Lecture_Notes：Python装饰器与元编程：代码复用高级技巧
项目地址: https://gitcode.com/GitHub_Trending/lec/Lecture_Notes 引言：告别重复代码的编程范式
在Python开发中，代码复用是提升效率的核心。传统函数封装虽能解决基础复用问题，但面对日志记录、性能监控、权限校验等横切关注点时，仍需重复编写相似逻辑。Python装饰器（Decorator）与元编程（Metaprogramming）技术通过动态修改代码结构，实现了更高级的复用机制。本文将从基础函数封装讲起，逐步深入装饰器的实现原理与元编程的实战应用，帮助开发者构建更优雅、可扩展的代码架构。
函数封装：代码复用的基础
函数是Python代码复用的基本单元。通过将逻辑封装为函数，可以避免重复编写相同代码块，同时提升可维护性。
函数定义与调用
Python函数通过def关键字定义，基本语法如下：
def function_name(parameters):
# 函数体
return result
例如，计算圆面积的函数：
def area_circle(radius):
return 3.14 * (radius ** 2)
area = area_circle(5) # 调用函数，参数为5
函数作用域与全局变量
函数内部定义的变量为局部变量，仅在函数内部有效。若需修改全局变量，需使用global关键字声明：
a = 1
def update_global():
global a # 声明使用全局变量a
a = 2
update_global()
print(a) # 输出：2
详细函数语法可参考Refresher Functions
装饰器：函数的增强包装器
装饰器本质是高阶函数，它接收一个函数作为参数，并返回一个新的函数，从而在不修改原函数代码的前提下为其添加额外功能。
装饰器基础语法
装饰器使用@语法糖，置于函数定义前：
def log_decorator(func):
def wrapper(*args, **kwargs):
print(f"调用函数: {func.__name__}")
result = func(*args, **kwargs)
print(f"函数返回: {result}")
return result
return wrapper
@log_decorator # 应用装饰器
def add(a, b):
return a + b
add(2, 3) # 输出：调用函数: add；函数返回: 5
带参数的装饰器
装饰器本身可接收参数，需额外嵌套一层函数：
def repeat(times):
def decorator(func):
def wrapper(*args, **kwargs):
for _ in range(times):
result = func(*args, **kwargs)
return result
return wrapper
return decorator
@repeat(times=3) # 装饰器参数
def greet(name):
print(f"Hello, {name}!")
greet("Alice") # 输出3次"Hello, Alice!"
装饰器链
多个装饰器可叠加使用，执行顺序为从下到上：
@decorator1
@decorator2
def func():
pass
等效于decorator1(decorator2(func))。
元编程：动态控制代码行为
元编程指在运行时创建或修改代码的技术，Python通过类、元类（metaclass）和type函数实现元编程能力。
动态创建函数
使用lambda可创建匿名函数，结合exec可动态生成代码：
# 动态定义函数
func_code = """
def dynamic_add(a, b):
return a + b
"""
exec(func_code)
print(dynamic_add(2, 3)) # 输出：5
元类：类的模板
元类是创建类的"类"，通过继承type可自定义类的创建过程。例如，为所有类自动添加日志方法：
class LogMeta(type):
def __new__(cls, name, bases, attrs):
# 添加日志方法
attrs['log'] = lambda self: print(f"Class {name} initialized")
return super().__new__(cls, name, bases, attrs)
# 使用元类
class MyClass(metaclass=LogMeta):
pass
obj = MyClass()
obj.log() # 输出：Class MyClass initialized
实战案例：装饰器与元编程的组合应用
1. 性能监控装饰器
使用装饰器测量函数执行时间：
import time
def timer_decorator(func):
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
end = time.time()
print(f"{func.__name__} 耗时: {end - start:.2f}秒")
return result
return wrapper
@timer_decorator
def slow_function():
time.sleep(1) # 模拟耗时操作
slow_function() # 输出：slow_function 耗时: 1.00秒
2. 权限校验装饰器
结合函数参数实现细粒度权限控制：
def check_permission(required_role):
def decorator(func):
def wrapper(user_role, *args, **kwargs):
if user_role >= required_role:
return func(user_role, *args, **kwargs)
else:
raise PermissionError("权限不足")
return wrapper
return decorator
@check_permission(required_role=2)
def sensitive_operation(user_role):
print("执行敏感操作")
sensitive_operation(user_role=2) # 正常执行
sensitive_operation(user_role=1) # 抛出PermissionError
3. 元类实现ORM映射
通过元类自动将类属性映射为数据库字段：
class ModelMeta(type):
def __new__(cls, name, bases, attrs):
# 提取字段定义
fields = {k: v for k, v in attrs.items() if not k.startswith('__')}
attrs['fields'] = fields
return super().__new__(cls, name, bases, attrs)
class User(metaclass=ModelMeta):
id = 'INT PRIMARY KEY'
name = 'VARCHAR(50)'
print(User.fields) # 输出：{'id': 'INT PRIMARY KEY', 'name': 'VARCHAR(50)'}
总结与扩展
装饰器与元编程是Python中实现代码复用和动态控制的高级技术。装饰器适用于横切关注点（如日志、权限、缓存），元编程则适合框架开发中的类行为定制。合理结合两者可显著提升代码的可维护性和扩展性。
进阶学习建议：
通过掌握这些技术，开发者能够编写更灵活、高效的Python代码，应对复杂项目需求。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
