在 Python 中，装饰器（Decorator） 是一种强大且优雅的设计模式，它允许我们在不修改原函数代码的前提下，动态地扩展其行为。无论是日志记录、性能监控、权限校验还是缓存机制，装饰器都扮演着核心角色。

本文将深入剖析装饰器的本质，通过清晰的代码示例和最佳实践，带你掌握从基础写法到高阶技巧的完整知识体系。

---

一、装饰器的核心作用

装饰器本质上是一个接收函数作为参数并返回新函数的可调用对象（通常是函数或类）。它的主要用途包括：

• ✅ 增强功能：如添加日志、计时、重试逻辑
• ✅ 横切关注点分离：将通用逻辑与业务逻辑解耦
• ✅ API 接口统一处理：身份验证、输入校验、异常捕获
• ✅ 缓存结果：避免重复计算
• ✅ 注册机制：自动注册路由、事件监听器等

🎯 核心思想：开放封闭原则（Open-Closed Principle）——对扩展开放，对修改封闭

---

二、一个简单的装饰器示例

下面实现一个用于测量函数执行时间的装饰器：

import time
from functools import wraps

def timer(func):
    @wraps(func)  # 保留原函数元信息
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        duration = time.time() - start
        print(f"Function '{func.__name__}' took {duration:.4f} seconds")
        return result
    return wrapper

# 使用装饰器
@timer
def slow_function(n):
    time.sleep(1)
    return sum(i * i for i in range(n))

print(slow_function(10000))  # 输出耗时 + 结果

输出：

Function 'slow_function' took 1.0023 seconds
333283335000

📌 关键点说明：

• @timer 等价于 slow_function = timer(slow_function)
• *args, **kwargs 支持任意参数传递
• @wraps(func) 保持被装饰函数的 __name__, __doc__ 等属性不变

---

三、带参数的装饰器

有时我们需要配置装饰器的行为，例如指定重试次数或设置缓存过期时间。这时就需要“装饰器工厂”：

def retry(max_attempts=3, delay=1):
    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:
                        print(f"Failed after {max_attempts} attempts: {e}")
                        raise
                    print(f"Attempt {attempt} failed: {e}, retrying in {delay}s...")
                    time.sleep(delay)
        return wrapper
    return decorator

@retry(max_attempts=3, delay=0.5)
def unstable_api_call():
    import random
    if random.random() < 0.7:
        raise ConnectionError("Network error")
    return "Success!"

print(unstable_api_call())

✅ 这种三层嵌套结构是参数化装饰器的标准范式。

---

四、基于类的装饰器

当逻辑较复杂时，使用类可以更好地组织状态：

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.count = 0
        wraps(func)(self)  # 复制函数元数据

    def __call__(self, *args, **kwargs):
        self.count += 1
        print(f"Call {self.count} to '{self.func.__name__}'")
        return self.func(*args, **kwargs)

@CountCalls
def greet(name):
    return f"Hello, {name}!"

greet("Alice")  # Call 1 to 'greet'
greet("Bob")    # Call 2 to 'greet'
print(greet.count)  # 2

📌 类装饰器优势：

• 可维护内部状态（如调用次数、上次调用时间）
• 支持更多方法（如 .reset() 清零计数）

---

五、常见应用场景与最佳实践

1. 缓存装饰器（Memoization）

from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

fibonacci(35)  # 性能大幅提升

⚠️ 注意：仅适用于纯函数（相同输入始终返回相同输出）

2. 权限验证装饰器

def requires_role(role_required):
    def decorator(func):
        @wraps(func)
        def wrapper(user, *args, **kwargs):
            if user.get('role') != role_required:
                raise PermissionError(f"Role '{role_required}' required.")
            return func(user, *args, **kwargs)
        return wrapper
    return decorator

@requires_role('admin')
def delete_user(user, target_id):
    print(f"User {user['name']} deleted user {target_id}")

alice = {'name': 'Alice', 'role': 'admin'}
bob = {'name': 'Bob', 'role': 'user'}

delete_user(alice, 123)  # 成功
# delete_user(bob, 456)   # 抛出 PermissionError

3. Flask 路由中的装饰器应用

from flask import Flask
app = Flask(__name__)

@app.route('/hello')
def hello():
    return "Hello World!"

Flask 的 @app.route() 就是一个典型的装饰器，用于将 URL 与处理函数绑定。

---

六、高级技巧与注意事项

✅ 正确使用 functools.wraps

确保被装饰函数保留原始的 __name__, __doc__, __module__ 等属性，这对调试、文档生成和框架识别至关重要。

❌ 避免在装饰器中修改参数

除非明确需要，否则不要修改 *args 或 **kwargs，以免造成意外副作用。

⏱️ 装饰器本身的性能开销

复杂的装饰器可能影响启动时间和运行效率，建议：

• 对高频调用函数使用轻量级装饰器
• 使用 @lru_cache 缓存装饰器内部计算

🔁 装饰器叠加顺序

多个装饰器按从下往上的顺序执行：

@decorator_a
@decorator_b
@decorator_c
def my_func():
    pass

等价于：decorator_a(decorator_b(decorator_c(my_func)))

---

七、总结

装饰器是 Python 函数式编程的精髓之一，它通过高阶函数 + 闭包的组合实现了强大的行为扩展能力。掌握装饰器不仅能提升代码的复用性和可维护性，还能让你写出更具 Python 风格（Pythonic）的程序。

💡 记住一句话：“装饰器就是‘包装函数’的函数。”

从简单的 @timer 到复杂的 @cache, @login_required, 再到现代 Web 框架中的 @route, @api_view，装饰器无处不在。理解并熟练运用它，是你迈向高级 Python 开发者的关键一步。

现在，不妨尝试为自己常用的工具函数编写几个实用的装饰器吧！