对于Python学习者，一旦过了入门阶段，你几乎一定会用到Python的装饰器。
它经常使用在很多地方，比如Web开发，日志处理，性能搜集，权限控制等。
还有一个极其重要的地方，那就是面试的时候。对，装饰器是面试中最常见的问题之一！
实战入门
抛出问题
看这段代码：
def step1():
print('step1.......')
def step2():
print('step2......')
def step3():
print('step3......')
step1()
step2()
step3()代码中定义了3个函数，然后分别调用这3个函数。假设，我们发现代码运行很慢，我们想知道每个函数运行分别花了多少时间。
笨办法解决
我们可以在每个函数中添加计时的代码：
- 第一行记录开始时间
- 执行完业务逻辑记录结束时间
- 结束时间减去开始时间，算出函数执行用时
下面的例子只在step1中添加了相关代码作为示例，你可以自行给step2和step3添加相关代码。
import time
def step1():
start = time.time()
print('step1.......')
end = time.time()
used = end - start
print(used)
def step2():
print('step2......')
def step3():
print('step3......')
step1()
step2()
step3()这个方法可行！但用你的脚指头想想也会觉得，这个方法很繁琐，很笨拙，很危险！
这里只有3个函数，如果有30个函数，那不是要死人啦。万一修改的时候不小心，把原来的函数给改坏了，面子都丢光了，就要被人BS了！
一定有一个更好的解决方法！
用装饰器解决
更好的解决方法是使用装饰器。
装饰器并没有什么高深的语法，它就是一个实现了给现有函数添加装饰功能的函数，仅此而已！
import time
def timer(func):
'''统计函数运行时间的装饰器'''
def wrapper():
start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}')
return wrapper
def step1():
print('step1.......')
def step2():
print('step2......')
def step3():
print('step3......')
timed_step1 = timer(step1)
timed_step2 = timer(step2)
timed_step3 = timer(step3)
timed_step1()
timed_step2()
timed_step3()上面的timer函数就是个装饰器。
- 它的参数是需要被装饰的函数
- 返回值是新定义的一个包装了原有函数的函数。
- 新定义的函数先记录开始时间，调用被装饰的函数，然后再计算用了多少时间。
简单说就是把原来的函数给包了起来，在不改变原函数代码的情况下，在外面起到了装饰作用，这就是传说中的装饰器。它其实就是个普通的函数。
如果你觉得有点懵逼，需要加强一些对Python函数的理解。函数：
可以作为参数传递
可以作为返回值
也可以定义在函数内部
然后，我们不再直接调用step1, 而是：
- 先调用timer函数，生成一个包装了step1的新的函数timed_step1.
- 剩下的就是调用这个新的函数time_step1()，它会帮我们记录时间。
timed_step1 = timer(step1)
timed_step1()简洁点，也可以这样写:
timer(step1)()
timer(step2)()
timer(step3)()这样可以在不修改原有函数代码的情况下，给函数添加了装饰性的新功能。
但是仍然需要修改调用函数的地方，看起来还不够简洁。有没有更好的办法呢？当然是有的！
装饰器语法糖衣
我们可以在被装饰的函数前使用@符号指定装饰器。这样就不用修改调用的地方了，这个世界清净了。下面的代码和上一段代码功能一样。在运行程序的时候，Python解释器会根据@标注自动生成装饰器函数，并调用装饰器函数。
import time
def timer(func):
'''统计函数运行时间的装饰器'''
def wrapper():
start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}')
return wrapper
@timer
def step1():
print('step1.......')
@timer
def step2():
print('step2......')
@timer
def step3():
print('step3......')
