企业官网建设流程全解析

Python 装饰器新手入门与实战指南

本文面向零基础读者，从最基础的概念讲起，手把手带你掌握 Python 装饰器的核心用法与实战技巧。

WEB项目地址：演示地址

① 装饰器核心概念与生活化类比解析

装饰器是什么？

装饰器（Decorator）是 Python 中一种强大的特性，它允许我们在不修改原函数代码的情况下，给函数动态地添加新功能。装饰器本质上是一个函数，它接受一个函数作为参数，并返回一个新的函数。

生活化类比：手机壳

想象一下你买了一部手机（原函数），手机本身的功能就是打电话、发微信。后来你给手机套了一个手机壳（装饰器），手机还是那个手机，功能一点没变，但多了防摔、防滑的新功能。装饰器就是这个“手机壳”——在不改变手机本身的前提下，给它增加了额外功能。

装饰器的两个核心基础

在学习装饰器之前，必须先理解两个概念：

① 函数是“一等公民”

在 Python 中，函数和整数、字符串一样，可以：

• 赋值给变量
• 作为参数传递给其他函数
• 作为返回值从其他函数中返回
• 在函数内部嵌套定义

② 闭包（Closure）

闭包简单说就是：在一个外层函数中定义内层函数，内层函数引用外层函数的变量，并且外层函数返回内层函数。即使外层函数执行完了，内层函数依然能“记住”外层函数的变量。装饰器的核心结构就是基于闭包实现的。

装饰器的核心价值

装饰器体现了“对扩展开放，对修改关闭”的开闭原则。它让你能把日志记录、性能计时、权限校验这些“通用逻辑”抽出来，一次编写、到处复用，让业务代码保持干净整洁。

② 本地开发环境准备与版本检查

装饰器是 Python 的内置特性，不需要安装任何额外库，只要有 Python 环境即可。

检查 Python 版本

打开终端（Windows 用 CMD 或 PowerShell，Mac/Linux 用 Terminal），输入：

python--version# 或python3--version

如果显示类似Python 3.8.0或更高版本，说明环境已就绪。建议使用Python 3.6 及以上版本，装饰器语法在这些版本中完全支持。

如果没有 Python

• Windows：访问 python.org 下载安装包，运行安装时务必勾选“Add Python to PATH”
• Mac/Linux：使用系统包管理器安装，如sudo apt install python3 python3-pip

推荐编辑器

对于新手，推荐使用VS Code或PyCharm社区版，它们对 Python 有良好的语法高亮和调试支持。

③ 函数作为对象的基础操作演示

在写装饰器之前，先用几个小例子感受一下“函数也是对象”：

示例1：函数赋值给变量

defadd(a,b):returna+b# 把函数赋值给变量（注意：不加括号，不是调用）func=add# 通过变量调用函数print(func(1,2))# 输出：3

函数add被赋值给变量func后，func和add指向同一个函数对象。

示例2：函数作为参数

defgreet(name):returnf"Hello,{name}!"defrun_with_log(func,arg):print("准备执行函数...")result=func(arg)print("函数执行完毕")returnresultprint(run_with_log(greet,"Alice"))# 输出：# 准备执行函数...# Hello, Alice!# 函数执行完毕

示例3：函数作为返回值（闭包雏形）

defouter(fixed_num):definner(dynamic_num):returnfixed_num+dynamic_numreturninner# 返回内层函数add5=outer(5)# 生成“固定加5”的函数add10=outer(10)# 生成“固定加10”的函数print(add5(3))# 输出：8print(add10(4))# 输出：14

这里的inner就是一个闭包——它“记住”了外层函数传入的fixed_num。

④ 编写第一个无参数装饰器代码

有了前面的基础，现在正式写一个装饰器。

最简装饰器模板

defmy_decorator(func):defwrapper():print("函数执行前")func()print("函数执行后")returnwrapper@my_decoratordefsay_hello():print("Hello!")say_hello()# 输出：# 函数执行前# Hello!# 函数执行后

