装饰器(Decorators)是 Python 的一个重要部分。简单地说：他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短，也更Pythonic（Python范儿）。大多数初学者不知道在哪儿使用它们，所以我将要分享下，哪些区域里装饰器可以让你的代码更简洁。 首先，让我们讨论下如何写你自己的装饰器。

这可能是最难掌握的概念之一。我们会每次只讨论一个步骤，这样你能完全理解它。

一切皆对象

​x
# 首先我们来理解下 Python 中的函数:
def hi(name='yasoob'):
    return 'hi' + name

print(hi())

xxxxxxxxxx
hiyasoob

xxxxxxxxxx
# 我们甚至可以将一个函数赋值到一个变量
greet = hi
# 我们这里并没有使用小括号，因为我们并不是在调用 hi 函数
# 而是将函数放在新变量 greet 里面

print(greet())

xxxxxxxxxx
hiyasoob

xxxxxxxxxx
# 如果我们删掉 hi 函数，看看 greet是否还能正常运行
del hi

print(greet())
print(hi())

xxxxxxxxxx
hiyasoob
---------------------------------------------------------------------------

NameError                                 Traceback (most recent call last)

Cell In[3], line 5
      2 del hi
      4 print(greet())
----> 5 print(hi())
NameError: name 'hi' is not defined

在函数中定义函数

刚才那些就是函数的基本知识了。我们来让你的知识更进一步。在 Python 中我们可以在一个函数中定义另一个函数：

xxxxxxxxxx
def hi(name='yasoob'):
    print("now u r inside the hi() function")
    
    def greet():
        return "now u r inside the greet() function"
    
    def welcome():
        return "now u r inside the welcome() function"
    
    print(greet())
    print(welcome())
    print("now u r back in the hi() function")

hi()
# 上面展示了无论何时你调用hi(), greet()和welcome()将会同时被调用。
# 然后greet()和welcome()函数在hi()函数之外是不能访问的，比如：

greet()

now u r inside the hi() function
now u r inside the greet() function
now u r inside the welcome() function
now u r back in the hi() function
'hiyasoob'

那现在我们知道了可以在函数中定义另外的函数。也就是说：我们可以创建嵌套的函数。现在你需要再多学一点，就是函数也能返回函数。

从函数中返回函数

其实并不需要在一个函数里去执行另一个函数，我们也可以将其作为输出返回出来：

xxxxxxxxxx
def hi(name='yasoob'):
    def greet():
        return "now u r inside greet() function"
    
    def welcome():
        return "now u r inside welcome() function"
    
    if name == "yasoob":
        return greet
    else:
        return welcome

a = hi()
print(a)
#上面清晰地展示了`a`现在指向到hi()函数中的greet()函数
#现在试试这个

print(a())
# 当我们写下 a = hi()，hi() 会被执行，
# 而由于 name 参数默认是 yasoob，所以函数 greet 被返回了。
# 如果我们把语句改为 a = hi(name = "ali")，那么 welcome 函数将被返回。
#我们还可以打印出 hi()()，这会输出 now you are in the greet() function。

xxxxxxxxxx
<function hi.<locals>.greet at 0x000001B9B4D22E60>
now u r inside greet() function

再次看看这个代码。在 if/else 语句中我们返回 greet 和 welcome，而不是 greet() 和 welcome()。为什么那样？这是因为当你把一对小括号放在后面，这个函数就会执行；然而如果你不放括号在它后面，那它可以被到处传递，并且可以赋值给别的变量而不去执行它。

将函数作为参数传给另一个函数

xxxxxxxxxx
def hi():
    return "hi yasoob!"
 
def doSomethingBeforeHi(func):
    print("I am doing some boring work before executing hi()")
    print(func())
 
doSomethingBeforeHi(hi)

xxxxxxxxxx
I am doing some boring work before executing hi()
hi yasoob!

现在你已经具备所有必需知识，来进一步学习装饰器真正是什么了。装饰器让你在一个函数的前后去执行代码。

你的第一个装饰器

在上一个例子里，其实我们已经创建了一个装饰器！现在我们修改下上一个装饰器，并编写一个稍微更有用点的程序：

xxxxxxxxxx
def a_new_decorator(a_func):
    
    def warpTheFunction():
        print("i am doing some boring work before executing a_func()")
        
        a_func()
        
        print("i am doing some boring work after execting a_func()")
    
    return warpTheFunction

def a_function_requiring_decoration():
    print("i am the function which needs some decoration to remove my foul smell")

a_function_requiring_decoration()

a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)
# now a_function_requiring_decoration is warped by warpTheFunction()

a_function_requiring_decoration()

xxxxxxxxxx
i am the function which needs some decoration to remove my foul smell
i am doing some boring work before executing a_func()
i am the function which needs some decoration to remove my foul smell
i am doing some boring work after execting a_func()

