Python 装饰器进阶指南：打造可配置的日志系统，从语法糖到实战利器

Python 装饰器进阶指南：打造可配置的日志系统，从语法糖到实战利器

---

一、引言：从语法糖到架构支柱

在 Python 的世界里，装饰器不仅是一种语法糖，更是一种设计哲学。它让我们在不修改原函数的前提下，为其添加功能，提升代码的可维护性与可扩展性。从最初的日志记录，到权限控制、性能分析、缓存机制，装饰器已成为 Python 架构设计中的重要一环。

本文将聚焦一个实用而常见的需求：构建一个可配置的日志装饰器，它不仅能记录函数执行，还能根据传入的日志级别（如 INFO、DEBUG、ERROR）灵活调整输出内容。我们将从基础语法讲起，逐步深入到装饰器工厂函数的实现机制，并结合真实项目场景，展示其在自动化、数据处理、Web 应用中的应用价值。

---

二、装饰器的基础回顾：不动原函数，增强功能

在正式进入“带参数的装饰器”之前，我们先回顾一下装饰器的基本结构。

示例：基础日志装饰器

def log_execution(func):
    def wrapper(*args, **kwargs):
        print(f"[INFO] 正在执行函数：{
     
     func.__name__}")
        result = func(*args, **kwargs)
        print(f"[INFO] 函数 {
     
     func.__name__} 执行完毕")
        return result
    return wrapper

@log_execution
def greet(name):
    print(f"你好，{
     
     name}！")

greet("Python 爱好者")

这段代码展示了装饰器的核心理念：函数接收函数并返回函数。但它存在一个局限——日志级别是写死的，无法灵活配置。

---

三、目标升级：让装饰器接受参数

我们希望实现如下调用方式：

@log_execution(level='DEBUG')
def process_data(data):
    ...

这意味着 log_execution 不再是一个直接接收函数的装饰器，而是一个返回装饰器的工厂函数。这就涉及到装饰器的三层嵌套结构。

---

四、实现：带参数的日志装饰器

完整代码示例

from functools import wraps
import time

def log_execution(level='INFO'):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs