转自Python之禅

讲 Python 装饰器前，我想先举个例子，虽有点污，但跟装饰器这个话题很贴切。

每个人都有的内裤主要功能是用来遮羞，但是到了冬天它没法为我们防风御寒，咋办？我们想到的一个办法就是把内裤改造一下，让它变得更厚更长，这样一来，它不仅有遮羞功能，还能提供保暖，不过有个问题，这个内裤被我们改造成了长裤后，虽然还有遮羞功能，但本质上它不再是一条真正的内裤了。于是聪明的人们发明长裤，在不影响内裤的前提下，直接把长裤套在了内裤外面，这样内裤还是内裤，有了长裤后宝宝再也不冷了。装饰器就像我们这里说的长裤，在不影响内裤作用的前提下，给我们的身子提供了保暖的功效。

讲装饰器前，还要先明白一件事，Python中的函数可以像普通变量一样当做参数传递给另外一个函数：

def foo():
    print('foolish')

def bar(func):
    func()

bar(foo)
# foolish

回到主题，装饰器本质上是一个Python函数或类，他可以让其他函数或类在不需要做任何代码修改的前提下增加额外功能，装饰器的返回值也是一个函数/类对象。装饰器常用于有切面需求的场景，如：插入日志、性能测试、事务处理、缓存、权限校验等场景，装饰器是解决这类问题的绝佳设计。有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码到装饰器中并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外功能。
先看一个简单的例子，虽然实际代码可能复杂的多：

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：

import logging
def foo():
    print('i am foo')
    logging.info('foo is running')

倘若函数bar()、bar2()也有类似的需求，该怎么做呢？再写一个loging.info()在bar函数里？这样就造成大量雷同的代码，为了减少重复代码，我们可以定义一个新函数:专门处理日志，日志处理完之后在执行真正的业务代码。

def use_logging(func):
    logging.warn("%s is running" % func.__name__)
    func()

def foo():
    print('i am foo')

use_logging(foo)

这样做逻辑是没有问题的，功能是实现了，但是我们调用的时候不再是调用真正的业务逻辑foo函数，而是换成了use_logging函数（跟闭包很类似），还有没有更好
的方法呢？当然，那就是装饰器！

1、简单装饰器

def use_logging(func):
    def wrapper():
        logging.warn("%s is running" % func.__name__)
        return func()   # 把 foo 当做参数传递进来时，执行func()就相当于执行foo()
    return wrapper          ### 闭包

def foo():
    print('i am foo')

foo = use_logging(foo)  # 因为装饰器 use_logging(foo) 返回的时函数对象 wrapper，这条语句相当于  foo = wrapper
foo()                   # 执行foo()就相当于执行 wrapper()

use_logging就是一个装饰器，他是一个普通的函数，他把执行真正业务逻辑的函数func包裹在其中，看起来foo被use_logging装饰了一样，use_logging返回的也是一个函数，这个函数的名字叫wrapper。在这个例子中，函数进入和退出时，被称为一个横切面，这种编程方式被称为面向切面的编程。

2、@语法糖

@符号是装饰器的语法糖，他放在函数定义的地方，这样就可以省略最后一步再次赋值的操作。

def use_logging(func):

    def wrapper():
        logging.warn("%s is running" % func.__name__)
        return func()
    return wrapper

@use_logging
def foo():
    print("i am foo")

foo()

如上所示，有了@，我们就可以省去f00=use_logging(foo)这一句了，直接调用foo()即可得到想要的结果。而且foo函数不需要任何修改，只需要在定义的地方加上装饰器，调用的时候还是和以前一样，如果有其他类似的函数，可以继续调用装饰器来装饰函数，而不用重复修改函数或增加新的封装。这样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中使用如此方便都要归功于Python的函数能像普通对象一样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。

3、参数传递：args、*kwargs

当业务逻辑函数foo需要传递参数怎么办呢？如：

def foo(name):
    print("i am %s" % name)

我们可以在定义wrapper函数的时候指定参数：

def use_logging(func):
    def wrapper(name):
        logging.warn("%s is running" % func.__name__)
        return func(name)
    return wrapper

这样foo函数定义的参数就可以定义在wrapper函数中。当我们foo函数需要接受多个参数而又不能确定个数时，可以使用*args来代替：

def use_logging(func):
    def wrapper(*args):
        logging.warn("%s is running" % func.__name__)
        return func(*args)
    return wrapper

这样，不管foo定义了多少个函数，我们都可以完整的传递到foo中去，不会影响业务逻辑了。而对于关键字参数，则可以使用**kwargs，如：

def foo(name, age=None, height=None):
    print("I am %s, age %s, height %s" % (name, age, height))

这时可以把wrapper函数指定关键字函数：

def wrapper(*args, **kwargs):
        # args是一个数组，kwargs一个字典
        logging.warn("%s is running" % func.__name__)
        return func(*args, **kwargs)
    return wrapper

4、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，该装饰器唯一接收的参数就是执行业务的函数foo。装饰器的语法允许我们在调用时，提供其他参数，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。比如，我们可以在装饰器中指定日志等级，因为不同函数可能需要的日志等级是不一样的。

def use_logging(level):
    def decorator(func):
        def wrapper(*args, **kwargs):
            if level == "warn":
                logging.warn("%s is running" % func.__name__)
            elif level == "info":
                logging.info("%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能发现这一层的封装，并把参数传递到装饰器的环境中。
@use_logging(level='warn')等价于@decorator。

5、类装饰器

装饰器不仅可以是函数，还可以是类。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。使用类装饰器主要依靠类的__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。

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()

6、functools.wraps

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
def logged(func):
    def with_logging(*args, **kwargs):
        print func.__name__      # 输出 'with_logging'
        print func.__doc__       # 输出 None
        return func(*args, **kwargs)
    return with_logging

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

logged(f)

不难发现，函数f被with_logging取代了，他的docstring、__name__自然就变成了with_logging函数的信息了。好在我们有functools.wraps,wraps本身也是一个装饰器，他能把原函数的元信息拷贝到装饰器里面的func函数中，使得装饰器里面的func函数也和原函数f一样的元信息了。

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

7、装饰器顺序

一个函数可以同时定义多个装饰器，如：

@a
@b
@c
def f ():
    pass

他的顺序是从里到外，最先调用最里层的装饰器，最后调用最外层的装饰器，它等效于：

f = a(b(c(f)))