講 Python 裝飾器前，我想先舉個例子，雖有點污，但跟裝飾器這個話題很貼切。
每個人都有的內褲主要功能是用來遮羞，但是到了冬天它沒法為我們防風禦寒，咋辦？我們想到的一個辦法就是把內褲改造一下，讓它變得更厚更長，這樣一來，它不僅有遮羞功能，還能提供保暖，不過有個問題，這個內褲被我們改造成了長褲後，雖然還有遮羞功能，但本質上它不再是一條真正的內褲了。於是聰明的人發明長褲，在不影響內褲的前提下，直接把長褲套在了內褲外面，這樣內褲還是內褲，有了長褲後寶寶再也不冷了。裝飾器就像我們這裡說的長褲，在不影響內褲作用的前提下，給我們的身體提供了保暖的功效。
談裝飾器前，還要先明白一件事，Python 中的函數和Java、C++不太一樣，Python 中的函數可以像普通變數一樣當做參數傳遞給另一個函數，例如：
def foo():
print("foo")def bar(func):
func()bar(foo)登入後複製
正式回到我們的主題。裝飾器本質上是一個 Python 函數或類，它可以讓其他函數或類別在不需要做任何程式碼修改的前提下增加額外功能，裝飾器的回傳值也是一個函數/類別物件。它常用於有切面需求的場景，例如：插入日誌、效能測試、事務處理、快取、權限校驗等場景，裝飾器是解決這類問題的絕佳設計。有了裝飾器，我們就可以抽離出大量與函數功能本身無關的雷同程式碼到裝飾器中並繼續重複使用。概括的講，裝飾器的作用就是為已經存在的物件添加額外的功能。
先來看一個簡單例子，雖然實際程式碼可能比這複雜很多：
def foo():
print('i am foo')登入後複製
現在有一個新的需求，希望可以記錄下函數的執行日誌，於是在程式碼中加入日誌程式碼：
def foo():
print('i am foo')
logging.info("foo is running")登入後複製
如果函數bar()、bar2() 也有類似的需求，怎麼做？再寫一個 logging 在 bar 函數裡？這樣就造成大量雷同的程式碼，為了減少重複寫程式碼，我們可以這樣做，重新定義一個新的函數：專門處理日誌，日誌處理完之後再執行真正的業務代碼
def use_logging(func):
logging.warn("%s is running" % func.__name__)
func()def foo():
print('i am foo')use_logging(foo)登入後複製
這樣做邏輯上是沒問題的，功能是實現了，但是我們調用的時候不再是調用真正的業務邏輯foo 函數，而是換成了use_logging 函數，這就破壞了原有的程式碼結構， 現在我們不得不每次都要把原來的那個foo 函數是作為參數傳遞給use_logging 函數，那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。
簡單裝飾器
def use_logging(func):
def wrapper():
logging.warn("%s is running" % func.__name__)
return func() # 把 foo 当做参数传递进来时，执行func()就相当于执行foo()
return wrapperdef foo():
print('i am foo')foo = use_logging(foo) # 因为装饰器 use_logging(foo) 返回的时函数对象 wrapper，这条语句相当于 foo = wrapperfoo() # 执行foo()就相当于执行 wrapper()登入後複製
use_logging 就是一個裝飾器，它一個普通的函數，它把執行真正業務邏輯的函數func 包裹在其中，看起來像foo 被use_logging 裝飾了一樣，use_logging 返回的也是一個函數，這個函數的名字叫wrapper。在這個例子中，函數進入和退出時 ，被稱為一個橫切面，這種編程方式被稱為面向切面的編程。
@ 語法糖
如果你接觸Python 有一段時間了的話，想必你對@ 符號一定不陌生了，沒錯@ 符號就是裝飾器的語法糖，它放在函數開始定義的地方，這樣就可以省略最後一步再次賦值的操作。
def use_logging(func):
def wrapper():
logging.warn("%s is running" % func.__name__)
return func()
return wrapper@use_loggingdef foo():
print("i am foo")foo()登入後複製
如上所示，有了 @ ，我們就可以省去foo = use_logging(foo)這一句了，直接調用 foo() 即可得到想要的結果。你們看到了沒有，foo() 函數不需要做任何修改，只要在定義的地方加上裝飾器，呼叫的時候還是和以前一樣，如果我們有其他的類似函數，我們可以繼續呼叫裝飾器來修飾函數，而不用重複修改函數或增加新的封裝。這樣，我們就提高了程式的可重複利用性，並增加了程式的可讀性。
裝飾器在Python 使用如此方便都要歸因於Python 的函數能像普通的對像一樣能作為參數傳遞給其他函數，可以被賦值給其他變量，可以作為返回值，可以被定義在另外一個函數內。
*args、**kwargs
可能有人問，如果我的業務邏輯函數 foo 需要參數怎麼辦？例如：
def foo(name):
print("i am %s" % name)登入後複製
我們可以在定義 wrapper 函數的時候指定參數：
def wrapper(name):
logging.warn("%s is running" % func.__name__)
return func(name)
