深入理解Python中的装饰器：从基础到高级应用
在现代编程中，代码的可复用性和可维护性是软件开发的重要目标。Python作为一种功能强大的语言，提供了许多工具和特性来帮助开发者实现这些目标。其中，装饰器（Decorator）是一个非常重要的概念，它不仅能够增强函数的功能，还能使代码更加简洁和优雅。本文将从装饰器的基础开始，逐步深入到其高级应用，并通过实际代码示例展示如何使用装饰器解决实际问题。
什么是装饰器？
装饰器本质上是一个函数，它接收另一个函数作为参数，并返回一个新的函数。装饰器的作用是对原始函数进行“包装”，从而在不修改原始函数代码的情况下为其添加额外的功能。
装饰器的基本结构
一个简单的装饰器可以这样定义：
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，它接受 say_hello 函数作为参数，并返回一个新的函数 wrapper。当我们调用 say_hello() 时，实际上是调用了 wrapper() 函数，而 wrapper 在执行 say_hello 之前和之后分别打印了一条消息。
使用带参数的装饰器
有时候，我们可能需要向装饰器传递参数。为了实现这一点，我们需要创建一个返回装饰器的函数。例如：
def repeat(num_times): def decorator(func): def wrapper(*args, **kwargs): for _ in range(num_times): result = func(*args, **kwargs) return result return wrapper return decorator@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 是一个返回装饰器的函数，num_times 是我们传递给它的参数。decorator 是实际的装饰器，它接收 greet 函数作为参数，并返回 wrapper 函数。wrapper 函数会根据 num_times 的值多次调用 greet。
装饰器的应用场景
1. 记录日志
装饰器可以用来记录函数的调用信息，这对于调试和监控非常有用。
import loggingdef log_function_call(func): def wrapper(*args, **kwargs): logging.basicConfig(level=logging.INFO) logging.info(f"Calling {func.__name__} with arguments {args} and keyword arguments {kwargs}") result = func(*args, **kwargs) logging.info(f"{func.__name__} returned {result}") return result return wrapper@log_function_calldef add(a, b): return a + badd(3, 4)输出日志：
INFO:root:Calling add with arguments (3, 4) and keyword arguments {}INFO:root:add returned 72. 性能测量
我们可以使用装饰器来测量函数的执行时间，这对于优化性能非常有帮助。
import timedef measure_time(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() print(f"{func.__name__} took {end_time - start_time:.4f} seconds to execute.") return result return wrapper@measure_timedef compute_sum(n): total = 0 for i in range(n): total += i return totalcompute_sum(1000000)输出结果：
compute_sum took 0.0654 seconds to execute.3. 缓存结果
通过装饰器，我们可以实现函数的结果缓存（memoization），以避免重复计算。
from functools import lru_cache@lru_cache(maxsize=128)def fibonacci(n): if n < 2: return n return fibonacci(n-1) + fibonacci(n-2)print(fibonacci(50))在这个例子中，我们使用了 Python 内置的 lru_cache 装饰器来缓存 fibonacci 函数的结果。这大大提高了递归计算的效率。
高级装饰器：类装饰器
除了函数装饰器，Python 还支持类装饰器。类装饰器通常用于修改类的行为或属性。
class Singleton: def __init__(self, cls): self._cls = cls self._instance = {} def __call__(self, *args, **kwargs): if self._cls not in self._instance: self._instance[self._cls] = self._cls(*args, **kwargs) return self._instance[self._cls]@Singletonclass Database: def __init__(self): print("Loading database...")db1 = Database()db2 = Database()print(db1 is db2) # 输出 True在这个例子中，Singleton 是一个类装饰器，它确保 Database 类只有一个实例存在。无论我们创建多少次 Database 的实例，它们实际上都是同一个对象。
装饰器是 Python 中一个非常强大且灵活的特性，它可以帮助我们编写更简洁、更可维护的代码。通过本文的学习，我们了解了装饰器的基本概念、如何定义和使用装饰器，以及一些常见的应用场景。掌握装饰器不仅可以提高我们的编程技能，还可以让我们写出更优雅和高效的代码。
