什么是装饰器？
想象一下，你有一个漂亮的房间，但你想让它看起来更加特别，于是你决定挂上一些装饰画。在编程的世界里，Python装饰器就是那些“装饰画”，它们能让你的函数或类“房间”看起来或工作得更加出色，而无需改变其内部结构。
def say_hello(name):
print(f"Hello, {name}!")
# 这就是我们的装饰画
def fancy_decorator(func):
def wrapper():
print("Adding some fancy touch...")
func()
print("Decoration ends here.")
return wrapper
# 挂上装饰画
fancy_say_hello = fancy_decorator(say_hello)
fancy_say_hello("World")输出：
Adding some fancy touch...
Hello, World!
Decoration ends here.这段代码中，fancy_decorator就是一个装饰器，它包装了原始的say_hello函数，给它加上了前后打印信息的功能。
装饰器的魔法
装饰器的“魔法”在于它们使用了函数的高阶特性，即函数可以接受另一个函数作为参数，并返回一个新的函数。当你在函数定义前使用@符号，实际上是执行了一个赋值操作，将装饰器的结果赋予了原函数名。
@fancy_decorator
def say_hello(name):
print(f"Hello, {name}!")
say_hello("Alice")输出：
Adding some fancy touch...
Hello, Alice!
Decoration ends here.这里，@fancy_decorator等同于手动执行了say_hello = fancy_decorator(say_hello)，使得每次调用say_hello时，都会先经过fancy_decorator的处理。
参数化的装饰器
有时候，装饰器也需要根据不同的情况调整行为，这就需要参数化的装饰器。
def repeat(n):
def decorator_repeat(func):
def wrapper(*args, **kwargs):
for _ in range(n):
func(*args, **kwargs)
return wrapper
return decorator_repeat
@repeat(3)
def greet(name):
print(f"Hi, {name}")
greet("Bob")输出：
Hi, Bob
Hi, Bob
Hi, Bob这里，repeat是一个参数化的装饰器工厂，它接收一个参数n，并返回一个具体的装饰器，这个装饰器会让被装饰的函数重复执行n次。
高级装饰器技巧：带参数的进阶
之前提到的参数化装饰器，其实还可以做得更灵活。如果想要装饰器本身能够接收多个参数，可以通过额外的闭包层来实现。
def with_args(arg1, arg2):
def decorator_with_args(func):
def wrapper(*args, **kwargs):
print(f"Using arguments: {arg1}, {arg2}")
return func(*args, **kwargs)
return wrapper
return decorator_with_args
@with_args('A', 'B')
def show_args():
print("Inside the function")
show_args()输出：
Using arguments: A, B
Inside the function这里，with_args不仅能够装饰函数，还能在装饰时接收参数，实现了高度的定制化。
装饰器链：复合装饰器的力量
装饰器可以堆叠使用，形成装饰器链，为函数添加多层功能。
def log_decorator(func):
def wrapper(*args, **kwargs):
print(f"Function {func.__name__} is called")
return func(*args, **kwargs)
return wrapper
def timer_decorator(func):
import time
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(f"{func.__name__} took {end_time - start_time:.2f} seconds")
return result
return wrapper
@log_decorator
@timer_decorator
def example_function(n):
sum(range(n))
example_function(10000)输出示例：
Function example_function is called
example_function took 0.00 seconds通过这种方式，我们可以轻松地为函数添加日志记录、性能测试等多种功能，且各装饰器之间的功能相互独立，易于维护。
实战案例：缓存机制
让我们来看一个实用场景——使用装饰器实现函数结果的缓存，以提高效率。
def cache_decorator(func):
cache = {}
def wrapper(*args):
if args not in cache:
cache[args] = func(*args)
return cache[args]
return wrapper
@cache_decorator
def fibonacci(n):
if n <= 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(10))
print(fibonacci(10)) # 第二次调用应该更快在这个例子中，cache_decorator装饰器用于存储fibonacci函数的计算结果，避免重复计算，显著提高了递归计算斐波那契数列的效率。
总结与实践技巧
装饰器是Python编程中的高级技巧，它们让代码更加简洁、模块化。通过掌握基础装饰器、参数化装饰器、装饰器链，以及实现特定功能如缓存的高级应用，你将能够编写出更加优雅和高效的Python程序。
- 练习技巧：尝试为自己的函数编写装饰器，比如计时装饰器，用于监控函数执行时间。
- 方法提示：在设计装饰器时，考虑其通用性和可扩展性，以便在多个场景下重用。
- 使用技巧：注意装饰器的执行顺序是从下往上，这影响着函数最终的行为。
- 注意事项：对于有状态的装饰器，要小心管理状态，避免在并发环境下产生意料之外的行为。
