Python 装饰器进阶:从函数包装到类装饰器,元编程的正确姿势

【python进阶】函数装饰器和类装饰器 介绍python装饰器的基本用法, 使用函数和类实现装饰器。以及装饰器如何装饰函数和类。 阅读详情

Python 装饰器进阶:从函数包装到类装饰器,元编程的正确姿势

cover

一、装饰器不只是语法糖:元编程的入口

Python 装饰器用 @ 符号标注,看起来像是语法糖,但它本质上是高阶函数的应用。@decorator 等价于 func = decorator(func),这个等式揭示了装饰器的核心机制:接收一个可调用对象,返回一个新的可调用对象。

初学者通常把装饰器用在日志记录、计时、权限校验这些场景。这些用例没问题,但只触及了装饰器的表层能力。真正让装饰器强大的,是它在元编程中的应用:动态修改函数签名、运行时注入依赖、基于配置生成方法、实现声明式 API。

生产环境里,装饰器的坑主要集中在三个方面:被装饰函数的元信息丢失(__name__、__doc__ 变成 wrapper 的)、装饰器叠加时的执行顺序混乱、带参数装饰器的嵌套括号让人头晕。这些问题不是装饰器本身的问题,而是对装饰器机制理解不深导致的误用。

二、装饰器的执行机制与闭包原理

理解装饰器的关键,是理解 Python 的闭包和函数对象模型。

graph TD
    A[@decorator 标注] --> B[Python 解释器处理]
    B --> C[将原函数传入 decorator]
    C --> D[decorator 返回新函数]
    D --> E[新函数绑定到原函数名]

    F[调用被装饰函数] --> G[实际调用 wrapper]
    G --> H[wrapper 执行增强逻辑]
    H --> I[wrapper 调用原函数]
    I --> J[返回结果]

    subgraph 闭包环境
        K[wrapper 函数体]
        L[引用的 func 变量]
        M[引用的自由变量]
    end

    K --> L
    K --> M

装饰器叠加时的执行顺序是从下到上。也就是说,离函数定义最近的装饰器最先执行包装,最远的装饰器最外层。用代码表示:

@decorator_a
@decorator_b
def func():
    pass

# 等价于
func = decorator_a(decorator_b(func))

调用时,执行顺序是从外到内:先 decorator_a 的 wrapper,再 decorator_b 的 wrapper,最后原函数。理解这个顺序对于调试多层装饰器至关重要。

三、生产级装饰器:从基础到高级模式

基础:保留元信息的通用装饰器模板

import functools
import time
from typing import Callable, TypeVar, Any

F = TypeVar("F", bound=Callable[..., Any])

def timer(func: F) -> F:
    """计时装饰器,记录函数执行耗时"""
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        try:
            result = func(*args, **kwargs)
            return result
        finally:
            elapsed = time.perf_counter() - start
            print(f"[{func.__name__}] 耗时 {elapsed:.4f}s")
    return wrapper  # type: ignore

functools.wraps 是必须的。它将原函数的 __name__、__doc__、__module__、__qualname__、__annotations__ 和 __dict__ 复制到 wrapper 上,同时更新 __wrapped__ 属性。没有 wraps,调试和文档生成都会出问题。

进阶:带参数的装饰器

def retry(max_attempts: int = 3, delay: float = 1.0, exceptions: tuple = (Exception,)):
    """重试装饰器工厂,支持自定义重试次数、间隔和异常类型"""
    def decorator(func: F) -> F:
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            last_error = None
            for attempt in range(1, max_attempts + 1):
                try:
                    return func(*args, **kwargs)
                except exceptions as e:
                    last_error = e
                    if attempt < max_attempts:
                        print(
                            f"[{func.__name__}] 第 {attempt} 次失败:{e},"
                            f"{delay}s 后重试..."
                        )
                        time.sleep(delay)
            # 所有重试均失败,抛出最后一次的错误
            raise last_error  # type: ignore
        return wrapper  # type: ignore
    return decorator


# 使用示例
@retry(max_attempts=5, delay=0.5, exceptions=(ConnectionError, TimeoutError))
def fetch_data(url: str) -> dict:
    """从远程 API 获取数据"""
    import requests
    resp = requests.get(url, timeout=3)
    resp.raise_for_status()
    return resp.json()

