Python装饰器详解和默认装饰器

python装饰器

Python装饰器详解

装饰器是Python中一种强大的语法糖，允许你在不修改原有函数代码的情况下，扩展其功能。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。

装饰器的基本结构

一个简单的装饰器可以这样实现：

def my_decorator(func):def wrapper(*args, **kwargs):# 在调用原始函数之前执行的代码print("在函数执行前做一些事情")# 调用原始函数result = func(*args, **kwargs)# 在调用原始函数之后执行的代码print("在函数执行后做一些事情")return resultreturn wrapper@my_decorator
def say_hello(name):print(f"你好, {name}!")return f"已向{name}打招呼"# 调用被装饰的函数
result = say_hello("张三")
print(result)

上面的代码中：

• my_decorator 是一个装饰器函数，它接收一个函数作为参数
• wrapper 是一个内部函数，它接收任意数量的位置参数和关键字参数
• *args 和 **kwargs 确保装饰器可以应用于任何函数
• 装饰器返回 wrapper 函数，替代了原始函数

带参数的装饰器

如果需要传递参数给装饰器，可以创建一个返回装饰器的函数：

def repeat(n):def decorator(func):def wrapper(*args, **kwargs):results = []for _ in range(n):result = func(*args, **kwargs)results.append(result)return resultsreturn wrapperreturn decorator@repeat(3)
def greet(name):return f"你好, {name}!"# 调用被装饰的函数
messages = greet("李四")
print(messages)  # 输出: ['你好, 李四!', '你好, 李四!', '你好, 李四!']

保留原始函数元信息

当使用装饰器时，原始函数的元信息（如名称、文档字符串等）会被替换为包装器的信息。可以使用 functools.wraps 来保留这些信息：

import functoolsdef my_decorator(func):@functools.wraps(func)def wrapper(*args, **kwargs):print(f"调用函数 {func.__name__}")result = func(*args, **kwargs)print(f"函数 {func.__name__} 执行完毕")return resultreturn wrapper@my_decorator
def add(a, b):"""计算两个数的和"""return a + bprint(add.__name__)  # 输出: add
print(add.__doc__)   # 输出: 计算两个数的和

类装饰器

除了函数装饰器，还可以使用类来创建装饰器：

class CountCalls:def __init__(self, func):self.func = funcself.num_calls = 0def __call__(self, *args, **kwargs):self.num_calls += 1print(f"第 {self.num_calls} 次调用 {self.func.__name__}")return self.func(*args, **kwargs)@CountCalls
def say_hi():print("Hi!")say_hi()  # 输出: 第 1 次调用 say_hi
say_hi()  # 输出: 第 2 次调用 say_hi

常见应用场景

装饰器在实际开发中有很多用途：

1. 日志记录：记录函数调用和参数
2. 性能测试：测量函数执行时间
3. 缓存：实现函数结果的缓存
4. 权限验证：检查用户权限
5. 重试机制：函数失败时自动重试

下面是一个记录函数执行时间的装饰器示例：

import time
import functoolsdef timer(func):@functools.wraps(func)def wrapper(*args, **kwargs):start_time = time.perf_counter()result = func(*args, **kwargs)end_time = time.perf_counter()print(f"函数 {func.__name__} 执行时间: {end_time - start_time:.4f} 秒")return resultreturn wrapper@timer
def calculate_sum(n):return sum(range(n + 1))result = calculate_sum(1000000)
print(f"结果: {result}")

通过这些示例，你应该能够理解装饰器的基本原理并开始手写自己的装饰器了。装饰器的核心是闭包和函数式编程的概念，掌握它们将大大提升你的Python编程能力。

默认装饰器

Python内置了多个实用的装饰器，它们广泛应用于日常编程中。以下是一些常用的默认装饰器及其应用场景：

1. @staticmethod - 静态方法

• 作用：将类中的方法转换为静态方法，使其不依赖于类实例或类本身。
• 特点：
  • 无需传入 self 或 cls 参数。
  • 无法访问类或实例的属性和方法。
• 应用场景：与类相关但不依赖于类状态的工具函数。

class MathUtils:@staticmethoddef add(a, b):return a + b# 使用方式
print(MathUtils.add(3, 5))  # 无需创建实例

