函数装饰器
装饰器（Decorators）在 Python 中，主要作用是修改函数的功能，而且修改前提是不变动原函数代码，装饰器会返回一个函数对象，所以有的地方会把装饰器叫做 “函数的函数”。
还存在一种设计模式叫做 “装饰器模式”，这个后续的课程会有所涉及。
装饰器调用的时候，使用 @，它是 Python 提供的一种编程语法糖，使用了之后会让你的代码看起来更加 Pythonic。
装饰器基本使用
在学习装饰器的时候，最常见的一个案例，就是统计某个函数的运行时间，接下来就为你分享一下。
计算函数运行时间：
import time
def fun():
i = 0
while i < 1000:
i += 1
def fun1():
i = 0
while i < 10000:
i += 1
s_time = time.perf_counter()
fun()
e_time = time.perf_counter()
print(f"函数{fun.__name__}运行时间是：{e_time-s_time}")如果你希望给每个函授都加上调用时间，那工作量是巨大的，你需要重复的修改函数内部代码，或者修改函数调用位置的代码。在这种需求下，装饰器语法出现了。
先看一下第一种修改方法，这种方法没有增加装饰器，但是编写了一个通用的函数，利用 Python 中函数可以作为参数这一特性，完成了代码的可复用性。
import time
def fun():
i = 0
while i < 1000:
i += 1
def fun1():
i = 0
while i < 10000:
i += 1
def go(fun):
s_time = time.perf_counter()
fun()
e_time = time.perf_counter()
print(f"函数{fun.__name__}运行时间是：{e_time-s_time}")
if __name__ == "__main__":
go(fun1)接下来这种技巧扩展到 Python 中的装饰器语法，具体修改如下：
import time
def go(func):
# 这里的 wrapper 函数名可以为任意名称
def wrapper():
s_time = time.perf_counter()
func()
e_time = time.perf_counter()
print(f"函数{func.__name__}运行时间是：{e_time-s_time}")
return wrapper
@go
def func():
i = 0
while i < 1000:
i += 1
@go
def func1():
i = 0
while i < 10000:
i += 1
if __name__ == '__main__':
func()在上述代码中，注意看 go 函数部分，它的参数 func 是一个函数，返回值是一个内部函数，执行代码之后相当于给原函数注入了计算时间的代码。在代码调用部分，你没有做任何修改，函数 func 就具备了更多的功能（计算运行时间的功能）。
装饰器函数成功拓展了原函数的功能，又不需要修改原函数代码，这个案例学会之后，你就已经初步了解了装饰器。
对带参数的函数进行装饰
直接看代码，了解如何对带参数的函数进行装饰：
import time
def go(func):
def wrapper(x, y):
s_time = time.perf_counter()
func(x, y)
e_time = time.perf_counter()
print(f"函数{func.__name__}运行时间是：{e_time-s_time}")
return wrapper
@go
def func(x, y):
i = 0
while i < 1000:
i += 1
print(f"x={x},y={y}")
if __name__ == '__main__':
func(33, 55)如果你看着晕乎了，我给你标记一下参数的重点传递过程。
还有一种情况是装饰器本身带有参数，例如下述代码：
def log(text):
def decorator(func):
def wrapper(x):
print('%s %s():' % (text, func.__name__))
func(x)
return wrapper
return decorator
@log('执行')
def my_fun(x):
print(f"我是 my_fun 函数，我的参数 {x}")
my_fun(123)上述代码在编写装饰器函数的时候，在装饰器函数外层又嵌套了一层函数，最终代码的运行顺序如下所示：
my_fun = log('执行')(my_fun)此时如果我们总结一下，就能得到结论了：使用带有参数的装饰器，是在装饰器外面又包裹了一个函数，使用该函数接收参数，并且返回一个装饰器函数。
还有一点要注意的是装饰器只能接收一个参数，而且必须是函数类型。
多个装饰器
先临摹一下下述代码，再进行学习与研究。
import time
def go(func):
def wrapper(x, y):
s_time = time.perf_counter()
func(x, y)
e_time = time.perf_counter()
print(f"函数{func.__name__}运行时间是：{e_time-s_time}")
return wrapper
def gogo(func):
def wrapper(x, y):
print("我是第二个装饰器")
return wrapper
@go
@gogo
def func(x, y):
i = 0
while i < 1000:
i += 1
print(f"x={x},y={y}")
if __name__ == '__main__':
func(33, 55)代码运行之后，输出结果为：
我是第二个装饰器
函数wrapper运行时间是：0.0034401339999999975虽说多个装饰器使用起来非常简单，但是问题也出现了，print(f"x={x},y={y}") 这段代码运行结果丢失了，这里就涉及多个装饰器执行顺序问题了。
先解释一下装饰器的装饰顺序。
import time
def d1(func):
def wrapper1():
print("装饰器1开始装饰")
func()
print("装饰器1结束装饰")
return wrapper1
def d2(func):
def wrapper2():
print("装饰器2开始装饰")
func()
print("装饰器2结束装饰")
return wrapper2
@d1
@d2
def func():
print("被装饰的函数")
if __name__ == '__main__':
func()上述代码运行的结果为：
装饰器1开始装饰
装饰器2开始装饰
被装饰的函数
装饰器2结束装饰
装饰器1结束装饰可以看到非常对称的输出，同时证明被装饰的函数在最内层，转换成函数调用的代码如下：
