该有一个装饰器