step1()
step2()
step3()到了这里，装饰器的核心概念就讲完了。
进阶用法
上面是一个最简单的例子，被装饰的函数既没有参数，也没有返回值。下面来看有参数和返回值的情况。
带参数的函数
我们把step1修改一下，传入一个参数，表示要走几步。
import time
def timer(func):
'''统计函数运行时间的装饰器'''
def wrapper():
start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}')
return wrapper
@timer
def step1(num):
print(f'我走了#{num}步')
step1(5)再去运行，就报错了：
TypeError: wrapper() takes 0 positional arguments but 1 was given
这是因为，表面上我们写的是step1(5)，实际上Python是先调用wrapper()函数。这个函数不接受参数，所以报错了。
为了解决这个问题，我们只要给wrapper加上参数就可以。
import time
def timer(func):
'''统计函数运行时间的装饰器'''
def wrapper(*args, **kwargs):
start = time.time()
func(*args, **kwargs)
end = time.time()
used = end - start
print(f'{func.__name__} used {used}')
return wrapper- wrapper使用了通配符，args代表所有的位置参数，*kwargs代表所有的关键词参数。这样就可以应对任何参数情况。
- wrapper调用被装饰的函数的时候，只要原封不动的把参数再传递进去就可以了。
函数返回值
如果被装饰的函数func有返回值，wrapper也只需把func的返回值返回就可以了。
import time
def timer(func):
'''统计函数运行时间的装饰器'''
def wrapper(*args, **kwargs):
start = time.time()
ret_value = func(*args, **kwargs)
end = time.time()
used = end - start
print(f'{func.__name__} used {used}')
return ret_value
return wrapper
@timer
def add(num1, num2):
return num1 + num2
sum = add(5, 8)
print(sum)这里我新加了一个add函数，计算两个数之和。
在wrapper函数中，我们先保存了func的返回值到ret_value，然后在wrapper的最后返回这个值就可以了。
到这里，你又进了一步，你可以击败88.64%的Python学习者了。但还不够，后面还有：
- 类装饰器(上面都是函数装饰器)
- 多装饰器串联
- 带参数的装饰器（不同于上面的带参数的函数）
- 带状态的装饰器
- 用类封装装饰器
- 装饰器常用情况举例
有位同学看完前面的内容，觉得自己掌握的很好了，就去面试。结果被面试官一个“如何在Python中实现单例模式”的问题给当场问倒了。
气得他上去就是两个耳刮子，不过不是打面试官，是打自己，恨自己没有等读透整篇再去面试。所以大家都耐心读完。
你一定用过装饰器Decorator
其实Decorator就在我们身边，只是我们可能不知道它们是装饰器。我来说几个：@classmethod @staticmethod @property
对，这些很重要的语法，不过是装饰器的应用而已。
来看一个代码例子：
class Circle:
#半径用下划线开头，表示私有变量
def __init__(self, radius):
self._radius = radius
#用property装饰器创建虚拟的半径属性
@property
def radius(self):
return self._radius
#用setter装饰器给半径属性添加赋值操作
@radius.setter
def radius(self, value):
if value >= 0:
self._radius = value
else:
raise ValueError("Radius must be positive")
#用property装饰器创建虚拟的面积属性
@property
def area(self):
return self.pi() * self.radius**2
def cylinder_volume(self, height):
return self.area * height
#类方法
@classmethod
def unit_circle(cls):
return cls(1)
#静态方法
@staticmethod
def pi():
return 3.1415926535再来创建两个装饰器练练手
你不要以为你已经掌握了装饰器，你只是听懂了。
从听懂到能动手写出来，再到被面试的时候，可以流畅的说出来，那还差着二十万八千里呢！
一定得多动手！所以抓紧时间，马上再来创建两个装饰器。
代码调试装饰器
现在我们来创建一个装饰器：它会打印函数的参数，以及返回值。
如果你有实际项目经验，你一定会知道这个很有用。这不就是自动打印日志嘛！是程序员找臭虫的必备良药啊。
来看看代码：
def debug(func):
def wrapper_debug(*args, **kwargs):
print(f'{func.__name__}:{args}, {kwargs}')
ret_val = func(*args, **kwargs)
print(f'return: {ret_val}')
return ret_val
return wrapper_debug
@debug
def add(a, b):
return a + b
add(1, 3)
add(2, 3)
add(4, 3)在wrapper_debug函数中，我们先打印所有的参数，再调用原函数，最后先打印返回值，再返回返回值。这里并没有新的语法知识，就是为了练手。