带参数的装饰器实际上是一个"装饰器工厂"——外层函数接收参数,返回真正的装饰器。调用时有两层括号:@retry(...) 先调用工厂,返回装饰器,装饰器再作用于函数。

高级:类装饰器实现依赖注入

import functools
from typing import Any, Callable

class Inject:
    """依赖注入装饰器,通过注册表为函数参数注入依赖"""

    _registry: dict[str, Any] = {}

    @classmethod
    def register(cls, name: str, instance: Any) -> None:
        """注册依赖实例"""
        cls._registry[name] = instance

    @classmethod
    def auto(cls, func: Callable) -> Callable:
        """自动注入标记了类型的参数"""
        annotations = func.__annotations__

        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            # 遍历参数注解,查找可注入的依赖
            for param_name, param_type in annotations.items():
                if param_name == "return":
                    continue
                # 如果参数未显式传入,且注册表中有对应类型,则注入
                if param_name not in kwargs:
                    type_name = param_type.__name__ if hasattr(param_type, '__name__') else str(param_type)
                    if type_name in cls._registry:
                        kwargs[param_name] = cls._registry[type_name]
            return func(*args, **kwargs)
        return wrapper


# 使用示例
class Database:
    def query(self, sql: str) -> list:
        return [{"id": 1, "name": "test"}]

# 注册依赖
Inject.register("Database", Database())

@Inject.auto
def get_users(db: Database) -> list:
    """db 参数会被自动注入,调用时无需传入"""
    return db.query("SELECT * FROM users")

# 调用时不需要传 db 参数
users = get_users()

四、装饰器的适用边界与常见陷阱

元信息丢失的深层影响:即使使用了 functools.wraps,__wrapped__ 指向的是直接内层函数。如果装饰器叠加三层,__wrapped__ 只能回溯一层。inspect.unwrap() 可以递归解开所有层,但某些框架(如 FastAPI)依赖 __signature__ 做参数解析,多层装饰器可能导致签名不一致。

装饰器与描述符的冲突:当装饰器作用于类的方法时,第一个参数 self 的处理需要注意。如果 wrapper 没有正确接收 *args,类方法调用会报参数数量不匹配。更隐蔽的问题是:如果装饰器返回的不是函数而是描述符对象(如 property),会改变方法的访问方式。

性能开销:每次调用被装饰函数,都会多一层函数调用和闭包查找。对于高频调用的热路径(如循环内调用),这个开销可能累积到可感知的程度。解决方案是对热路径避免使用装饰器,或者用 __wrapped__ 直接调用原函数。

调试困难:装饰器改变了函数的调用栈,异常追踪中会出现 wrapper 层。functools.wraps 的 __wrapped__ 属性可以帮助定位原函数,但在复杂装饰器链中仍然不直观。建议在 wrapper 内部使用 raise ... from e 保留原始异常链。

五、总结

Python 装饰器的本质是高阶函数的应用,@ 语法只是调用语法糖。functools.wraps 是编写装饰器的必备工具,它保留了原函数的元信息。带参数的装饰器通过工厂模式实现,外层函数接收参数,内层函数才是真正的装饰器。类装饰器可以实现依赖注入等高级元编程模式。装饰器的局限在于元信息传递不完整、与描述符可能冲突、存在性能开销和调试困难。在生产代码中,装饰器适合横切关注点(日志、重试、权限),不适合核心业务逻辑的组装。

Python高级特性解析:元编程与装饰器 通过重写和方法,我们可以自定义属性的获取和设置行为。这种方式可以用于在访问不存在的属性时返回默认值,或者执行某些特定操作。return 30 # 返回默认值print(obj.name) # 输出:Aliceprint(obj.age) # 输出:30元编程允许你动态创建类、修改属性、实现自定义方法,从而使代码更加灵活和动态。装饰器是Python中非常强大的一种特性,它允许在不修改函数代码的情况下动态地改变函数或方法的行为。元编程和装饰器可以相辅相成,帮助你编写更加简洁、灵活且具有高扩展性的代码。 阅读详情

相关推荐

理解Python装饰器:从函数包装到魔法揭秘

将横切关注点(日志、缓存、权限)与业务逻辑解耦通过组合而非继承扩展程序行为构建可复用的功能模块实现声明式编程风格理解装饰器的工作原理,就像掌握了Python的"魔法咒语",能在不修改原函数的情况下,为其披上各种功能外衣。这种设计模式不仅提升了代码的可维护性,更让Python的灵活特性发挥得淋漓尽致。

