Python装饰器详解:从基础到高级应用
2025-05-31 14:01:10作者:廉皓灿Ida
装饰器(Decorators)是Python中一个非常强大且优雅的特性,它允许开发者在不修改原始函数代码的情况下,为函数添加额外的功能。本文将带你全面理解装饰器的工作原理和实际应用场景。
装饰器基础概念
Python中的函数本质
理解装饰器前,需要明白Python中函数的几个重要特性:
- 函数是一等公民:函数可以像普通变量一样被赋值、传递
- 函数可以嵌套定义:在一个函数内部可以定义另一个函数
- 函数可以作为返回值:函数可以返回另一个函数
def outer_func():
def inner_func():
return "内部函数"
return inner_func
new_func = outer_func()
print(new_func()) # 输出: "内部函数"
装饰器的工作原理
装饰器本质上是一个高阶函数,它接受一个函数作为参数,并返回一个新的函数。最常见的装饰器使用方式是使用@符号:
def my_decorator(func):
def wrapper():
print("执行前操作")
func()
print("执行后操作")
return wrapper
@my_decorator
def say_hello():
print("Hello!")
say_hello()
输出结果:
执行前操作
Hello!
执行后操作
解决装饰器的元信息问题
使用装饰器时,原始函数的__name__、__doc__等元信息会被替换为装饰器内部函数的元信息。为了解决这个问题,Python提供了functools.wraps装饰器:
from functools import wraps
def preserve_metadata(func):
@wraps(func)
def wrapper(*args, **kwargs):
"""包装函数的文档字符串"""
return func(*args, **kwargs)
return wrapper
@preserve_metadata
def example():
"""原始函数的文档字符串"""
pass
print(example.__name__) # 输出: "example"
print(example.__doc__) # 输出: "原始函数的文档字符串"
装饰器的实际应用场景
1. 授权检查
在Web开发中,装饰器常用于权限验证:
from functools import wraps
def requires_auth(f):
@wraps(f)
def decorated(*args, **kwargs):
if not current_user.is_authenticated:
return "请先登录"
return f(*args, **kwargs)
return decorated
@requires_auth
def profile_page():
return "个人资料页面"
2. 日志记录
装饰器可以方便地记录函数执行情况:
def log_activity(func):
@wraps(func)
def wrapper(*args, **kwargs):
print(f"开始执行: {func.__name__}")
result = func(*args, **kwargs)
print(f"完成执行: {func.__name__}")
return result
return wrapper
3. 性能测试
测量函数执行时间:
import time
def timing(func):
@wraps(func)
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
end = time.time()
print(f"{func.__name__} 执行时间: {end-start:.2f}秒")
return result
return wrapper
高级装饰器技巧
带参数的装饰器
装饰器本身也可以接受参数,这需要额外的一层嵌套:
def repeat(num_times):
def decorator(func):
@wraps(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("World")
类装饰器
除了函数,类也可以作为装饰器使用:
class CountCalls:
def __init__(self, func):
self.func = func
self.num_calls = 0
def __call__(self, *args, **kwargs):
self.num_calls += 1
print(f"调用次数: {self.num_calls}")
return self.func(*args, **kwargs)
@CountCalls
def say_hello():
print("Hello!")
say_hello() # 输出: 调用次数: 1 → Hello!
say_hello() # 输出: 调用次数: 2 → Hello!
多个装饰器叠加
装饰器可以叠加使用,执行顺序是从下往上:
@decorator1
@decorator2
@decorator3
def func():
pass
# 等价于
func = decorator1(decorator2(decorator3(func)))
装饰器最佳实践
- 保持装饰器简单:每个装饰器应该只负责一个功能
- 使用functools.wraps:保留原始函数的元信息
- 考虑性能影响:装饰器会增加额外的函数调用开销
- 文档化装饰器:说明装饰器的用途和效果
- 避免过度使用:只在确实需要增强函数行为时使用
装饰器是Python中非常强大的工具,掌握它们可以让你写出更加简洁、优雅和可维护的代码。通过本文的学习,你应该已经具备了在实际项目中使用装饰器的能力。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
617
795
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
395
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989