return wrapper登入後複製
这样 foo 函数定义的参数就可以定义在 wrapper 函数中。这时，又有人要问了，如果 foo 函数接收两个参数呢？三个参数呢？更有甚者，我可能传很多个。当装饰器不知道 foo 到底有多少个参数时，我们可以用 *args 来代替：
def wrapper(*args):
logging.warn("%s is running" % func.__name__)
return func(*args)
return wrapper登入後複製
如此一来，甭管 foo 定义了多少个参数，我都可以完整地传递到 func 中去。这样就不影响 foo 的业务逻辑了。这时还有读者会问，如果 foo 函数还定义了一些关键字参数呢？比如：
def foo(name, age=None, height=None):
print("I am %s, age %s, height %s" % (name, age, height))登入後複製
这时，你就可以把 wrapper 函数指定关键字函数：
def wrapper(*args, **kwargs):
# args是一个数组，kwargs一个字典
logging.warn("%s is running" % func.__name__)
return func(*args, **kwargs)
return wrapper登入後複製
带参数的装饰器
装饰器还有更大的灵活性，例如带参数的装饰器，在上面的装饰器调用中，该装饰器接收唯一的参数就是执行业务的函数 foo 。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。比如，我们可以在装饰器中指定日志的等级，因为不同业务函数可能需要的日志级别是不一样的。
def use_logging(level):
def decorator(func):
def wrapper(*args, **kwargs):
if level == "warn":
logging.warn("%s is running" % func.__name__)
elif level == "info":
logging.info("%s is running" % func.__name__)
return func(*args)
return wrapper
return decorator@use_logging(level="warn")def foo(name='foo'):
print("i am %s" % name)foo()登入後複製
上面的 use_logging 是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我 们使用@use_logging(level="warn")调用的时候，Python 能够发现这一层的封装，并把参数传递到装饰器的环境中。
@use_logging(level="warn")等价于@decorator
类装饰器
没错，装饰器不仅可以是函数，还可以是类，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器主要依靠类的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
print ('class decorator runing')
self._func()
print ('class decorator ending')@Foodef bar():
print ('bar')bar()登入後複製
functools.wraps
使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：
# 装饰器def logged(func):
def with_logging(*args, **kwargs):
print func.__name__ # 输出 'with_logging'
print func.__doc__ # 输出 None
return func(*args, **kwargs)
return with_logging# 函数@loggeddef f(x):
"""does some math"""
return x + x * xlogged(f)登入後複製
不难发现，函数 f 被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器里面的 func 函数中，这使得装饰器里面的 func 函数也有和原函数 foo 一样的元信息了。
from functools import wrapsdef logged(func):
@wraps(func)
def with_logging(*args, **kwargs):
print func.__name__ # 输出 'f'
print func.__doc__ # 输出 'does some math'
return func(*args, **kwargs)
return with_logging@loggeddef f(x):
"""does some math"""
return x + x * x登入後複製
装饰器顺序
一个函数还可以同时定义多个装饰器，比如：
@a
@b
@c
def f ():
pass登入後複製
它的执行顺序是从里到外，最先调用最里层的装饰器，最后调用最外层的装饰器，它等效于
zhijun liu首发于知乎专栏Python之禅，原文地址：https://zhuanlan.zhihu.com/p/24900548