让程序跑慢点
曾经我还年轻，看到一个大神的代码里面有这么一行：
sleep(random(1,5))
因为有了这行代码，程序运行的时候挺慢的。我就问大神，为什么要这样。大神语重心长的跟我说：
你还年轻！我把这个程序交付给客户，客户会觉得有点慢，但还能忍。
忍不住了，会来找我优化性能。我一个手指头就把性能优化上去了，客户一定对我五体投地。而且我们公司的尾款也给我们了。
年轻人，多学着点！这就是阅历，阅历！
可惜我学了这么多年，也没学会这种阅历。
不过有时候，因为各种原因，我们确实需要让程序变慢一点。装饰器就排上了用场：
import time
def slow(func):
def wrapper_slow(*args, **kwargs):
print(f'{func.__name__} sleeping 1 second')
time.sleep(1)
ret_val = func(*args, **kwargs)
return ret_val
return wrapper_slow
@slow
def add(a, b):
return a + b
add(1, 3)运行一下，你就会很有成就感！确实慢！
上面那个真实的段子，我劝大家和我一样，一直都学不会。日久见人心，坑人的事情不能干。
装饰器模板
经过前面几个例子，我们可以总结出一个装饰器的模板。
按照这个模板，可以轻松写出装饰器：
def decorator(func):
def wrapper_decorator(*args, **kwargs):
#调用前操作
ret_val = func(*args, **kwargs)
#调用后操作
return ret_val
return wrapper_decorator按照这个模板：
- 修改装饰器的名字，把decorator替换为具体的名字。
- 在注释“调用前操作”的地方写自己想写的代码
- 在注释“调用后操作”的地方写自己想写的代码。
带参数的装饰器
上面那两个都是普通的装饰器的应用，我们不能继续自High下去了。我们得学习新知识了。
上面那个slow的装饰器，如果能够传入到底要sleep几秒就好了，现在是固定的1秒，这个不香。
注意区分，这里的参数是指装饰器的参数。和前面提到的函数自身的参数是不同的。
我想让它多慢就多慢，然后我们再顷刻间扭转乾坤，这样客户就更为我神魂颠倒了。
要让装饰器接受参数，需要在普通装饰器的外面再套上一层：
import time
def slow(seconds):
def decorator_slow(func):
def wrapper_slow(*args, **kwargs):
print(f'{func.__name__} sleeping {seconds} second')
time.sleep(seconds)
ret_val = func(*args, **kwargs)
return ret_val
return wrapper_slow
return decorator_slow
#添加装饰器的时候可以传入要放慢几秒的参数。@slow(2)def add(a, b):
return a + b
#执行此行会停顿2秒
add(1, 3)以前的装饰器，是函数里面有一个内部函数（2层函数），现在这个有了3层函数：
- 先是slow，接受秒数作为参数
- slow里面创建了decorator_slow函数，这个就是和原来一样的装饰器函数
- wrapper_slow里面又创建了wrapper_slow函数。
其实后面两层就是和之前一样的，唯一的区别是外面又加了一层。
为什么会这样呢？为什么最外面一层不需要传入func参数呢？
这是因为：
- 当Python发现slow(2)这个装饰器自带了参数时，它就不再传入当前函数作为参数，直接调用slow。这是Python解释器规定的。
- slow返回了一个函数，这时候Python会再把当前函数传入进去，这时候就成为一个普通的装饰器了。
这就是说最外面一层的功能就是为了处理装饰器的参数的。
如果你一下子不能理解，先把代码敲出来，你就理解了。正所谓：熟读唐诗三百首，不会吟诗也会吟！
再来看一个装饰器带参数的例子：
def repeat(nums=3):
def decorator_repeat(func):
def wrapper_repeat(*args, **kwargs):
for _ in range(nums):
func(*args, **kwargs)
return wrapper_repeat
return decorator_repeat
@repeat(3)
def run():
print('跑步有利于身体健康，来一圈')
#这里会重复执行3次
run()这个装饰和slow装饰器一样坑人，它会多次重复执行一个方法，并且可以动态指定要重复几次。
细细品味一下这个3层的函数，它是如何实现带参数的装饰器的。这两个例子都懂了，你就走在吊打面试官的路上了。
类装饰器
还记得前面给自己两个耳光的同学吗？如果他现在去面试，还是给自己两个耳光，还是不知道如何实现单例模式。
单例模式，是指一个类只能创建一个实例，是最常见的设计模式之一。比如网站程序有一个类统计网站的访问人数，这个类只能有一个实例。如果每次访问都创建一个新的实例，那人数就永远是1了。在Python中可以用装饰器实现单例模式。
前面的装饰器都是用来装饰函数的，或者用来装饰类方法的，比如我们写的slow, debug, timer; Python自带的staticmethod, classmethod等。
那如果把装饰器放到类名前面会怎样呢？来看这段代码：
from slow import slow
@slow
class Counter():
def __init__(self):
self._count = 0
def visit(self):
self._count += 1
print(f'visiting: {self._count}')
c1 = Counter()
c1.visit()
c1.visit()
c2 = Counter()
c2.visit()
c2.visit()这个类名叫Counter()，顾名思义就是用来做计数的。它有一个内部变量叫做_count，每次调用Counter的visit()方法，计数就会加1.
