Python装饰器深入解析:从基础到高级应用

深入理解Python中的装饰器(Decorators):从基础到高级应用 Python装饰器是一个强大的工具,它使得在不修改原有函数代码的情况下增加额外功能成为可能。从基础的概念理解到高级应用,装饰器极大地提高了代码的模块化和可重用性。掌握装饰器的使用,对于编写高质量、易于维护的Python代码至关重要。希望本文能帮助您更好地理解和应用Python装饰器。 阅读详情

Python装饰器深入解析:从基础到高级应用

引言

装饰器是Python中非常强大的特性,允许我们在不修改函数代码的情况下扩展其功能。作为从Python转向Rust的后端开发者,我发现装饰器是Python中最具特色的功能之一,广泛应用于日志记录、性能监控、权限验证等场景。本文将深入探讨装饰器的原理和最佳实践。

一、装饰器基础

1.1 什么是装饰器

装饰器是一种设计模式,用于包装函数或类,在不修改其源代码的情况下扩展功能。

def my_decorator(func):
    def wrapper():
        print("Before function")
        func()
        print("After function")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()

1.2 装饰器语法

# 装饰器应用
@decorator
def function():
    pass

# 等价于
function = decorator(function)

1.3 带参数的装饰器

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)
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")

二、高级装饰器

2.1 保留函数元数据

import functools

def my_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        return func(*args, **kwargs)
    return wrapper

@my_decorator
def example():
    """This is a docstring"""
    pass

print(example.__name__)  # example
print(example.__doc__)   # This is a docstring

2.2 类装饰器

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.count = 0
    
    def __call__(self, *args, **kwargs):
        self.count += 1
        print(f"Call {self.count} of {self.func.__name__}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

say_hello()  # Call 1 of say_hello; Hello!
say_hello()  # Call 2 of say_hello; Hello!

2.3 多个装饰器

def decorator1(func):
    def wrapper(*args, **kwargs):
        print("Decorator 1 before")
        result = func(*args, **kwargs)
        print("Decorator 1 after")
        return result
    return wrapper

def decorator2(func):
    def wrapper(*args, **kwargs):
        print("Decorator 2 before")
        result = func(*args, **kwargs)
        print("Decorator 2 after")
        return result
    return wrapper

@decorator1
@decorator2
def greet():
    print("Hello!")

# 执行顺序:decorator1(decorator2(greet))
greet()

三、装饰器实战

3.1 日志记录

import logging

logging.basicConfig(level=logging.INFO)

def log_function(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        logging.info(f"Calling {func.__name__} with args: {args}, kwargs: {kwargs}")
        try:
            result = func(*args, **kwargs)
            logging.info(f"{func.__name__} returned: {result}")
            return result
        except Exception as e:
            logging.error(f"{func.__name__} raised {type(e).__name__}: {e}")
            raise
    return wrapper

@log_function
def add(a, b):
    return a + b

3.2 性能监控

import time

def timeit(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        elapsed = time.time() - start
        print(f"{func.__name__} took {elapsed:.4f} seconds")
        return result
    return wrapper

@timeit
def slow_function():
    time.sleep(1)
    return "Done"

3.3 权限验证

def require_permission(permission):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            current_user = get_current_user()
            if permission not in current_user.permissions:
                raise PermissionError(f"Permission {permission} required")
            return func(*args, **kwargs)
        return wrapper
    return decorator

@require_permission('admin')
def delete_user(user_id):
    # 删除用户逻辑
    pass

四、装饰器设计模式

4.1 工厂模式

def create_validator(validation_func):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            if not validation_func(*args, **kwargs):
                raise ValueError("Validation failed")
            return func(*args, **kwargs)
        return wrapper
    return decorator

def is_positive(*args):
    return all(arg > 0 for arg in args)

@create_validator(is_positive)
def divide(a, b):
    return a / b

4.2 观察者模式

def event_handler(event_name):
    def decorator(func):
        register_event_handler(event_name, func)
        return func
    return decorator

@event_handler('user_created')
def send_welcome_email(user):
    print(f"Sending welcome email to {user.email}")

4.3 策略模式

def strategy(name):
    def decorator(func):
        register_strategy(name, func)
        return func
    return decorator

