这篇文章将为大家详细讲解有关Python中使用装饰器的各种技巧，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

装饰器（Decorator）是 Python 里的一种特殊工具，它为我们提供了一种在函数外部修改函数的灵活能力。它有点像一顶画着独一无二@符号的神奇帽子，只要将它戴在函数头顶上，就能悄无声息的改变函数本身的行为。

你可能已经和装饰器打过不少交道了。在做面向对象编程时，我们就经常会用到@staticmethod和@classmethod两个内置装饰器。此外，如果你接触过click模块，就更不会对装饰器感到陌生。click 最为人所称道的参数定义接口@click.option(...)就是利用装饰器实现的。

除了用装饰器，我们也经常需要自己写一些装饰器。在这篇文章里，我将从最佳实践和常见错误两个方面，来与你分享有关装饰器的一些小知识。

1. 尝试用类来实现装饰器

绝大多数装饰器都是基于函数和闭包实现的，但这并非制造装饰器的唯一方式。事实上，Python 对某个对象是否能通过装饰器（@decorator）形式使用只有一个要求：decorator 必须是一个“可被调用（callable）的对象。

#使用callable可以检测某个对象是否“可被调用”>>>deffoo():pass...>>>type(foo)<class'function'>>>>callable(foo)True

函数自然是“可被调用”的对象。但除了函数外，我们也可以让任何一个类（class）变得“可被调用”（callable）。办法很简单，只要自定义类的__call__魔法方法即可。

classFoo:def__call__(self):print("Hello,__call___")foo=Foo()#OUTPUT:Trueprint(callable(foo))#调用foo实例#OUTPUT:Hello,__call__foo()

基于这个特性，我们可以很方便的使用类来实现装饰器。

下面这段代码，会定义一个名为@delay(duration)的装饰器，使用它装饰过的函数在每次执行前，都会等待额外的duration秒。同时，我们也希望为用户提供无需等待马上执行的eager_call接口。

importtimeimportfunctoolsclassDelayFunc:def__init__(self,duration,func):self.duration=durationself.func=funcdef__call__(self,*args,**kwargs):print(f'Waitfor{self.duration}seconds...')time.sleep(self.duration)returnself.func(*args,**kwargs)defeager_call(self,*args,**kwargs):print('Callwithoutdelay')returnself.func(*args,**kwargs)defdelay(duration):"""装饰器：推迟某个函数的执行。同时提供.eager_call方法立即执行"""#此处为了避免定义额外函数，直接使用functools.partial帮助构造#DelayFunc实例returnfunctools.partial(DelayFunc,duration)如何使用装饰器的样例代码：@delay(duration=2)defadd(a,b):returna+b#这次调用将会延迟2秒add(1,2)#这次调用将会立即执行add.eager_call(1,2)

@delay(duration)就是一个基于类来实现的装饰器。当然，如果你非常熟悉 Python 里的函数和闭包，上面的delay装饰器其实也完全可以只用函数来实现。所以，为什么我们要用类来做这件事呢？