第一行，我们引入了前面写的slow装饰器，是那个普通的不带参数的slow。装饰器就是个函数，当然可以被import进来。
这次@slow放在Counter类名前面，而不是方法的前面，会发生什么呢？运行上面的代码，会发现这样的结果：
Counter sleeping 1 second
visiting: 1
visiting: 2
Counter sleeping 1 second
visiting: 1
visiting: 2这说明只有在创建Counter实例的时候，才会sleep一秒，调用visit函数的时候，不会sleep。
所以，类装饰器实际上装饰的是类的初始化方法。只有初始化的时候会装饰一次。
用装饰器实现单例模式
上面的运行结果很让人失望，如果去面试，还是会给自己两个耳刮子的。
作为一个计数器，应该计数是不断叠加的。可是上面的代码，创建了两个计数器，自己记录自己的。扯淡啊！
我们现在就用类装饰器改造它:
def singleton(cls):
'''创建一个单例模式'''
def single_wrapper(*args, **kwargs):
if not single_wrapper.instance:
single_wrapper.instance = cls(*args, **kwargs)
return single_wrapper.instance
single_wrapper.instance = None
return single_wrapper
@singleton
class Counter():
def __init__(self):
self._count = 0
def visit(self):
self._count += 1
print(f'visiting: {self._count}')
c1 = Counter()
c1.visit()
c1.visit()
c2 = Counter()
c2.visit()
c2.visit()先来运行一下：
visiting: 1
visiting: 2
visiting: 3
visiting: 4结果很满意，虽然创建了两个Counter，计数是记录在一起的。这主要得益于这个新的装饰器：
def singleton(cls):
'''创建一个单例模式'''
def single_wrapper(*args, **kwargs):
#如果没有实例，则创建实例
if not single_wrapper.instance:
single_wrapper.instance = cls(*args, **kwargs)
#返回原来的实例，或者新的实例
return single_wrapper.instance
#给新创建的函数添加一个属性保存实例
single_wrapper.instance = None
return single_wrapper它和其他的装饰器基本一样，它的不同之处在于这一行：
single_wrapper.instance = None
在创建完函数后，又给函数添加了一个属性，用来保存实例，开始为None，就是没有实例。
再来分析一下代码逻辑：
- 先判断是否有实例，如果没有就创建一个。反过来，已经有了就不用创建。
- 返回实例。
把这个装饰器加到类上的时候，就相当于加到了初始化方法。
当我们创建Counter的时候，被这个装饰器截胡，它会返回一个已经创建好的实例。如果没有实例，它会创建一个。
也就是说，不管调用Counter()多少次，最终就只有一个实例。这就是实现了单例模式。
如果有点不懂，再看一遍，为的是在面试官面前扬眉吐气。
带状态的装饰器
上面的例子中，我们看到装饰器自己保存了一个实例，你要的时候它就给你这一个，所以才实现了单例模式。这种就叫做带状态的装饰器。
我们再来看一个例子。count装饰器会记录一个函数被调用的次数：
def count(func):
def wrapper_count():
wrapper_count.count += 1
print(f'{func.__name__}：第{wrapper_count.count}次调用')
func()
wrapper_count.count = 0
return wrapper_count
@count
def run():
print('跑步有利于身体健康，来一圈')
run()
run()
run()运行结果：
run：第1次调用
跑步有利于身体健康，来一圈
run：第2次调用
跑步有利于身体健康，来一圈
run：第3次调用
跑步有利于身体健康，来一圈关键点就在于这一行：
wrapper_count.count = 0
给wrapper_count函数添加了count属性，来记录函数调用的次数，它也是一个有状态的装饰器。
多个装饰器嵌套
一个函数只能有一个装饰器吗？
装饰器的本质就是先调用装饰器，装饰器再调用函数。既然这样，那么多调用几层也无妨吧。
来看这个例子：
import time
from slow import slow
def timer(func):
def wrapper():
start_time = time.perf_counter()
func()
end_time = time.perf_counter()
used_time = end_time - start_time
print(f'{func.__name__} used {used_time}')
return wrapper
@slow
@timer
def run():
print('跑步有利于身体健康，来一圈')
run()这个例子中，run函数用了两个装饰器，slow和timer。它的执行过程就相当于：
slow(time(run()))
从上到下调用，先是调用slow，然后slow去调用timer，然后timer去调用run，所以执行结果是：
run sleeping 1 second
跑步有利于身体健康，来一圈
wrapper_slow used 1.0026384350000002Python装饰器宝藏库
差不多了，理解透这些原理，你就算不给面试官两个耳刮子，至少也不用给自己了。相关问题就算不是对答如流，也能轻松应对吧。最近整理了几百 G 的 Python 学习资料，包含新手入门电子书、教程、源码等等，免费分享给大家！想要的前往 “Python 编程学习圈”，发送 “J” 即可免费获得