@strategy('quick_sort')
def quick_sort(arr):
    # 快速排序实现
    pass

@strategy('merge_sort')
def merge_sort(arr):
    # 归并排序实现
    pass

五、装饰器最佳实践

5.1 保持装饰器简洁

# 不好:装饰器过于复杂
def complex_decorator(func):
    def wrapper(*args, **kwargs):
        # 大量逻辑...
        if condition1:
            # 处理...
        elif condition2:
            # 处理...
        return func(*args, **kwargs)
    return wrapper

# 好:将逻辑分离到单独函数
def validate_input(args):
    # 验证逻辑
    pass

def log_call(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        validate_input(args)
        return func(*args, **kwargs)
    return wrapper

5.2 使用类装饰器管理状态

class Cached:
    def __init__(self, func):
        self.func = func
        self.cache = {}
    
    def __call__(self, *args):
        if args not in self.cache:
            self.cache[args] = self.func(*args)
        return self.cache[args]

@Cached
def expensive_computation(n):
    # 耗时计算
    return n * n

5.3 避免过度使用装饰器

# 不好:装饰器过多难以理解
@decorator1
@decorator2
@decorator3
@decorator4
def my_function():
    pass

# 好:合并相关装饰器
def combined_decorator(func):
    return decorator1(decorator2(decorator3(func)))

@combined_decorator
def my_function():
    pass

六、内置装饰器

6.1 @staticmethod

class MyClass:
    @staticmethod
    def helper():
        return "Helper method"

# 不需要实例化
MyClass.helper()

6.2 @classmethod

class MyClass:
    instance_count = 0
    
    def __init__(self):
        MyClass.instance_count += 1
    
    @classmethod
    def get_instance_count(cls):
        return cls.instance_count

6.3 @property

class Person:
    def __init__(self, name):
        self._name = name
    
    @property
    def name(self):
        return self._name
    
    @name.setter
    def name(self, value):
        if not value:
            raise ValueError("Name cannot be empty")
        self._name = value

七、总结

装饰器是Python中非常强大的特性,通过合理使用可以提高代码的可读性和可维护性。

关键要点:

  1. 使用functools.wraps:保留函数元数据
  2. 保持装饰器简洁:避免过于复杂的逻辑
  3. 类装饰器:适合需要管理状态的场景
  4. 组合装饰器:合并相关功能
  5. 内置装饰器:staticmethod、classmethod、property

从Python转向Rust后,我发现Rust的宏系统可以实现类似装饰器的功能,但语法和使用方式有所不同。

延伸阅读

  • Python装饰器官方文档
  • functools模块文档
  • 《Python Cookbook》装饰器章节
  • Python装饰器设计模式
Python装饰器的高级用法:动态装饰器与参数传递的深度解析 在Python编程中,装饰器(Decorator)是一种强大且灵活的工具,用于修改或增强函数和方法的行为。尽管装饰器的基本用法相对简单,但其高级应用如动态装饰器和参数传递能够极大地提升代码的可复用性和可维护性。本文将深入探讨Python装饰器的高级用法,详细解析如何创建和使用动态装饰器,以及如何在装饰器中传递参数,甚至实现对被装饰函数行为的动态修改。通过丰富的代码示例和详细的中文注释,本文旨在帮助开发者全面掌握装饰器的高级技巧,优化代码结构,提高开发效率。此外,本文还将介绍装饰器在实际项目中的应用场景,如 阅读详情

相关推荐

Python装饰器全面解析:从基础到高级应用

Python装饰器是一种强大的语法特性,允许在不修改原函数代码的情况下动态扩展功能。装饰器本质上是高阶函数,接受函数作为参数并返回新函数。文章介绍了装饰器的基本概念和使用方法,包括函数装饰器、带参数装饰器以及内置装饰器如@property、@staticmethod等。还探讨了类装饰器、装饰器堆叠等高级用法,以及使用functools.wraps保留函数元信息的技巧。通过多个代码示例展示了装饰器在实际开发中的应用场景,如计时、重试机制等。