与纯函数相比，我觉得使用类实现的装饰器在特定场景下有几个优势：

• 实现有状态的装饰器时，操作类属性比操作闭包内变量更符合直觉、不易出错

• 实现为函数扩充接口的装饰器时，使用类包装函数，比直接为函数对象追加属性更易于维护

• 更容易实现一个同时兼容装饰器与上下文管理器协议的对象（参考unitest.mock.patch）

2. 使用 wrapt 模块编写更扁平的装饰器

在写装饰器的过程中，你有没有碰到过什么不爽的事情？不管你有没有，反正我有。我经常在写代码的时候，被下面两件事情搞得特别难受：

1. 实现带参数的装饰器时，层层嵌套的函数代码特别难写、难读

2. 因为函数和类方法的不同，为前者写的装饰器经常没法直接套用在后者上

比如，在下面的例子里，我实现了一个生成随机数并注入为函数参数的装饰器。

importrandomdefprovide_number(min_num,max_num):"""装饰器：随机生成一个在[min_num,max_num]范围的整数，追加为函数的第一个位置参数"""defwrapper(func):defdecorated(*args,**kwargs):num=random.randint(min_num,max_num)#将num作为第一个参数追加后调用函数returnfunc(num,*args,**kwargs)returndecoratedreturnwrapper@provide_number(1,100)defprint_random_number(num):print(num)#输出1-100的随机整数#OUTPUT:72print_random_number()@provide_number装饰器功能看上去很不错，但它有着我在前面提到的两个问题：嵌套层级深、无法在类方法上使用。如果直接用它去装饰类方法，会出现下面的情况：classFoo:@provide_number(1,100)defprint_random_number(self,num):print(num)#OUTPUT:<__main__.Fooobjectat0x104047278>Foo().print_random_number()

Foo类实例中的print_random_number方法将会输出类实例self，而不是我们期望的随机数num。

之所以会出现这个结果，是因为类方法（method）和函数（function）二者在工作机制上有着细微不同。如果要修复这个问题，provider_number装饰器在修改类方法的位置参数时，必须聪明的跳过藏在*args里面的类实例self变量，才能正确的将num作为第一个参数注入。

这时，就应该是wrapt模块闪亮登场的时候了。wrapt模块是一个专门帮助你编写装饰器的工具库。利用它，我们可以非常方便的改造provide_number装饰器，完美解决“嵌套层级深”和“无法通用”两个问题，

importwraptdefprovide_number(min_num,max_num):@wrapt.decoratordefwrapper(wrapped,instance,args,kwargs):#参数含义：##-wrapped：被装饰的函数或类方法#-instance：#-如果被装饰者为普通类方法，该值为类实例#-如果被装饰者为classmethod类方法，该值为类#-如果被装饰者为类/函数/静态方法，该值为None##-args：调用时的位置参数（注意没有*符号）#-kwargs：调用时的关键字参数（注意没有**符号）#num=random.randint(min_num,max_num)#无需关注wrapped是类方法或普通函数，直接在头部追加参数args=(num,)+argsreturnwrapped(*args,**kwargs)returnwrapper<...应用装饰器部分代码省略...>#OUTPUT:48Foo().print_random_number()

使用wrapt模块编写的装饰器，相比原来拥有下面这些优势：

• 嵌套层级少：使用@wrapt.decorator可以将两层嵌套减少为一层

• 更简单：处理位置与关键字参数时，可以忽略类实例等特殊情况

• 更灵活：针对instance值进行条件判断后，更容易让装饰器变得通用

常见错误

1. “装饰器”并不是“装饰器模式”

“设计模式”是一个在计算机世界里鼎鼎大名的词。假如你是一名 Java 程序员，而你一点设计模式都不懂，那么我打赌你找工作的面试过程一定会度过的相当艰难。

但写 Python 时，我们极少谈起“设计模式”。虽然 Python 也是一门支持面向对象的编程语言，但它的鸭子类型设计以及出色的动态特性决定了，大部分设计模式对我们来说并不是必需品。所以，很多 Python 程序员在工作很长一段时间后，可能并没有真正应用过几种设计模式。

不过“装饰器模式（Decorator Pattern）”是个例外。因为 Python 的“装饰器”和“装饰器模式”有着一模一样的名字，我不止一次听到有人把它们俩当成一回事，认为使用“装饰器”就是在实践“装饰器模式”。但事实上，它们是两个完全不同的东西。

“装饰器模式”是一个完全基于“面向对象”衍生出的编程手法。它拥有几个关键组成：一个统一的接口定义、若干个遵循该接口的类、类与类之间一层一层的包装。最终由它们共同形成一种“装饰”的效果。

而 Python 里的“装饰器”和“面向对象”没有任何直接联系，它完全可以只是发生在函数和函数间的把戏。事实上，“装饰器”并没有提供某种无法替代的功能，它仅仅就是一颗“语法糖”而已。下面这段使用了装饰器的代码：

