Python深度解析：装饰器—提升代码灵活性与可维护性的艺术

在Python编程中，装饰器是一种功能强大且优雅的工具，能够在不改变函数定义的前提下，动态地扩展或修改其行为。使用装饰器不仅能够提升代码的可读性和可重用性，还能在实际开发中实现更高效的解决方案。

装饰器的基本概念

定义与语法

装饰器本质上是一个高阶函数，它接收一个函数作为输入，并返回一个新的函数。通过在函数定义前添加@decorator_name语法，Python会在函数调用时首先执行装饰器逻辑，再调用函数本身。通过@decorator_name语法实际效果是和decorator_name(func) 是一样的，可以参考下面的例子

def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@simple_decorator
def say_hello(name):
    print(f"Hello, {name}!")

say_hello("Alice")
# Before function call
# Hello, Alice!
# After function call

simple_decorator(say_hello("Alice"))
# Before function call
# Hello, Alice!
# After function call

工作原理

装饰器的核心是函数包装，通过在wrapper函数中添加额外的逻辑，我们可以在函数执行前后插入自定义行为，这在日志记录、性能监控、权限验证等场景中非常有用。

编写自定义装饰器

编写一个自定义装饰器通常包括以下步骤：

1. 定义一个接收函数作为参数的装饰器函数。
2. 在装饰器函数内部定义一个包装函数，处理传入的参数和返回值。
3. 在包装函数内编写所需的附加逻辑。
4. 返回包装函数，使其替代原始函数。

以下示例展示了一个用于记录函数执行时间的装饰器：

import time
from functools import wraps

def timing_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} executed in {end_time - start_time:.4f} seconds")
        return result
    return wrapper

@timing_decorator
def compute_square(n):
    return n * n

compute_square(4)

functools.wraps 的使用

在记录函数执行时间的例子里面，使用到了functools.wraps。它的作用是保留原始函数的元数据，比如 __name__ 和 __doc__ 的属性，我们可以看下面这个例子

from functools import wraps

def simple_decorator(func):
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

def simple_decorator_with_wraps(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@simple_decorator
def my_function():
    """This is my_function."""
    print("Executing my_function")

@simple_decorator_with_wraps
def my_function2():
    """This is my_function2."""
    print("Executing my_function")

print(my_function.__name__)  # 输出：wrapper
print(my_function.__doc__)   # 输出：None

print(my_function2.__name__)  # 输出：my_function2
print(my_function2.__doc__)   # 输出：This is my_function2.

实际应用案例

装饰器在实际开发中的应用非常广泛。以下是几个典型场景：

• 日志记录：自动记录函数的调用信息。
• 性能测试：衡量函数的执行时间。
• 事务处理：在数据库操作中确保事务的开始和提交。
• 访问控制：在函数调用前进行权限验证。

这些应用不仅提高了代码的可维护性，也使得业务逻辑与辅助功能之间的耦合更低。

注意事项与常见问题

在使用装饰器时，可能会遇到以下问题：

• 闭包的使用：装饰器的包装函数通常是闭包，正确处理闭包变量非常重要。
• 装饰器顺序：当多个装饰器同时应用时，它们的执行顺序会影响最终结果。
• 调试困难：装饰器会修改函数的行为，可能导致调试难度增加。使用functools.wraps可以帮助保留原函数的信息。

面试常见问题

实现一个记录函数的调用时间、参数、返回值日志的装饰器

import time
import logging
from functools import wraps

# 设置日志记录
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

def log_execution(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        # 记录函数开始执行时间
        start_time = time.time()
        
        # 记录函数参数
        logging.info(f"Calling {func.__name__} with args: {args} and kwargs: {kwargs}")
        
        # 执行函数
        result = func(*args, **kwargs)
        
        # 记录函数结束时间和执行时间
        end_time = time.time()
        execution_time = end_time - start_time
        
        # 记录返回值和执行时间
        logging.info(f"{func.__name__} returned {result} in {execution_time:.4f} seconds")
        
        return result
    
    return wrapper

# 示例函数
@log_execution
def example_function(a, b, delay=1):
    time.sleep(delay)
    return a + b

# 调用示例函数
example_function(5, 10, delay=2)

实现一个记录函数的执行时间的装饰器

import time
from functools import wraps

def timing_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        # 记录开始时间
        start_time = time.time()
        
        # 执行函数
        result = func(*args, **kwargs)
        
        # 记录结束时间
        end_time = time.time()
        
        # 计算并打印执行时间
        execution_time = end_time - start_time
        print(f"{func.__name__} executed in {execution_time:.4f} seconds")
        
        return result
    
    return wrapper

# 示例函数
@timing_decorator
def example_function(a, b):
    time.sleep(1)  # 模拟耗时操作
    return a + b

# 调用示例函数
result = example_function(5, 10)

定义一个带参数的装饰器

from functools import wraps

def repeat_decorator(times):
    """一个装饰器，它会重复执行被装饰的函数指定的次数"""
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            result = None
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

# 示例函数
@repeat_decorator(times=3)
def greet(name):
    print(f"Hello, {name}!")

# 调用示例函数
greet("Alice")

实现一个失败重试的装饰器

import time
from functools import wraps

def retry_decorator(max_retries=3, delay=1, exceptions=(Exception,)):
    """
    一个失败重试的装饰器。
    
