在Python编程中，装饰器是一个既迷人又强大的工具，它允许我们在不改变现有函数或类定义的情况下，为它们添加额外的功能。装饰器本质上是一个接受函数或类作为参数的函数，并返回一个新函数或类的高阶函数。
首先，让我们来理解装饰器的基本结构。一个简单的装饰器可以定义为一个接受函数作为参数的函数，然后扩展该函数的功能，最后将其返回。下面是一个例子：
def simple_decorator(func):
def wrapper():
print("Before function execution")
func()
print("After function execution")
return wrapper
@simple_decorator
def hello():
print("Hello, World!")
hello()
AI 代码解读
在这个简单的例子中，simple_decorator就是一个装饰器，它包装了hello函数，在调用hello时额外输出了一些信息。使用@符号可以轻松地将装饰器应用于函数。
接下来，我们来看一个更实际的例子：日志记录装饰器。这种装饰器可以在不修改函数内部代码的情况下，给函数添加日志记录功能。
import functools
def log_decorator(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
print(f"Calling {func.__name__} with arguments {args} and keyword arguments {kwargs}")
result = func(*args, **kwargs)
print(f"{func.__name__} returned {result}")
return result
return wrapper
@log_decorator
def add(a, b):
return a + b
add(1, 2)
AI 代码解读
这里，log_decorator装饰器在不改变add函数的前提下，增加了对函数调用和返回值的日志记录。functools.wraps用于保留原函数的名称和文档字符串信息。
除了上述基本用法，装饰器还可以用于类方法、带参数的装饰器、以及嵌套装饰器等高级应用。例如，我们可以创建一个带参数的装饰器来控制日志记录的级别：
def log_level_decorator(level):
def real_decorator(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
if level == "DEBUG":
print(f"Debug: Calling {func.__name__}")
elif level == "INFO":
print(f"Info: Calling {func.__name__}")
result = func(*args, **kwargs)
print(f"{func.__name__} returned {result}")
return result
return wrapper
return real_decorator
@log_level_decorator("DEBUG")
def multiply(x, y):
return x * y
multiply(3, 4)
AI 代码解读
在这个例子中，log_level_decorator是一个接受参数的装饰器工厂，根据传入的日志级别生成不同的装饰器。
总结来说，Python装饰器是一种强大的工具，能够帮助我们以简洁的方式增强函数或类的功能。通过掌握装饰器的使用，我们可以编写出更加模块化和可重用的代码。随着你对装饰器的理解加深，你会发现它在处理横切关注点（如日志记录、权限检查等）方面的巨大潜力。