Ven%的博客 235

Python装饰器:从基础到高级应用全解析

装饰器是Python中实现AOP(面向切面编程)的核心语法结构,其本质是高阶函数与闭包的应用。通过@语法糖,开发者可以在不修改原函数代码的情况下,为函数动态添加日志记录、权限验证、性能分析等横切关注点功能。在Web开发领域,装饰器被广泛应用于路由注册(如Flask的@app.route)和权限控制(如Django的@login_required)。标准库中的functools模块提供了wraps、lru_cache等实用装饰器工具,能有效解决函数元信息保留和缓存优化等问题。理解装饰器的执行时机(模块加载时)

weixin_34174322的博客 416

基于UWB技术的自动跟随避障系统设计研究

基于UWB技术的自动跟随避障系统设计研究 摘要:目前我国针对自动跟随避障系统方面的研究较少,同时国内自动跟随避障系统仍然处在未成熟阶段,多数仍停留在应用蓝牙控制或摄像头捕捉这类跟随方式,但这类方式在实际应用过程中往往会出现易受干扰,精度差,易受环境干扰等问题,这不仅会降低自动跟随避障系统的性能,同时也会对用户造成诸多困扰。因此,就需要结合目前较为有效的UWB技术,对自动跟随避障系统进行设计。基于此,本文首先将会针对UWB技术展开概述,而后对基于UWB技术的自动跟随避障系统组成展开分析,进而对基于UWB技术的

qq_43543515的博客 7994

深入解析Python装饰器:从基础到高级应用,掌握代码功能增强的强大工具

在深入理解装饰器之前,首先需要了解Python中函数也是对象,这意味着它们可以被赋值给变量、作为参数传递给其他函数,或者在其他函数内部定义。函数作为对象 将函数赋值给变量,之后通过新的变量名调用函数。输出结果是:“Hello, World!”。在函数中定义函数可以在一个函数内部定义另一个函数: 输出结果是:“hello world…”。是在内部定义并且只能在内部使用的函数。函数作为参数函数因为是对象,所以也可以作为参数传递给其他函数。

lph159的博客 1288

Proteus 8.17安装部署全指南:避坑、汉化与STM32库配置

Proteus是一款广泛用于单片机仿真与电路设计的EDA工具,其核心价值在于支持嵌入式系统原型验证与教学实践。Proteus 8.17版本重构了许可证机制(LIC Engine)、依赖环境(VC++ 2019/NET 4.8)及路径加载逻辑,导致传统安装方法失效。掌握正确安装部署流程,是保障原理图绘制、VSM仿真(如51/STM32/ESP32)及外设波形观测(OLED、SPI、ADC)稳定运行的前提。本文聚焦Windows平台下零失败安装路径选择、权限配置、汉化实施与高频器件(如STM32F103)元件库

weixin_33377602的博客 405

VsCode+JLink+GCC替代Keil开发GD32程序-个人总结

对个人使用vscode+Jlink开发GD32程序做了总结,供需要者参考。

MyCollege1999的博客 2770

Python装饰器深度解析:从基础到高级应用

装饰器是Python中最强大且优雅的特性之一,它允许我们在不修改原函数代码的情况下增强函数的功能。print(f"函数 {self.func.__name__} 已被调用 {self.call_count} 次")print(f"函数 {func.__name__} 运行时间: {end - start:.6f} 秒")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。print(f"调用函数: {func.__name__}")"""包装函数的文档字符串"""

qq_65622609的博客 414

Python与numpy版本兼容性排查指南

本文详细解析了Python与numpy版本兼容性问题,提供了快速诊断和解决版本冲突的实用方法。通过查看版本信息、使用官方兼容性对照表以及降级或升级环境等方案,帮助开发者有效避免常见的报错问题,如'ImportError'和'AttributeError'。文章还介绍了使用虚拟环境和requirements.txt等工程实践,确保项目依赖的稳定性。

weixin_29089057的博客 322

深度解析Python中的装饰器:从基础到高级应用

摘要:本文介绍了Python中装饰器的概念及其应用。装饰器是一种接收函数并返回新函数的语法糖,能够在不修改原函数的情况下增加额外功能。文章从基础装饰器结构讲起,展示了其在日志记录、缓存计算和权限校验中的实际应用。进一步讲解了带参数的装饰器和类装饰器的高级用法。通过装饰器,开发者可以实现代码复用、增强功能,同时保持代码简洁优雅,提高开发效率。掌握装饰器对于编写高效、可维护的Python代码具有重要意义。

2501_94188140的博客 422

Trae IDE项目开发全流程深度技巧与最佳实践

2026年AI开发新范式:Trae AI IDE深度解析 摘要 2026年,AI已成为软件开发的核心驱动力。字节跳动推出的AI原生IDE——Trae,从根本上重塑了开发体验,将AI作为第一公民而非附加功能。Trae通过深度集成大型语言模型和创新交互模式,解决了现代开发中的重复劳动、信息过载等核心痛点。 报告全面剖析了Trae的核心功能: 智能代码生成:支持上下文感知续写、自然语言驱动生成和多模态输入转换 对话式AI助手:提供侧边栏和行内对话模式,支持代码解释、Bug修复、重构建议等 Builder/SOLO

