python装饰器原理-深入理解 Python 装饰器
作者简介
曾凡伟，携程信息安全部高级安全工程师，2015年加入携程，主要负责安全自动化产品的设计和研发，包括各类扫描器、漏洞管理平台、安全 SaaS 平台等。
Python 是一门追求优雅编程的语言，它很容易上手，也很容易写出意大利式的代码。本文将介绍如何使用 Python 进阶编程之装饰器，来帮助您写出更加精炼可读的代码。
全文主要分为四个部分：第一部分：尝鲜，通过讲解一个简单的装饰器例子，让您对装饰器的用法和作用有一个初步的感性认识；
第二部分：揭开面纱，将介绍装饰器抛开语法糖的使用方法，帮助您理解装饰器的本质原理；
第三部分：趁热打铁，将介绍装饰器在工作当中的实践用法，对应介绍的 retry 装饰器您可直接应用到项目代码中；
第四部分：更进一步，将介绍装饰器更多的高级用法，帮助您全方位掌握装饰器。
尝鲜
我们先来看一个简单的装饰器例子。首先定义一个装饰器 log：
def log(f):
def wrapper():
print "before"
f()
print "after"
return wrapper
使用装饰器 log 来装饰 greeting 函数，并调用之：
@log
def greeting():
print "Hello, World!"
greeting()
输出结果：
before
Hello, World!
after
可以看到，使用装饰器我们实现了在函数 greeting 前后打印调试日志。
揭开面纱
装饰器是什么？从字面意思我们大致可以推测出来，它的作用是用来装饰的。日常生活中，大家都见过很多装饰器，比如装饰在圣诞树上的彩纸，或者套在 iPhone 外面的保护壳。保护壳的存在，并不会改变 iPhone 内部的功能，它存在的意义，在于增强了 iPhone 的抗摔性能。Python 中的装饰器也是一样的道理，它并不会改变被装饰对象的内部逻辑，而是通过一种无侵入的方式，让它获得一些额外的能力，比如日志记录、权限认证、失败重试等等。
Python 装饰器看起来高深莫测，实际上它的实现原理非常简单。我们知道，在 Python 中一切皆对象，函数作为一个特殊的对象，可以作为参数传递给另外一个函数，装饰器的工作原理就是基于这一特性。装饰器的默认语法是使用@来调用，这实际上仅仅是一种语法糖。下面我们看看，不利用语法糖来怎么调用装饰器：
def greeting():
print "Hello, World!"
greeting = log(greeting)
把函数 greeting 作为参数传递给装饰器函数 log 就行了！对装饰器 log 来说，它接收一个函数作为入参，然后返回一个新的函数，最后再赋值给 greeting 标识符。这样便得到了一个增强功能的函数，而它的名字又和之前的保持一样。
趁热打铁
装饰器是一个编程利器，只需一处修改，任何被装饰的对象就可以获得额外的功能。撸起袖子，让我们来看看装饰器在编程实践中的具体应用。
我们知道，程序跑起来后，有一些因素往往是不可控的，比如网络的连通性。为了容错，我们可能会加入 try-except 语句来捕获异常；考虑到请求失败是有一定概率的，我们或许可以通过多次重试的策略，以达到提高成功率的目的。我们先来模拟一个 non_steady 函数：
import random
def non_steady():
if random.random() <= 0.5:
# 失败的概率是 0.5
raise Exception("died")
else:
# 成功的概率是 0.5
return "survived"
这个函数成功返回的概率是0.5。显然，单次调用的成功率太低，如果重试10次呢？计算一下：1-(0.5)^10，即成功的概率将提升到0.9990，相比单次调用的0.5，重试的成功率大 大地提升了。
按照上面的描述，我们先通过 for 循环来提升调用 non_steady 的成功率：
def non_steady_with_retry(times=10):
for i in xrange(times):
try:
return non_steady()
except Exception as e:
if (i + 1) < times:
# 尚未达到最大重试次数，默默吞掉异常
pass
else:
# 连续重试，达到最大次数时还是发生异常，则抛出异常
raise e
提升成功率的效果达到了，但是这种实现存在几个问题：
1、不支持无缝升级。假如函数 non_steady 在代码中被调用了 n 次，那么这意味着你需要同时修改 n 个地方（将调用 non_steady 修改为调用 non_steady_with_retry）；
2、不支持代码复用。如果你有第二个函数 non_steady1，也需要升级一下重试机制，那么这意味着同样的重试代码，你需要再重写一遍。
再试试用装饰器来提升调用 non_steady 的成功率。定义一个 retry 装饰器：
def retry(times=10):
def outer(f):
def inner(*args, **kwargs):
for i in xrange(times):
try:
return f(*args, **kwargs)
except Exception as e:
if (i + 1) < times:
pass
else:
raise e
return inner
return outer
试用一下：
import random
@retry(10)
def non_steady():
if random.random() <= 0.5:
# 失败的概率是 0.5
raise Exception("died")
else:
# 成功的概率是 0.5
return "survived"
可以看到，只要函数前面加一行代码 @retry(10)，即可为其升级重试机制。一处更改即可，无需处处担忧。同时，对于其他想要升级的函数，也只需要更改一个地方，同样的代码就无需重写多遍了。
更进一步
一个函数可以同时应用多个装饰器，比如下面使用两个装饰器来装饰 greeting 函数：
@log
@retry(10)
def greeting():
print "Hello, World!"
这段代码等价于：
def greeting():
print "Hello, World!"
temp = retry(10)(greeting)
greeting = log(temp)
可以看到，叠加的装饰器生效的顺序是从内往外的。这一点在使用的时候需要特别注意。
Java 中的注解，语法和 Python 中的装饰器很相似，它注解的顺序，没有 Python 中装饰器这么严格。使用时注意区分下。
除了函数，也可以用类来定义一个装饰器：
class Log(object):
def__init__(self, f):
self.f = f
def__call__(self, *args, **kwargs):
print "before"
self.f()
print "after"
类装饰器主要是通过它的__call__方法来实现的。相比函数装饰器，类装饰器具有面向对象编程所支援的一系列特点，比如高内聚、封装性和灵活度大等优点。使用类装饰器来装饰函数：
@Log
def greeting():
print "Hello, World!"
greeting()
输出结果和使用函数装饰器一样：
before
Hello, World!
after
实际上，Python 中任何 callable 的对象都可以用来定义装饰器。
结语
使用 Python 装饰器，可以让你的代码更易维护，可读性也有一定提升。相信大家在日常工作中也有碰到过很多使用装饰器的场景，欢迎留言分享！人生苦短，我用 Python。