这家伙很懒,什么都没有留下 1134

在类中定义装饰器:Python高级元编程技术详解

在类中定义装饰器:Python高级元编程技术详解

KE17RS的博客 1643

元编程之给函数添加一个包装

前言 软件开发中最重要的一条真理是"don’t repeat yourself",即不要重复自己的工作。也就是说,在任何时候,需要创建高度重复的代码或者需要复制粘贴源码时,通常这时都需要寻找一个更加优雅的解决方案!!!在PYTHON中,我们称这为"元编程"! 元编程的主要目的是创建函数和类,并用它们来操纵代码;例如:修改、生成或包装已存在的代码。python中基于这个目的的主要特性包括装饰器,类装...

weixin_41986750的博客 3693

京东商品多维特征提取:基于时空大模型的实时库存预测接口设计

在电商行业,库存管理是供应链的核心环节之一。库存水平过高会导致资金占用、仓储成本增加,而库存水平过低则可能引发缺货风险,影响客户满意度和平台声誉。京东作为中国领先的电商平台,拥有海量的商品数据和复杂的业务场景,传统的库存预测方法难以应对市场动态变化和业务需求。时空大模型作为一种融合时间序列分析和空间特征提取的前沿技术,能够捕捉商品多维特征在时空维度上的变化规律,为实时库存预测提供更精准的决策依据。

FB13713612741的博客 955

使用mmdetection快速复现计算机视觉顶会论文

使用mmdetection中支持的算法运行自定义数据集

m0_56896669的博客 2425

Python 元编程:metaclass与装饰器

动态创建类和函数修改类的行为在运行时检查和修改代码结构实现领域特定语言(DSL)增强代码的灵活性:动态修改类和函数的行为提高代码的可维护性:将横切关注点分离到装饰器中实现高级设计模式:如单例、工厂等创建领域特定语言:通过元类定制语法。

lady_mumu的博客 4395

蛋白质组学实战指南 | (八)从数据到洞见:差异蛋白筛选与功能解析全流程

本文系统阐述了蛋白质组学数据分析中,从原始数据质控到差异蛋白筛选与功能解析的全流程。重点介绍了数据质量评估、差异蛋白筛选的统计方法(包括多重检验校正)、功能注释与富集分析,以及蛋白互作网络构建与关键节点识别。最后,为如何将生物信息学洞见转化为实验验证提供了清晰的规划思路,助力研究者完成从数据到生物学知识的闭环。

weixin_29250573的博客 373

Python中的元编程:装饰器与元类

元编程(Metaprogramming)是Python高级编程的重要特性之一,允许程序在运行时生成、修改或动态加载代码。本篇文章将详细剖析Python中的元编程技术,重点讲解装饰器和元类的基本与高级用法,并结合实际案例分析它们在框架开发、动态代码生成和代码注入中的应用场景。

引用原创内容标明出处即可 1155

使用逻辑分析仪处理IIC信号

逻辑分析仪

xc_123的博客 4486

【Unity3D】关于unity中spriteAtlas的打包方案及使用时内存状态的多组对照实验

unity项目中使用精灵(Sprite)为了降低性能消耗,我们可以使用精灵图集(Sprite Atlas)技术,它能够将多个纹理合并成一个大纹理

云渊寒烬 5101

深入解析 Python 的装饰器与元编程

装饰器和元编程是 Python 中两个强大而灵活的概念。装饰器可以帮助我们轻松地为现有代码添加功能,而元编程则允许我们在运行时动态生成和修改代码结构。掌握这些技巧不仅能提升代码质量,还能帮助开发者构建更高效、更智能的应用程序。希望本文能为你提供一些关于装饰器和元编程的新见解!如果你有任何问题或想法,请随时留言交流。```

2501_91163730的博客 1417

智能 Agent 跨模态决策机制实战:多源数据融合与感知驱动行为策略设计

随着智能 Agent 应用从结构化文本处理拓展至图像识别、语音交互、传感器响应等多模态环境,其决策机制也面临从单模态语言理解向“多源感知驱动行为选择”的系统跃迁。本文聚焦跨模态输入下的 Agent 决策体系,系统性解析多源数据建模、感知融合方式、模态对齐机制、输入权重控制策略与策略引擎适配路径,进一步结合多模态提示构建、模态感知异常检测、模态优先级路由调度等工程问题进行实战拆解。通过企业级智能客服、制造车间控制、智慧医疗助手等典型案例,本文提供面向真实场景的跨模态 Agent 架构与多输入决策融合方案。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1355

