装饰器的原理就是利用《闭包函数》来实现，闭包函数的原理就是包含内层函数的return和外层环境变量：
装饰器： 装饰器本质上是一个Python函数，其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值（return）也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。
|
1
2
3
4
5
6
7
8
9
|
先来看一个简单例子：
def
foo():
print
(
'i am foo'
)
现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码：
def
foo():
print
(
'i am foo'
)
logging.info(
"foo is running"
)
|
bar()、bar2()也有类似的需求，怎么做？再写一个logging在bar函数里？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志 ，日志处理完之后再执行真正的业务代码
|
1
2
3
4
5
6
7
8
|
def
use_logging(func):
logging.warn(
"%s is running"
%
func.__name__)
func()
def
bar():
print
(
'i am bar'
)
use_logging(bar)
|
逻 辑上不难理解， 但是这样的话，我们每次都要将一个函数作为参数传递给use_logging函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行 运行bar()，但是现在不得不改成use_logging(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。
简单装饰器
函 数use_logging就是装饰器，它把执行真正业务方法的func包裹在函数里面，看起来像bar被use_logging装饰了。在这个例子中，函 数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作
如 上所示，这样我们就可以省去bar = use_logging(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不 用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。
带参数的装饰器
装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如 @use_logging，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这 样，就为装饰器的编写和使用提供了更大的灵活性。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
def
use_logging(level):
def
decorator(func):
def
wrapper(
*
args,
*
*
kwargs):
if
level
=
=
"warn"
:
logging.warn(
"%s is running"
%
func.__name__)
return
func(
*
args)
return
wrapper
return
decorator
@use_logging
(level
=
"warn"
)
def
foo(name
=
'foo'
):
print
(
"i am %s"
%
name)
foo()
|
上 面的use_logging是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当 我 们使用@use_logging(level="warn")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。
类装饰器
再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
class
Foo(
object
):
def
__init__(
self
, func):
self
._func
=
func
def
__call__(
self
):
print
(
'class decorator runing'
)
self
._func()
print
(
'class decorator ending'
)
@Foo
def
bar():
print
(
'bar'
)
bar()
|
使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：
装饰器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
def
logged(func):
def
with_logging(
*
args,
*
*
kwargs):
print
func.__name__
+
" was called"
return
func(
*
args,
*
*
kwargs)
return
with_logging
函数
@logged
def
f(x):
"""does some math"""
return
x
+
x
*
x
该函数完成等价于：
def
f(x):
"""does some math"""
return
x
+
x
*
x
f
=
logged(f)
不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。
print
f.__name__
# prints 'with_logging'
print
f.__doc__
# prints None
|
这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
from
functools
import
wraps
def
logged(func):
@wraps
(func)
def
with_logging(
*
args,
*
*
kwargs):
print
func.__name__
+
" was called"
return
func(
*
args,
*
*
kwargs)
return
with_logging
@logged
def
f(x):
"""does some math"""
return
x
+
x
*
x
print
f.__name__
# prints 'f'
print
f.__doc__
# prints 'does some math'
|
@staticmathod、@classmethod、@property
装饰器的顺序
@a @b @c def f (): 等效于 f = a(b(c(f)))