我们刚刚应用了之前学习到的原理。这正是 python 中装饰器做的事情！它们封装一个函数，并且用这样或者那样的方式来修改它的行为。现在你也许疑惑，我们在代码里并没有使用 @ 符号？那只是一个简短的方式来生成一个被装饰的函数。这里是我们如何使用 @ 来运行之前的代码：

xxxxxxxxxx
@a_new_decorator
def a_function_requiring_decoration():
    """Hey you! Decorate me!"""
    print("I am the function which needs some decoration to"
          "remove my foul smell")
    
a_function_requiring_decoration()
# the @a_new_decorator is just a short way of saying:
# a_fucntion_requiring_decoration = a_new_decorator(a_fucntion_requiring_decoration)

xxxxxxxxxx
i am doing some boring work before executing a_func()
I am the function which needs some decoration toremove my foul smell
i am doing some boring work after execting a_func()

希望你现在对 Python 装饰器的工作原理有一个基本的理解。如果我们运行如下代码会存在一个问题：

xxxxxxxxxx
print(a_function_requiring_decoration.__name__)

x
warpTheFunction

这并不是我们想要的！Ouput输出应该是"a_function_requiring_decoration"。这里的函数被warpTheFunction替代了。它重写了我们函数的名字和注释文档(docstring)。幸运的是Python提供给我们一个简单的函数来解决这个问题，那就是functools.wraps。我们修改上一个例子来使用functools.wraps：

xxxxxxxxxx
from functools import wraps

def a_new_decorator(a_func):
    @wraps(a_func)
    def wrapTheFunction():
        print("I am doing some boring work before executing a_func()")
        a_func()
        print("I am doing some boring work after executing a_func()")
    return wrapTheFunction

@a_new_decorator
def a_function_requiring_decoration():
    """Hey you! Decorate me!"""
    print("I am the function which needs some decoration to"
          "remove my foul smell")

print(a_function_requiring_decoration.__name__)

xxxxxxxxxx
a_function_requiring_decoration

现在好多了。我们接下来学习装饰器的一些常用场景。

蓝本规范:

xxxxxxxxxx
from functools import wraps
def decorator_name(f):
    @wraps(f)
    def decorated(*args, **kwargs):
        if not can_run:
            return "Function will not run"
        return f(*args, **kwargs)
    return decorated
 
@decorator_name
def func():
    return("Function is running")
 
can_run = True
print(func())
# Output: Function is running
 
can_run = False
print(func())
# Output: Function will not run

xxxxxxxxxx
Function is running
Function will not run

注意：@wraps接受一个函数来进行装饰，并加入了复制函数名称、注释文档、参数列表等等的功能。这可以让我们在装饰器里面访问在装饰之前的函数的属性。

使用场景

现在我们来看一下装饰器在哪些地方特别耀眼，以及使用它可以让一些事情管理起来变得更简单。

授权(Authorization)

装饰器能有助于检查某个人是否被授权去使用一个web应用的端点(endpoint)。它们被大量使用于Flask和Django web框架中。这里是一个例子来使用基于装饰器的授权：

xxxxxxxxxx
from functools import wraps
 
def requires_auth(f):
    @wraps(f)
    def decorated(*args, **kwargs):
        auth = request.authorization
        if not auth or not check_auth(auth.username, auth.password):
            authenticate()
        return f(*args, **kwargs)
    return decorated

日志(Logging)

日志是装饰器运用的另一个亮点。这是个例子：

xxxxxxxxxx
from functools import wraps
 
def logit(func):
    @wraps(func)
    def with_logging(*args, **kwargs):
        print(func.__name__ + " was called")
        return func(*args, **kwargs)
    return with_logging
 
@logit
def addition_func(x):
   """Do some math."""
   return x + x
 
 
result = addition_func(4)
# Output: addition_func was called

xxxxxxxxxx
addition_func was called

递归函数计数器（自行研究出来的）

这是同学的课题设计内容，帮助其完成课题设计的基础上所扩展出来的成品，特点是使用到递归函数的缓存优化方式和装饰器相结合，定义了一个可以用于优化递归函数并统计递归调用次数的装饰器，并且最大的特点是利用了函数栈的原理，对装饰器做了初始化，避免了重复多次统计同一个递归函数运行次数的时候产生冲突。

关于此部分的代码的详细介绍（从课题设计的开始到结束的整个思考过程）全部在 csdn 中有：https://blog.csdn.net/qq_45638941/article/details/127489567

x
from functools import wraps
 
def profiler(func):
    class Counter:
        '''
        计数器类
        '''
        def __init__(self):
            self.count = 0    # 计数器
            self.stuck_deep = 0    # 当前计数器位于递归函数的递归深度，或者说是栈的深度
 
        def increase(self):
            '''
            自增
            '''
            self.count += 1
 
        def init(self):
            '''
            初始化
            '''
            self.__init__()
 
    counter = Counter()
    @wraps(func)    # 返回的装饰器函数 f 继承被装饰函数 func 的属性，包括 __doc__，__name__等
    def f(*args):
        counter.stuck_deep += 1    # 入栈
        counter.increase()    # 计数器自增
        value = func(*args)    # 调用函数并存储返回值
        counter.stuck_deep -= 1    # 出栈
        if counter.stuck_deep==0:    # 如果栈为空，则证明递归过程结束，进行初始化
            f.calls = counter.count    # 为了满足题目要求，将计数器内容给函数的属性 calls
            counter.init()    # 初始化计数器
        return value
    return f
 
