一、前言
本不打算专门写文来讲装饰器的，但有不少粉丝问到了，自己查阅了一些网上的装饰器教程，发现讲的通俗易懂的不多，也有不少照搬的文章。所以我这里专门来讲一讲它。
二、举例说明
假如我们需要对每个函数方法的执行时间做记录，想知道执行一个函数花费了多长时间。
现在先不用装饰器来写，在函数方法体内的开始和结尾各加一个当前时间的输出，然后print打印他们的差值：
import time import datetime def test(): start_time = datetime.datetime.now() for i in range(3): time.sleep(1) end_time = datetime.datetime.now() print('执行结束,执行时间为：', end_time - start_time) test()
输出结果
执行结束,执行时间为： 0:00:03.025049
成功的实现了这个需求，但是出现了一个问题，如果有多个函数方法需要计算执行时间的话，那不就每个函数方法都要加这些代码吗？这样代码量不就大了，还很繁琐冗余吗？
这个时候装饰器就可以大显身手了！
我们可以通过写一个装饰器来实现这个需求，装饰器代码如下：
def take_up_time(func): def run_time(): start_time = datetime.datetime.now() func() # 执行被装饰的函数 end_time = datetime.datetime.now() print('执行结束,执行时间为：', end_time - start_time) return run_time
加入到需要记录执行时间的方法上
@take_up_time def test(): for i in range(3): time.sleep(1) test()
输出结果
执行结束,执行时间为： 0:00:03.035180
这样就算需要统计多个方法的执行时间，我们只需要在对应函数方法上方加入该装饰器就能实现了，是不是简单多了！
Python语法糖@定义了装饰器，Python装饰器是基于闭包原理对已存在的函数增加额外的功能的设计模式，使得代码简洁且易于维护。因为装饰器本身就是一个闭包，对于上面的代码我们可以改为这样：
# 删除@take_up_time的引入 def test(): for i in range(3): time.sleep(1) y = take_up_time(test) # 直接将test函数传入take_up_time方法中 y() # 执行y，这两行代码也可以直接写成一行：take_up_time(test)()
三、装饰器详解
上述例子的装饰器会不会感觉跟其他地方看到的有些许不一样，它们写的装饰器参数都带有*args,**kwargs，类似下面这样的：
def log(func): def warp(*args, **kwargs): print("准备开始了") #对于这个例子，这里代码可理解为：result=add(1,7) result = func(*args, **kwargs) print("马上结束了") return result return warp @log def add(a, b): return a + b print('计算结果为：', add(1, 7))
输出结果
准备开始了 马上结束了 计算结果为： 8
带了这些参数的和之前的举例有什么区别呢？下面为你讲解：
上述代码带了*args,**kwargs参数用于获取传递给方法add的参数,上面的add(1,7)中的1和7在装饰器中进行了获取，然后原封不动的将参数传递给被装饰的函数result = func(*args, **kwargs)，现在我们把装饰器中将传递的参数打印出来：
def log(func): def warp(*args, **kwargs): print('传递的参数为:',args) result = func(*args, **kwargs) print("马上结束了") return result return warp
装饰器输出结果
传递的参数为 (1, 7) 马上结束了
有没有发现上述*args就把传递的参数(1,7)涵盖了，好像跟**kwargs没什么关系。确实是这样的。对于上面的代码确实与**kwargs无关，甚至我们可以去掉**kwargs这样写：
def log(func): def warp(*args): print('传递的参数为:',args) result = func(*args) print("马上结束了") return result return warp
哪种情况需要**kwargs呢？
当你的参数是默认值参数时，类似下面的代码，c就是一个默认值参数 （如果调用函数的时候未指定c的值则c=0，不然则等于指定的值）：
def log(func): def warp(*args, **kwargs): print('传递的参数为:',args,kwargs) result = func(*args, **kwargs) print("马上结束了") return result return warp @log def add(a, b,c=0): # 未传递参数C的值时，默认等于0 return a + b+c print('计算结果为：', add(1, 7,c=1)) # 未传递参数C的值时，默认等于0
输出结果
传递的参数为: (1, 7) {'c': 1} 马上结束了 计算结果为： 9
通过打印我们发现，c参数的值被放入到kwargs中了。如果我们去掉**kwargs的话，再执行上面的代码就会报错：
def log(func): def warp(*args): print('传递的参数为:',args) result = func(*args) print("马上结束了") return result return warp @log def add(a, b,c=0): return a + b+c print('计算结果为：', add(1, 7, c=1))
输出结果
另外我们还可直接对装饰器进行参数的传递：
def log(value): def decorator(func): print('传递给装饰器的值为：',value) # 会打印直接传递给装饰器的值 def warp(*args, **kwargs): print('传递的参数为:', args, kwargs) result = func(*args, **kwargs) return result return warp return decorator @log(123) # 传递给装饰器的值 def add(a, b, c=0): # 未传递参数C的值时，默认等于0 return a + b + c print(add(7, 1))
输出结果
传递给装饰器的值为： 123 传递的参数为: (1, 7) {} 计算结果为： 8
当然，装饰器同样也可以被装饰，因为它本质上就是一个函数：
def log2(func): def warp(*args, **kwargs): print("准备开始了2") result = func(*args, **kwargs) print("马上结束了2") return result return warp def log(func): def warp(*args, **kwargs): print("准备开始了1") result = func(*args, **kwargs) print("马上结束了1") return result return warp @log @log2 def add(a, b): return a + b print('计算结果为：', add(1, 7))
输出结果
准备开始了1 准备开始了2 马上结束了2 马上结束了1 计算结果为： 8
四、类装饰器
Python中的类对象是不可被调用的，但通过魔术方法__call__就可以将类变为一个函数，从而实现装饰器的功能，比如最开始我们记录函数执行的例子，通过类装饰器就可以这样写：
import time import datetime class TakeUpTime: def __init__(self, func): self.func = func # 对于该例子，*args, **kwargs可以去掉 def __call__(self, *args, **kwargs): start_time = datetime.datetime.now() self.func() end_time = datetime.datetime.now() print('执行结束,执行时间为：', end_time - start_time) @TakeUpTime def test(): for i in range(3): time.sleep(1)
五、总结
装饰器的应用场景其实很常见，我们常见的判断用户是否登录(token校验的判断)、用户是否有访问权限很多都是使用装饰器来判断的，在DRF(django restframework)中的@api_view、@permission_classes就是对请求方法和用户权限的校验：
完全掌握装饰器相对来说有点难度，需要花一些时间，但这也是必须掌握的python技能。