拆解理解

@my_decorator这行代码实际上就是say_hello = my_decorator(say_hello)的简写。整个过程是：

1. my_decorator接收say_hello函数作为参数
2. 在my_decorator内部定义了wrapper函数，在调用原函数前后添加了额外逻辑
3. my_decorator返回wrapper函数
4. say_hello被替换成了wrapper

用 @ 语法糖 vs 手动调用

这两种写法完全等价：

# 方式一：使用 @ 语法糖（推荐）@my_decoratordefsay_hello():print("Hello!")# 方式二：手动调用（不推荐，仅用于理解原理）defsay_hello():print("Hello!")say_hello=my_decorator(say_hello)

⑤ 处理带参数函数的装饰器写法

上面的装饰器只能装饰无参数的函数。如果被装饰的函数有参数，wrapper必须能接收并传递这些参数。

使用 *args 和 **kwargs

defmy_decorator(func):defwrapper(*args,**kwargs):# 接收任意参数print("函数执行前")result=func(*args,**kwargs)# 原封不动传过去print("函数执行后")returnresultreturnwrapper@my_decoratordefadd(a,b):returna+b@my_decoratordefgreet(name,greeting="Hello"):returnf"{greeting},{name}!"print(add(3,5))# 输出：8（带提示信息）print(greet("Bob"))# 输出：Hello, Bob!（带提示信息）

*args接收所有位置参数，**kwargs接收所有关键字参数。这样装饰器就能通用于任何函数了。

⑥ 保留原函数元信息的标准实践

问题：装饰器会“偷走”函数身份

如果不做特殊处理，被装饰后的函数会丢失原有的名称和文档字符串：

defbad_decorator(func):defwrapper():func()returnwrapper@bad_decoratordefhello():"""我是文档"""passprint(hello.__name__)# 输出：wrapper（不是 hello）print(hello.__doc__)# 输出：None（文档丢了）

调试的时候看到wrapper这个名字，根本不知道它原来是哪个函数。

解决方案：@functools.wraps

使用functools.wraps可以将原始函数的元信息（名称、文档字符串、参数列表等）复制到包装函数上。

fromfunctoolsimportwrapsdefgood_decorator(func):@wraps(func)# 关键：保留原函数元信息defwrapper(*args,**kwargs):print("执行前")result=func(*args,**kwargs)print("执行后")returnresultreturnwrapper@good_decoratordefhello():"""我是文档"""passprint(hello.__name__)# 输出：helloprint(hello.__doc__)# 输出：我是文档

这是一个必须养成的好习惯——所有自己写的装饰器都应该加上@wraps(func)。

⑦ 多个装饰器叠加使用的执行顺序

Python 允许对同一个函数应用多个装饰器。

执行顺序规则

装饰器的应用顺序是从下往上（从内到外），但执行时外层先执行。

看代码理解：

defdecorator1(func):defwrapper():print("装饰器1 前置")func()print("装饰器1 后置")returnwrapperdefdecorator2(func):defwrapper():print("装饰器2 前置")func()print("装饰器2 后置")returnwrapper@decorator1@decorator2deftarget():print("目标函数")target()# 输出：# 装饰器1 前置# 装饰器2 前置# 目标函数# 装饰器2 后置# 装饰器1 后置

理解顺序

@decorator1在最外层（离函数最远），@decorator2在里层（离函数最近）。等价于：

target=decorator1(decorator2(target))

所以执行时：decorator1 的前置 → decorator2 的前置 → 原函数 → decorator2 的后置 → decorator1 的后置。

⑧ 类方法装饰器与静态方法应用

内置的类相关装饰器

Python 提供了几个内置装饰器用于类方法：

示例

classMyClass:@staticmethoddefstatic_method():"""不需要实例，也不需要类，就像普通函数"""print("这是静态方法")@classmethoddefclass_method(cls):"""第一个参数是类本身"""print(f"这是类方法，类名：{cls.__name__}")@propertydeffull_name(self):return"张三"# 调用MyClass.static_method()# 不需要实例MyClass.class_method()# 不需要实例obj=MyClass()print(obj.full_name)# 像属性一样访问，不加括号

