Python装饰器入门教程_函数增强与应用场景

Python装饰器是不修改原函数代码而动态增强其功能的高阶函数，本质为接收函数并返回新函数；支持无参、带参及内置装饰器如@property、@lru_cache等，使用时需注意元信息丢失、性能影响和叠加顺序。

Python装饰器是一种用于修改或增强函数行为的简洁工具，它不改变原函数代码，却能动态添加功能，比如日志记录、权限校验、性能计时等。

装饰器的本质：函数套函数

装饰器本质上是一个接受函数作为参数、并返回新函数的高阶函数。最简形式如下：

  def my_decorator(func):
    def wrapper():
      print("调用前执行")
      func()
      print("调用后执行")
    return wrapper

使用 @my_decorator 语法糖，等价于 func = my_decorator(func)，让代码更清晰可读。

带参数的装饰器：支持灵活配置

当需要为不同函数传入不同配置（如重试次数、超时时间）时，需再嵌套一层函数：

• 外层函数接收装饰器参数（如 retries=3）
• 中间层接收被装饰的函数
• 内层 wrapper 执行实际逻辑，可访问所有层级变量

例如实现一个可配置重试次数的装饰器，就能复用于多个网络请求函数，无需重复写重试逻辑。

常用内置装饰器与典型场景

Python标准库提供了几个高频实用的装饰器：

• @property：把方法变成属性调用，适合封装计算属性（如 obj.area）
• @staticmethod 和 @classmethod：定义类级别的行为，不依赖实例状态
• @functools.lru_cache：自动缓存函数结果，显著提升递归或重复调用性能
• 自定义 @log_execution 或 @require_auth：统一处理日志、鉴权等横切关注点

注意事项与最佳实践

使用装饰器时容易忽略几个关键细节：

• 被装饰函数的 __name__、__doc__ 等元信息默认会丢失，需用 @functools.wraps(func) 修复
• 装饰器本身应尽量轻量，避免在 wrapper 中做耗时操作，否则影响所有被装饰函数
• 多个装饰器叠加时注意执行顺序：从下往上装饰，从上往下运行（即 @a 在 @b 下方，则先执行 a 的 wrapper，再进入 b 的 wrapper）