Python 装饰器详解

装饰器是 Python 最优雅也最"劝退"的特性之一:它能在不改动原函数代码的前提下,给函数附加日志、计时、缓存等能力。一旦看懂它的本质,你会发现它只是一层"函数包函数"的语法糖。

1. 函数是一等公民

Python 里函数可以像变量一样赋值、传参、返回、嵌套定义,这是装饰器能成立的前提:

def greet(name):
    return f"你好,{name}"

say = greet          # 函数也是对象,可以赋值
print(say("Ada"))    # 你好,Ada

2. 最简单的装饰器

装饰器本质是"接收函数、返回新函数"的高阶函数,@ 是它的语法糖:

def shout(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result.upper() + "!"
    return wrapper

@shout
def hello(name):
    return f"hello {name}"

print(hello("python"))  # HELLO PYTHON!

3. 保留函数信息:functools.wraps

不加 wraps,被装饰函数的 __name__ 会变成 wrapper,影响调试与文档生成:

from functools import wraps

def logger(func):
    @wraps(func)          # 复制原函数的名字和文档
    def wrapper(*args, **kwargs):
        print(f"调用 {func.__name__}")
        return func(*args, **kwargs)
    return wrapper

@logger
def add(a, b):
    """两数相加"""
    return a + b

print(add.__name__, add.__doc__)  # add 两数相加

4. 带参数的装饰器

想给装饰器本身传参,就再包一层"工厂函数":

def repeat(times):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for _ in range(times):
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)
def ping():
    print("ping")

ping()  # 连续打印三次 ping

5. 实战:计时器与缓存

两个最常用的装饰器场景:统计耗时、缓存重复计算。lru_cache 是标准库自带的记忆化工具:

import time
from functools import wraps, lru_cache

def timer(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        t0 = time.perf_counter()
        result = func(*args, **kwargs)
        print(f"{func.__name__} 耗时 {time.perf_counter() - t0:.3f}s")
        return result
    return wrapper

@timer
@lru_cache(maxsize=128)   # 缓存相同参数的返回值
def fib(n):
    return n if n < 2 else fib(n - 1) + fib(n - 2)

print(fib(35))

6. 使用建议

• 别滥用:装饰器会隐藏调用细节,团队项目里保持克制,优先用显式函数。
• 总是加 @wraps:保留函数元信息,否则调试和文档都会受影响。
• 顺序即嵌套:@timer 在上、@lru_cache 在下,执行顺序是"先缓存、后计时"。
• 类装饰器:实现 __call__ 的类也能当装饰器,适合需要维护状态的场景。

💡 学习建议:读一读 Flask、Click 等框架源码里 @app.route 这类装饰器的实现,吃透"工厂函数 + wraps + 闭包"三件套,装饰器就彻底通了。