自定义装饰器应用于类方法

如果想给类方法写自定义装饰器，要确保自定义装饰器在@classmethod或@staticmethod之前：

fromfunctoolsimportwrapsimporttimedeftimer(func):@wraps(func)defwrapper(*args,**kwargs):start=time.time()result=func(*args,**kwargs)print(f"{func.__name__}耗时：{time.time()-start:.2f}秒")returnresultreturnwrapperclassCalculator:@timer# 自定义装饰器在前@staticmethoddefslow_calc():time.sleep(0.5)return42print(Calculator.slow_calc())# 输出：slow_calc 耗时：0.50秒# 42

⑨ 日志记录与性能计时实战案例

案例1：计时装饰器

测量函数执行时间是最常用的装饰器场景之一：

importtimefromfunctoolsimportwrapsdeftimer(func):@wraps(func)defwrapper(*args,**kwargs):start=time.time()result=func(*args,**kwargs)end=time.time()print(f"{func.__name__}耗时：{end-start:.4f}秒")returnresultreturnwrapper@timerdefslow_function():time.sleep(1)return"完成"print(slow_function())# 输出：slow_function 耗时：1.0012秒# 完成

案例2：日志记录装饰器

记录函数的调用信息和返回值，便于调试：

fromfunctoolsimportwrapsdefdebug(func):@wraps(func)defwrapper(*args,**kwargs):# 格式化参数args_str=', '.join(repr(arg)forarginargs)kwargs_str=', '.join(f"{k}={v!r}"fork,vinkwargs.items())all_args=', '.join(filter(None,[args_str,kwargs_str]))print(f"调用{func.__name__}({all_args})")result=func(*args,**kwargs)print(f"{func.__name__}返回{result!r}")returnresultreturnwrapper@debugdefadd_numbers(a,b,multiply_by=1):return(a+b)*multiply_by add_numbers(5,3,multiply_by=2)# 输出：# 调用 add_numbers(5, 3, multiply_by=2)# add_numbers 返回 16

案例3：重试装饰器（带参数）

带参数的装饰器通过三层嵌套实现：

fromfunctoolsimportwrapsimporttimedefretry(max_attempts=3,delay=1):defdecorator(func):@wraps(func)defwrapper(*args,**kwargs):forattemptinrange(1,max_attempts+1):try:returnfunc(*args,**kwargs)exceptExceptionase:ifattempt==max_attempts:raiseprint(f"第{attempt}次失败，{delay}秒后重试...")time.sleep(delay)returnwrapperreturndecorator@retry(max_attempts=3,delay=0.5)defunstable_request():importrandomifrandom.random()<0.7:raiseValueError("请求失败")return"成功！"

⑩ 常见缩进错误与调用异常排查

错误1：忘记返回 wrapper

defbad_decorator(func):defwrapper():func()# 忘记 return wrapper——返回 None！@bad_decoratordefhello():print("Hello")hello()# TypeError: 'NoneType' object is not callable

解决方法：始终确保装饰器返回 wrapper 函数。

错误2：忘记传递 *args 和 **kwargs

defbad_decorator(func):defwrapper():# 没有参数func()# 原函数有参数时会报错returnwrapper@bad_decoratordefadd(a,b):returna+b add(1,2)# TypeError: wrapper() takes 0 positional arguments but 2 were given

解决方法：wrapper 必须使用*args, **kwargs接收并传递所有参数。

错误3：缩进问题

Python 对缩进非常敏感。装饰器的@符号和函数定义def必须在同一缩进级别：

# ❌ 错误：@ 缩进和 def 不一致@my_decoratordefhello():pass# ✅ 正确@my_decoratordefhello():pass

错误4：忘记返回原函数的结果

defbad_decorator(func):defwrapper(*args,**kwargs):func(*args,**kwargs)# 没有 return，返回值丢失returnwrapper@bad_decoratordefadd(a,b):returna+bprint(add(1,2))# 输出：None

解决方法：调用原函数后一定要return它的结果。

错误5：装饰器缺少 @wraps

不使用@wraps会导致函数元信息丢失，调试困难。养成好习惯：所有装饰器都加上@wraps(func)。

总结

装饰器是 Python 中最优雅的特性之一。从最简单的计时器开始，逐步尝试写日志、重试、缓存等装饰器，你会发现自己代码的复用性和整洁度都会有质的提升。