@profiler
def ack(m, n):
    '''
    this is the function's __doc__ part
    '''
    while(m!=0):
        if(n==0):
            n=1
        else:
            n=ack(m, n-1)
        m -= 1
    return n+1
 
ack(3, 4)
 
print(ack.calls)    # 5094
 
ack(3, 2)
 
print(ack.__doc__)    # this is the function's __doc__ part
print(ack.calls)        # 258

带参数的装饰器

来想想这个问题，难道@wraps不也是个装饰器吗？但是，它接收一个参数，就像任何普通的函数能做的那样。那么，为什么我们不也那样做呢？ 这是因为，当你使用@my_decorator语法时，你是在应用一个以单个函数作为参数的一个包裹函数。记住，Python里每个东西都是一个对象，而且这包括函数！记住了这些，我们可以编写一下能返回一个包裹函数的函数。

在函数中嵌入装饰器

我们回到日志的例子，并创建一个包裹函数，能让我们指定一个用于输出的日志文件。

xxxxxxxxxx
from functools import wraps
 
def logit(logfile='out.log'):
    def logging_decorator(func):
        @wraps(func)
        def wrapped_function(*args, **kwargs):
            log_string = func.__name__ + " was called"
            print(log_string)
            # 打开logfile，并写入内容
            with open(logfile, 'a') as opened_file:
                # 现在将日志打到指定的logfile
                opened_file.write(log_string + '\n')
            return func(*args, **kwargs)
        return wrapped_function
    return logging_decorator
 
@logit()
def myfunc1():
    pass
 
myfunc1()
# Output: myfunc1 was called
# 现在一个叫做 out.log 的文件出现了，里面的内容就是上面的字符串
 
@logit(logfile='func2.log')
def myfunc2():
    pass
 
myfunc2()
# Output: myfunc2 was called
# 现在一个叫做 func2.log 的文件出现了，里面的内容就是上面的字符串

xxxxxxxxxx
myfunc1 was called
myfunc2 was called

装饰器类

现在我们有了能用于正式环境的logit装饰器，但当我们的应用的某些部分还比较脆弱时，异常也许是需要更紧急关注的事情。比方说有时你只想打日志到一个文件。而有时你想把引起你注意的问题发送到一个email，同时也保留日志，留个记录。这是一个使用继承的场景，但目前为止我们只看到过用来构建装饰器的函数。

幸运的是，类也可以用来构建装饰器。那我们现在以一个类而不是一个函数的方式，来重新构建logit。

xxxxxxxxxx
from functools import wraps
 
class logit(object):
    def __init__(self, logfile='out.log'):
        self.logfile = logfile
 
    def __call__(self, func):
        @wraps(func)
        def wrapped_function(*args, **kwargs):
            log_string = func.__name__ + " was called"
            print(log_string)
            # 打开logfile并写入
            with open(self.logfile, 'a') as opened_file:
                # 现在将日志打到指定的文件
                opened_file.write(log_string + '\n')
            # 现在，发送一个通知
            self.notify()
            return func(*args, **kwargs)
        return wrapped_function
 
    def notify(self):
        # logit只打日志，不做别的
        pass

这个实现有一个附加优势，在于比嵌套函数的方式更加整洁，而且包裹一个函数还是使用跟以前一样的语法：

xxxxxxxxxx
@logit()
def myfunc1():
    pass

myfunc1()

xxxxxxxxxx
myfunc1 was called

现在，我们给 logit 创建子类，来添加 email 的功能(虽然 email 这个话题不会在这里展开)。

xxxxxxxxxx
class email_logit(logit):
    '''
    一个 logit 的实现版本，可以在函数调用时发送 email 给管理员
    '''
    def __init__(self, email='admin@myproject.com', *args, **kwargs):
        self.email = email
        super(email_logit, self).__init__(*args, **kwargs)

xxxxxxxxxx
@email_logit()
def myfunc1():
    pass

myfunc1()

xxxxxxxxxx
myfunc1 was called

xxxxxxxxxx
from functools import wraps
def logged(func):
    @wraps(func)
    def with_logging(*args, **kwargs):
        print(func.__name__)      # 输出 'f'
        print(func.__doc__)       # 输出 'does some math'
        return func(*args, **kwargs)
    return with_logging

@logged
def f(x):
   """does some math"""
   return x + x * x

f(5)

xxxxxxxxxx
f
does some math
30