深入解析Python中的装饰器：从基础到高级
在现代编程中，代码的可读性、可维护性和复用性是至关重要的。Python 作为一种动态类型语言，提供了许多工具和特性来帮助开发者编写简洁、高效的代码。其中，装饰器（Decorator） 是一个非常强大的特性，它允许我们在不修改原始函数的情况下，为其添加新的功能。本文将深入探讨 Python 装饰器的工作原理，并通过具体的代码示例展示如何使用装饰器来增强代码的功能。
什么是装饰器？
装饰器本质上是一个高阶函数，它可以接受一个函数作为参数，并返回一个新的函数。装饰器的主要作用是在不改变原函数代码的情况下，为函数添加额外的功能。装饰器通常用于日志记录、性能测量、权限检查等场景。
基本语法
在 Python 中，装饰器的语法非常简洁。我们可以通过 @decorator_name 的形式将装饰器应用到函数上。下面是一个简单的例子：
def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper@my_decoratordef say_hello(): print("Hello!")say_hello()输出结果：
Something is happening before the function is called.Hello!Something is happening after the function is called.在这个例子中，my_decorator 是一个装饰器，它接收 say_hello 函数作为参数，并返回一个新的 wrapper 函数。当调用 say_hello() 时，实际上执行的是 wrapper()，因此可以在函数调用前后添加额外的操作。
带参数的装饰器
有时候我们需要为装饰器传递参数。为了实现这一点，我们可以再嵌套一层函数。下面是一个带参数的装饰器示例：
def repeat(num_times): def decorator_repeat(func): def wrapper(*args, **kwargs): for _ in range(num_times): result = func(*args, **kwargs) return result return wrapper return decorator_repeat@repeat(num_times=3)def greet(name): print(f"Hello {name}")greet("Alice")输出结果：
Hello AliceHello AliceHello Alice在这个例子中，repeat 是一个带参数的装饰器，它接收 num_times 参数，并返回一个真正的装饰器 decorator_repeat。decorator_repeat 接收目标函数 greet 并返回 wrapper 函数，wrapper 函数会根据传入的 num_times 参数重复调用 greet。
使用 functools.wraps
当我们使用装饰器时，可能会遇到一个问题：装饰后的函数失去了原始函数的元信息（如函数名、文档字符串等）。为了避免这种情况，Python 提供了 functools.wraps，它可以保留原始函数的元信息。
from functools import wrapsdef my_decorator(func): @wraps(func) def wrapper(*args, **kwargs): print("Before calling the function") result = func(*args, **kwargs) print("After calling the function") return result return wrapper@my_decoratordef add(a, b): """Add two numbers.""" return a + bprint(add.__name__) # 输出: addprint(add.__doc__) # 输出: Add two numbers.通过使用 @wraps(func)，我们确保装饰后的函数仍然保留了原始函数的名称和文档字符串。
类装饰器
除了函数装饰器，Python 还支持类装饰器。类装饰器可以用来修饰整个类，而不是单个方法。类装饰器通常用于为类添加额外的行为或属性。
示例：记录类的实例化次数
class CountInstances: def __init__(self, cls): self.cls = cls self.instances = 0 def __call__(self, *args, **kwargs): self.instances += 1 print(f"Number of instances created: {self.instances}") return self.cls(*args, **kwargs)@CountInstancesclass MyClass: def __init__(self, value): self.value = valueobj1 = MyClass(10)obj2 = MyClass(20)obj3 = MyClass(30)输出结果：
Number of instances created: 1Number of instances created: 2Number of instances created: 3在这个例子中，CountInstances 是一个类装饰器，它接收类 MyClass 作为参数，并在每次实例化时增加计数器。通过这种方式，我们可以轻松地跟踪类的实例化次数。
装饰器的高级应用
缓存结果（Memoization）
缓存是一种常见的优化技术，尤其是在处理耗时计算时。Python 提供了内置的 functools.lru_cache 来实现缓存。我们也可以自己实现一个简单的缓存装饰器。
from functools import lru_cache@lru_cache(maxsize=None)def fibonacci(n): if n < 2: return n return fibonacci(n-1) + fibonacci(n-2)print(fibonacci(10)) # 输出: 55lru_cache 使用最近最少使用的缓存策略，避免了重复计算相同的输入。如果你想要自己实现一个简单的缓存装饰器，可以参考以下代码：
def memoize(func): cache = {} def wrapper(*args): if args not in cache: cache[args] = func(*args) return cache[args] return wrapper@memoizedef factorial(n): if n == 0 or n == 1: return 1 return n * factorial(n-1)print(factorial(5)) # 输出: 120日志记录
装饰器常用于日志记录，特别是在调试或监控系统性能时。我们可以创建一个装饰器来记录函数的调用时间和返回值。
import timeimport logginglogging.basicConfig(level=logging.INFO)def log_execution_time(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() logging.info(f"{func.__name__} executed in {end_time - start_time:.4f} seconds") return result return wrapper@log_execution_timedef slow_function(): time.sleep(2)slow_function()输出日志：
INFO:root:slow_function executed in 2.0010 seconds这个装饰器会在每次调用 slow_function 时记录其执行时间，帮助我们分析性能瓶颈。
总结
装饰器是 Python 中非常强大且灵活的工具，它可以帮助我们以优雅的方式为函数或类添加额外的功能。通过本文的介绍，我们了解了装饰器的基本概念、语法以及一些高级应用。无论是简单的日志记录还是复杂的缓存机制，装饰器都能为我们提供一种简洁的解决方案。掌握装饰器不仅可以提高代码的可读性和可维护性，还能让我们编写出更加高效、优雅的程序。
希望这篇文章能帮助你更好地理解 Python 装饰器的工作原理，并在实际开发中灵活运用这一特性。