公众号:AI前沿侦探 162

热力学仿真软件:Fluent_(13).燃烧与化学反应仿真

燃烧模型在热力学仿真软件中扮演着至关重要的角色。Fluent 提供了多种燃烧模型,包括层流预混燃烧模型、湍流预混燃烧模型、非预混燃烧模型、部分预混燃烧模型等。这些模型可以帮助用户模拟不同的燃烧过程,从而更好地理解燃烧现象和优化燃烧系统设计。

kkchenjj的博客 1254

Python装饰器实战:从基础到高级应用全解析

本文全面解析Python装饰器,从基础概念到高级应用。装饰器作为Python核心特性,能非侵入式地为函数添加日志、计时、权限校验等功能,提升代码复用性与可维护性。文章通过实战案例,详细讲解带参数装饰器、类装饰器的实现,并剖析了使用中的常见陷阱与最佳实践。

weixin_29056101的博客 240

利用Gretna软件计算脑网络的全局属性和局部属性指标

使用Gretna,你可以计算脑网络的全局属性指标(如网络特征、小世界性和模块度),以及局部属性指标(如节点度和聚类系数)。通过Gretna,你可以计算脑网络的稀疏度,并进一步探索网络的特征和特性。Gretna是一款基于MATLAB平台的脑网络分析工具,它提供了丰富的函数和工具箱,用于计算和分析脑网络的结构和功能。在脑网络中,较高的稀疏度可能意味着神经系统的高效性和信息处理能力,因为较少的连接可以降低信息传递的成本。连接矩阵是一个N*N的矩阵,其中N表示节点的数量,矩阵的每个元素表示节点之间的连接强度。

code_program481的博客 1810

Python高级特性:列表推导式、生成器与装饰器详解

Python作为动态语言的代表,其高级特性如列表推导式、生成器和装饰器能显著提升代码效率与可读性。列表推导式通过简洁语法实现数据转换,相比传统循环可提升20%性能;生成器利用惰性求值特性,在处理大数据时有效控制内存占用;装饰器则以无侵入方式扩展函数功能。这些特性在数据处理、异步编程等场景中尤为重要,是编写Pythonic代码的关键。理解其底层原理并合理运用,能让开发者写出更优雅高效的Python程序。

weixin_33883104的博客 223

使用Android Studio调试系统应用之TvSettings(一):移植

对于做ROM的同仁、以及想要深入学习Android同学,必定会去调试Android的系统APK,而 *aosp* 源码中的系统APK源码,无法直接在Android Studio中进行调试,本文将持续更新细节,手把手教你,使用Android Studio调试安卓的系统应用。在每个阶段,提供知识点的梳理、总结,为您答疑解惑!

上周的博客 2054

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Python装饰器深度解析:从基础到高级用法

Python装饰器深度解析:从基础到高级用法 本文深入探讨Python装饰器的核心概念和应用。主要内容包括: 装饰器基础:介绍装饰器作为高阶函数的本质,解释Python中函数作为"一等公民"的特性及闭包机制 工作原理:剖析装饰器的执行流程和等价形式 内置装饰器:详解@property、@staticmethod和@classmethod的用法 进阶应用:讲解如何处理带参数函数、保留元信息等高级技巧 文章通过丰富代码示例和理论分析,系统性地展示了装饰器在Python编程中的强大功能和优雅实

闲人编程的博客 1344

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

组网第63课:安全域划分——Trust/Untrust/DMZ、区域模型、与 VLAN 的关系

一组接口 + 一组策略 + 一条默认拒绝。一组接口:这个域包含哪些物理口、VLAN、子接口;一组策略:这个域到别的域放行什么、拒绝什么;一条默认拒绝:没写进策略的,一律不通。第三条最关键。没有默认拒绝,前面划的域全是装饰。

qq_36765170的博客 571

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: Python性能优化实战:从代码优化到系统调优
下一篇: Rust并发安全模式:从线程同步到无锁编程
第一程序员
博客等级 码龄1年 1万+粉丝 1822原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值