Python面试题:使用Python进行元编程:元类和元编程技巧

元类: 用于创建和修改类的定义,是高级的元编程技术。通过自定义元类,可以控制类的创建过程和行为。装饰器: 用于修改函数或类的行为而无需直接修改它们的代码。可以在函数或类定义之前通过装饰器添加功能。描述符: 用于控制对对象属性的访问,通过实现__get____set__和__delete__方法来实现。动态属性和方法: 使用setattr和getattr可以动态地添加或修改对象的属性和方法。类工厂函数: 动态创建类,并根据需求生成不同的类定义。

杰哥在此的专栏 1374

【产品经理修炼之道】- 优惠券系统从入门到精通(二)

在电商平台中,优惠券的使用场景与频次都很高。那么如何做好一个优惠券系统呢?本文总结了相关流程和设计思路,希望对你有所帮助。上一篇与大家分享了架构中的前端应用、生命周期、优惠券管理中OpenAPI 、基础系统,今天继续与大家分享架构图中优惠券模板部分。

xiaoli8748的专栏 1293

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

装饰器与元编程:Python的装饰器与元编程

1.背景介绍 装饰器(Decorators)和元编程(Metaprogramming)是Python中两个非常有用的概念,它们可以让我们更好地理解和操作Python代码的底层机制。在本文中,我们将深入探讨这两个概念的核心概念、算法原理和实例应用,并讨论它们在Python中的应用前景和挑战。 1.1 Python的装饰器与元编程 装饰器(Decorators)是Python中一种特殊的函数,它...

AI天才研究院 1015

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

python元编程:装饰器函数用于时间统计和日志

软件开发领域中最经典的口头禅就是“don’t repeat yourself”。也就是说,任何时候当你的程序中存在高度重复(或者是通过剪切复制)的代码时,都应该想想是否有更好的解决方案。在Python当中,通常都可以通过元编程来解决这类问题。简而言之,元编程就是关于创建操作源代码(比如修改、生成或包装原来的代码)的函数和类。主要技术是使用装饰器、类装饰器和元类。不过还有一些其他技术, 包括签名对象、使用 exec() 执行代码以及对内部函数和类的反射技术等。

所有专家都曾始于新手 820

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

python元编程之装饰器

装饰器本质上是一个函数或类,它接受一个函数或类作为输入,并返回一个新的函数或类。在上面的示例中,`decorator`是一个装饰器函数,它接受一个函数`func`作为参数,并返回一个新的函数`wrapper`。装饰器实际上是一个高阶函数,它接受一个函数作为参数,并返回一个新的函数。装饰器可以在不修改原始函数代码的情况下,通过包装器函数来修改函数的行为。下面我们将深入探讨装饰器的实现原理,并列举10个实用的场景代码,包括带参数的装饰器、类装饰器和装饰器链式调用。实现带参数的装饰器,用于自定义装饰器的行为。

weixin_71807218的博客 990

把装饰器定义成类:Python高级元编程技术详解

把装饰器定义成类:Python高级元编程技术详解

KE17RS的博客 794

【Python高阶编程技术】第2篇 装饰器进阶——从语法糖到元编程

看似只是 syntactic sugar,背后却隐藏了函数对象模型、闭包、描述符协议、甚至元类等一整套元编程生态。当你能把装饰器与元编程组合起来,Python 将不再只是脚本语言,而是一把可随心改写运行时的瑞士军刀。• 性能敏感时避免过深调用链,可在 metaclass 阶段合成 wrapper 函数,省掉额外闭包。缺点:仅对目标类生效,对子类继承有限制。• 参数化、嵌套、带状态装饰器可覆盖 90% 横切场景(权限、缓存、日志、重试)。• 函数/类定义阶段即执行装饰器,链式多装饰器从内到外包裹。

1264
上一篇: AI 辅助 Rust 代码生成:Copilot 写出的代码能上生产吗?
下一篇: Rust AI 工具链:从命令行到 Agent,用 Rust 构建智能开发工具
第一程序员
博客等级 码龄1年 1万+粉丝 1822原创
评论 1
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