2. @classmethod - 类方法

• 作用：将方法绑定到类而非实例，接收 cls 参数（类本身）。
• 特点：
  • 可通过类或实例调用。
  • 常用于创建工厂方法或修改类属性。
• 应用场景：工厂模式、替代构造函数。

class Person:def __init__(self, name, age):self.name = nameself.age = age@classmethoddef from_birth_year(cls, name, birth_year):age = 2023 - birth_yearreturn cls(name, age)  # 使用cls创建实例# 使用方式
person = Person.from_birth_year("张三", 1990)
print(person.age)  # 33

3. @property - 属性装饰器

• 作用：将方法转换为只读属性，简化属性访问。
• 特点：
  • 调用时无需括号（如 obj.prop 而非 obj.prop()）。
  • 可与 @prop.setter 和 @prop.deleter 组合使用，实现属性的修改和删除。
• 应用场景：计算属性、数据验证、属性访问控制。

class Circle:def __init__(self, radius):self._radius = radius@propertydef radius(self):return [e-mail] radius(self, value):if value < 0:raise ValueError("半径不能为负")self._radius = value@propertydef area(self):return 3.14 * self._radius ** 2# 使用方式
c = Circle(5)
print(c.area)    # 78.5
c.radius = 10    # 自动触发setter验证

4. @functools.lru_cache - 缓存装饰器

• 作用：缓存函数的返回值，避免重复计算，提升性能。
• 特点：
  • 基于最近最少使用（LRU）算法。
  • 适用于纯函数（输入相同则输出相同）。
• 应用场景：递归函数、耗时计算、API调用。

import [e-mail]_cache(maxsize=128)
def fibonacci(n):if n <= 1:return nreturn fibonacci(n-1) + fibonacci(n-2)# 使用方式
print(fibonacci(50))  # 秒级响应（缓存优化）

5. @functools.wraps - 保留函数元信息

• 作用：在自定义装饰器中保留被装饰函数的元信息（如名称、文档字符串）。
• 特点：
  • 避免装饰器覆盖原函数的 __name__、__doc__ 等属性。
• 应用场景：自定义装饰器的开发。

import functoolsdef my_decorator(func):@functools.wraps(func)  # 保留原函数元信息def wrapper(*args, **kwargs):return func(*args, **kwargs)return wrapper@my_decorator
def example():"""这是一个示例函数"""passprint(example.__name__)  # 输出 "example"，而非 "wrapper"
print(example.__doc__)   # 输出 "这是一个示例函数"

6. @contextlib.contextmanager - 上下文管理器

• 作用：将生成器函数转换为上下文管理器（支持 with 语句）。
• 特点：
  • 通过 yield 分隔上下文的进入和退出逻辑。
• 应用场景：资源管理、异常处理。

from contextlib import contextmanager@contextmanager
def open_file(filename, mode):f = open(filename, mode)try:yield f  # 进入with语句时返回资源finally:f.close()  # 退出with语句时释放资源# 使用方式
with open_file("test.txt", "w") as f:f.write("Hello, world!")

7. @dataclass - 数据类装饰器（Python 3.7+）

• 作用：自动生成 __init__、__repr__、__eq__ 等方法，简化数据类定义。
• 特点：
  • 减少样板代码，提升开发效率。
• 应用场景：纯数据存储类。

from dataclasses import dataclass@dataclass
class Point:x: floaty: float# 自动生成__init__
p = Point(3, 4)
print(p)  # 自动生成__repr__: Point(x=3, y=4)

8. @abc.abstractmethod - 抽象方法（Python的抽象基类）

• 作用：定义抽象方法，强制子类实现该方法。
• 特点：
  • 含抽象方法的类无法实例化，必须被子类继承并实现所有抽象方法。
• 应用场景：接口定义、框架设计。

from abc import ABC, abstractmethodclass Shape(ABC):@abstractmethoddef area(self):passclass Circle(Shape):def __init__(self, radius):self.radius = radiusdef area(self):  # 必须实现抽象方法return 3.14 * self.radius ** 2

总结

这些内置装饰器覆盖了面向对象编程、性能优化、代码简洁性等多个方面。合理使用它们可以显著提升代码质量和开发效率。此外，Python社区也提供了许多第三方装饰器（如Flask的@app.route、Django的@login_required），进一步扩展了装饰器的应用场景。