d1(d2(func))你在这部分需要注意的是，装饰器的外函数和内函数之间的语句，是没有装饰到目标函数上的，而是在装载装饰器时的附加操作。
在对函数进行装饰的时候，外函数与内函数之间的代码会被运行。
测试效果如下：
import time
def d1(func):
print("我是 d1 内外函数之间的代码")
def wrapper1():
print("装饰器1开始装饰")
func()
print("装饰器1结束装饰")
return wrapper1
def d2(func):
print("我是 d2 内外函数之间的代码")
def wrapper2():
print("装饰器2开始装饰")
func()
print("装饰器2结束装饰")
return wrapper2
@d1
@d2
def func():
print("被装饰的函数")运行之后，你就能发现输出结果如下：
我是 d2 内外函数之间的代码
我是 d1 内外函数之间的代码d2 函数早于 d1 函数运行。
接下来在回顾一下装饰器的概念：
被装饰的函数的名字会被当作参数传递给装饰函数。
装饰函数执行它自己内部的代码后，会将它的返回值赋值给被装饰的函数。
这样看上文中的代码运行过程是这样的，d1(d2(func)) 执行 d2(func) 之后，原来的 func 这个函数名会指向 wrapper2 函数，执行 d1(wrapper2) 函数之后，wrapper2 这个函数名又会指向 wrapper1。因此最后的 func 被调用的时候，相当于代码已经切换成如下内容了。
# 第一步
def wrapper2():
print("装饰器2开始装饰")
print("被装饰的函数")
print("装饰器2结束装饰")
# 第二步
print("装饰器1开始装饰")
wrapper2()
print("装饰器1结束装饰")
# 第三步
def wrapper1():
print("装饰器1开始装饰")
print("装饰器2开始装饰")
print("被装饰的函数")
print("装饰器2结束装饰")
print("装饰器1结束装饰")上述第三步运行之后的代码，恰好与我们的代码输出一致。
那现在再回到本小节一开始的案例，为何输出数据丢失掉了。
import time
def go(func):
def wrapper(x, y):
s_time = time.perf_counter()
func(x, y)
e_time = time.perf_counter()
print(f"函数{func.__name__}运行时间是：{e_time-s_time}")
return wrapper
def gogo(func):
def wrapper(x, y):
print("我是第二个装饰器")
return wrapper
@go
@gogo
def func(x, y):
i = 0
while i < 1000:
i += 1
print(f"x={x},y={y}")
if __name__ == '__main__':
func(33, 55)在执行装饰器代码装饰之后，调用 func(33,55) 已经切换为 go(gogo(func))，运行 gogo(func) 代码转换为下述内容：
def wrapper(x, y):
print("我是第二个装饰器")在运行 go(wrapper)，代码转换为：
s_time = time.perf_counter()
print("我是第二个装饰器")
e_time = time.perf_counter()
print(f"函数{func.__name__}运行时间是：{e_time-s_time}")此时，你会发现参数在运行过程被丢掉了。
functools.wraps
使用装饰器可以大幅度提高代码的复用性，但是缺点就是原函数的元信息丢失了，比如函数的 __doc__、__name__：
# 装饰器
def logged(func):
def logging(*args, **kwargs):
print(func.__name__)
print(func.__doc__)
func(*args, **kwargs)
return logging
# 函数
@logged
def f(x):
"""函数文档，说明"""
return x * x
print(f.__name__) # 输出 logging
print(f.__doc__) # 输出 None解决办法非常简单，导入 from functools import wraps ，修改代码为下述内容：
from functools import wraps
# 装饰器
def logged(func):
@wraps(func)
def logging(*args, **kwargs):
print(func.__name__)
print(func.__doc__)
func(*args, **kwargs)
return logging
# 函数
@logged
def f(x):
"""函数文档，说明"""
return x * x
print(f.__name__) # 输出 f
print(f.__doc__) # 输出 函数文档，说明基于类的装饰器
在实际编码中 一般 “函数装饰器” 最为常见，“类装饰器” 出现的频率要少很多。
基于类的装饰器与基于函数的基本用法一致，先看一段代码：
class H1(object):
def __init__(self, func):
self.func = func
def __call__(self, *args, **kwargs):
return '' + self.func(*args, **kwargs) + ''
@H1
def text(name):
return f'text {name}'
s = text('class')
print(s)类 H1 有两个方法：
__init__：接收一个函数作为参数，就是待被装饰的函数；__call__：让类对象可以调用，类似函数调用，触发点是被装饰的函数调用时触发。
最后在附录一篇写的不错的 博客，可以去学习。
在这里类装饰器的细节就不在展开了，等到后面滚雪球相关项目实操环节再说。
装饰器为类和类的装饰器在细节上是不同的，上文提及的是装饰器为类，你可以在思考一下如何给类添加装饰器。
内置装饰器
常见的内置装饰器有 @property、@staticmethod、@classmethod。该部分内容在细化面向对象部分进行说明，本文只做简单的备注。
@property
把类内方法当成属性来使用，必须要有返回值，相当于 getter，如果没有定义 @func.setter 修饰方法，是只读属性。
@staticmethod
静态方法，不需要表示自身对象的 self 和自身类的 cls 参数，就跟使用函数一样。
@classmethod
类方法，不需要 self 参数，但第一个参数需要是表示自身类的 cls 参数。
这篇博客的总结
关于 Python 装饰器，网上的文章实在太太多了，学习起来并不是很难，真正难的是恰到好处的应用在项目中，希望本篇博客能对你理解装饰器有所帮助。
其他内容也可以查阅官方手册