@log_time@cache_resultdeffoo():pass

基本完全等同于下面这样：

deffoo():passfoo=log_time(cache_result(foo))

装饰器最大的功劳，在于让我们在某些特定场景时，可以写出更符合直觉、易于阅读的代码。它只是一颗“糖”，并不是某个面向对象领域的复杂编程模式。

Hint: 在 Python 官网上有一个实现了装饰器模式的例子，你可以读读这个例子来更好的了解它。

2. 记得用 functools.wraps() 装饰内层函数

下面是一个简单的装饰器，专门用来打印函数调用耗时：

importtimedeftimer(wrapped):"""装饰器：记录并打印函数耗时"""defdecorated(*args,**kwargs):st=time.time()ret=wrapped(*args,**kwargs)print('executiontake:{}seconds'.format(time.time()-st))returnretreturndecorated@timerdefrandom_sleep():"""随机睡眠一小会"""time.sleep(random.random())

timer装饰器虽然没有错误，但是使用它装饰函数后，函数的原始签名就会被破坏。也就是说你再也没办法正确拿到random_sleep函数的名称、文档内容了，所有签名都会变成内层函数decorated的值：

print(random_sleep.__name__)#输出'decorated'print(random_sleep.__doc__)#输出None

这虽然只是个小问题，但在某些时候也可能会导致难以察觉的 bug。幸运的是，标准库functools为它提供了解决方案，你只需要在定义装饰器时，用另外一个装饰器再装饰一下内层decorated函数就行。

听上去有点绕，但其实就是新增一行代码而已：

deftimer(wrapped):#将wrapper函数的真实签名赋值到decorated上@functools.wraps(wrapped)defdecorated(*args,**kwargs):#<...>已省略returndecorated这样处理后，timer装饰器就不会影响它所装饰的函数了。print(random_sleep.__name__)#输出'random_sleep'print(random_sleep.__doc__)#输出'随机睡眠一小会'

3. 修改外层变量时记得使用 nonlocal

装饰器是对函数对象的一个高级应用。在编写装饰器的过程中，你会经常碰到内层函数需要修改外层函数变量的情况。就像下面这个装饰器一样：

importfunctoolsdefcounter(func):"""装饰器：记录并打印调用次数"""count=0@functools.wraps(func)defdecorated(*args,**kwargs):#次数累加count+=1print(f"Count:{count}")returnfunc(*args,**kwargs)returndecorated@counterdeffoo():passfoo()

为了统计函数调用次数，我们需要在decorated函数内部修改外层函数定义的count变量的值。但是，上面这段代码是有问题的，在执行它时解释器会报错:

Traceback(mostrecentcalllast):File"counter.py",line22,in<module>foo()File"counter.py",line11,indecoratedcount+=1UnboundLocalError:localvariable'count'referencedbeforeassignment

这个错误是由counter与decorated函数互相嵌套的作用域引起的。

当解释器执行到count += 1时，并不知道count是一个在外层作用域定义的变量，它把count当做一个局部变量，并在当前作用域内查找。最终却没有找到有关count变量的任何定义，然后抛出错误。

为了解决这个问题，我们需要通过nonlocal关键字告诉解释器：“count 变量并不属于当前的 local 作用域，去外面找找吧”，之前的错误就可以得到解决。

defdecorated(*args,**kwargs):nonlocalcountcount+=1#<...已省略...>

Hint：如果要了解更多有关 nonlocal 关键字的历史，可以查阅PEP-3104

总结

在这篇文章里分享了有关装饰器的一些技巧与小知识。

一些要点总结：

• 一切 callable 的对象都可以被用来实现装饰器

• 混合使用函数与类，可以更好的实现装饰器

• wrapt 模块很有用，用它可以帮助我们用更简单的代码写出复杂装饰器

• “装饰器”只是语法糖，它不是“装饰器模式”

• 装饰器会改变函数的原始签名，你需要functools.wraps

• 在内层函数修改外层函数的变量时，需要使用nonlocal关键字

关于Python中使用装饰器的各种技巧就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。