@[toc]
Python的装饰器与元编程：代码的“魔法外衣”与“自动化工厂”
装饰器和元编程是Python最强大的元编程范式，它们能让你在不修改源代码的情况下增强函数/类的功能，或动态创建/修改代码结构。本文通过实战案例带你掌握这些“魔法工具”，提升代码的简洁性与复用性。
🔧 1. 函数装饰器：给函数穿上“功能外衣”
原理：装饰器本质是高阶函数——接收一个函数，返回一个新函数。其核心思想是函数嵌套 + 闭包，通过@语法糖实现功能增强。
实战1：计时器装饰器（性能分析）
import time
from functools import wraps
def timer(func):
@wraps(func) # 保留原函数元信息（如__name__）
def wrapper(*args, **kwargs):
start = time.perf_counter()
result = func(*args, **kwargs) # 执行原函数
end = time.perf_counter()
print(f"{func.__name__} 耗时: {end - start:.4f}秒")
return result
return wrapper
@timer
def data_processing(n):
"""模拟数据处理函数"""
time.sleep(n)
return "处理完成"
print(data_processing(2)) # 输出执行时间 + "处理完成"
关键点：
@wraps(func)解决装饰器导致的函数名、文档串丢失问题*args, **kwargs确保装饰器适配任意参数的函数
实战2：日志记录装饰器（调试神器）
def logger(func):
@wraps(func)
def wrapper(*args, **kwargs):
print(f"[LOG] 调用 {func.__name__}，参数: {args}, {kwargs}")
result = func(*args, **kwargs)
print(f"[LOG] {func.__name__} 返回: {result}")
return result
return wrapper
@logger
def add(a, b):
return a + b
add(3, b=5) # 输出调用和返回日志
🚀 2. 类装饰器与参数化装饰器
类装饰器原理：装饰器可以是一个类，通过实现__init__（接收函数）和__call__（执行包装逻辑）方法替代函数嵌套。
实战1：类装饰器实现单例模式
class Singleton:
def __init__(self, cls):
self.cls = cls
self.instance = None
def __call__(self, *args, **kwargs):
if self.instance is None:
self.instance = self.cls(*args, **kwargs)
return self.instance
@Singleton
class Database:
def __init__(self, name):
self.name = name
db1 = Database("MySQL")
db2 = Database("PostgreSQL")
print(db1 is db2) # 输出 True（始终返回同一实例）
参数化装饰器原理：通过三层嵌套函数实现：外层接收装饰器参数 → 中层接收被装饰函数 → 内层执行包装逻辑。
实战2：带参数的API限流装饰器
def rate_limiter(max_calls, period):
"""限制 period 秒内最多调用 max_calls 次"""
def decorator(func):
calls = []
@wraps(func)
def wrapper(*args, **kwargs):
now = time.time()
# 移除超时记录
calls[:] = [t for t in calls if now - t < period]
if len(calls) >= max_calls:
raise Exception("API调用频率超限！")
calls.append(now)
return func(*args, **kwargs)
return wrapper
return decorator
@rate_limiter(max_calls=3, period=10) # 10秒内最多调用3次
def fetch_data():
return "数据获取成功"
for _ in range(4): # 第4次触发异常
print(fetch_data())
⚙️ 3. 元编程实战：用元类自动注册类
元类原理：元类是创建类的类（如type）。自定义元类需继承type，重写__new__或__init__，在类创建时修改其属性。
实战：自动注册所有子类（插件系统基础）
class PluginMeta(type):
registry = {}
def __init__(cls, name, bases, attrs):
super().__init__(name, bases, attrs)
if name != "BasePlugin": # 跳过基类
PluginMeta.registry[name] = cls
class BasePlugin(metaclass=PluginMeta):
pass
class EmailPlugin(BasePlugin):
def run(self):
print("发送邮件")
class SMSPlugin(BasePlugin):
def run(self):
print("发送短信")
print(PluginMeta.registry) # 输出: {'EmailPlugin': <class ...>, 'SMSPlugin': ...}
💎 装饰器 vs 元类：如何选择？
| 特性 | 装饰器 | 元类 |
|---|---|---|
| 作用对象 | 函数/类（增强功能） | 类（控制创建过程） |
| 复杂度 | 低 → 中（参数化时） | 高 |
| 适用场景 | 功能增强（日志、缓存等） | 框架级控制（ORM、插件系统） |
| 侵入性 | 非侵入（通过@添加） | 需继承（metaclass=...） |
最佳实践：
- 优先用装饰器解决功能扩展问题
- 元类适用于需要统一修改多个类的场景（如API框架）
下期预告：16.Python并发编程模型：突破性能瓶颈的利器 核心内容：
- ✨ 多线程 vs 多进程：GIL锁的真相与规避策略
- ⚡ 协程与异步IO：
asyncio实现高并发Web爬虫 - 🔥 实战案例：
- 使用线程池加速I/O密集型任务
- 利用多进程突破CPU计算瓶颈
- 分布式任务队列（Celery）架构设计
思考题：多线程处理HTTP请求时，为什么有时比单线程更慢？答案下期揭晓！
掌握装饰器与元编程，你已拥有“代码自动化生产”的钥匙。它们如同编程世界的魔法，让复杂需求变得优雅简洁 ✨。
更多技术干货欢迎关注微信公众号“科威舟的AI笔记”~
【转载须知】：转载请注明原文出处及作者信息