    :param max_retries: 最大重试次数
    :param delay: 每次重试之间的延迟时间（秒）
    :param exceptions: 触发重试的异常类型元组
    """
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            attempts = 0
            while attempts < max_retries:
                try:
                    return func(*args, **kwargs)
                except exceptions as e:
                    attempts += 1
                    print(f"Attempt {attempts} failed: {e}")
                    if attempts < max_retries:
                        time.sleep(delay)
                    else:
                        print(f"All {max_retries} attempts failed.")
                        raise
        return wrapper
    return decorator

# 示例函数
@retry_decorator(max_retries=5, delay=2)
def unstable_function():
    # 模拟可能失败的操作
    if time.time() % 2 < 1:  # 模拟50%的概率失败
        raise ValueError("Simulated failure")
    return "Success!"

# 调用示例函数
try:
    result = unstable_function()
    print(result)
except Exception as e:
    print(f"Function failed after all retries: {e}")

实现一个用于参数校验的装饰器

from functools import wraps

def validate_params(**validators):
    """
    参数校验装饰器。
    
    :param validators: 一个字典，键是参数名，值是校验函数或校验规则的元组。
                       校验函数接收参数值并返回True或False，表示参数是否合法。
                       校验规则元组可以包含预期的类型和一个可选的范围检查函数。
    """
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            # 获取函数的参数名列表
            func_args = func.__code__.co_varnames
            
            # 对位置参数进行校验
            for i, arg in enumerate(args):
                if i < len(func_args):
                    param_name = func_args[i]
                    if param_name in validators:
                        validate(arg, validators[param_name], param_name)
            
            # 对关键字参数进行校验
            for param_name, arg in kwargs.items():
                if param_name in validators:
                    validate(arg, validators[param_name], param_name)
            
            return func(*args, **kwargs)
        
        return wrapper
    
    return decorator

def validate(value, validator, param_name):
    """通用的验证函数，用于验证参数是否满足条件"""
    if isinstance(validator, tuple):
        expected_type = validator[0]
        range_check = validator[1] if len(validator) > 1 else lambda x: True
        if not isinstance(value, expected_type):
            raise TypeError(f"Parameter '{param_name}' must be of type {expected_type.__name__}")
        if not range_check(value):
            raise ValueError(f"Parameter '{param_name}' failed the range check.")
    elif callable(validator):
        if not validator(value):
            raise ValueError(f"Parameter '{param_name}' failed custom validation.")

# 示例函数
@validate_params(
    x=(int, lambda v: v > 0),  # x 必须是正整数
    y=(float, lambda v: 0.0 <= v <= 1.0),  # y 必须是0到1之间的浮点数
    name=str  # name 必须是字符串
)
def process_data(x, y, name="default"):
    print(f"Processing data: x={x}, y={y}, name={name}")

# 调用示例函数
try:
    process_data(10, 0.5, name="example")
    process_data(-1, 0.5, name="example")  # 这将引发TypeError
except Exception as e:
    print(f"Validation error: {e}")

实现一个限制函数调用次数限制的装饰器

from functools import wraps

def limit_calls(max_calls, on_limit_reached=None):
    """
    限制函数调用次数的装饰器。

    :param max_calls: 最大允许调用次数
    :param on_limit_reached: 当超过调用限制时执行的操作，可以是一个函数，也可以是一个值
    """
    def decorator(func):
        calls = 0  # 内部计数器

        @wraps(func)
        def wrapper(*args, **kwargs):
            nonlocal calls # 这里使用闭包去处理计数器，可以根据实际使用情况调整
            if calls >= max_calls:
                if callable(on_limit_reached):
                    return on_limit_reached(*args, **kwargs)
                else:
                    return on_limit_reached
            calls += 1
            return func(*args, **kwargs)
        
        return wrapper
    
    return decorator

# 示例函数
@limit_calls(max_calls=3, on_limit_reached="Function call limit reached")
def example_function(x, y):
    return x + y

# 调用示例函数
print(example_function(1, 2))  # 1st call
print(example_function(3, 4))  # 2nd call
print(example_function(5, 6))  # 3rd call
print(example_function(7, 8))  # 4th call - exceeds limit

提供一个函数，在不改变原有的函数的情况下，增加一个参数

from functools import wraps

def add_parameter(new_param_name, new_param_value):
    """
    装饰器，用于在不改变原有函数的情况下增加一个新的参数。
    
    :param new_param_name: 新参数的名称
    :param new_param_value: 新参数的默认值
    """
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            # 添加新参数到kwargs
            kwargs[new_param_name] = new_param_value
            return func(*args, **kwargs)
        
        return wrapper
    
    return decorator

# 示例函数
def original_function(x, y):
    print(f"x = {x}, y = {y}")

# 使用装饰器添加新参数
@add_parameter('z', 10)
def modified_function(x, y, **kwargs):
    print(f"x = {x}, y = {y}, z = {kwargs.get('z')}")

# 调用示例函数
modified_function(1, 2)

备注： 本文会同步发布于个人微信公众号(smith日常碎碎念)。