Python装饰器使用教程与实战解析
怎么入门文章编程?需要学习哪些知识点?这是新手们刚接触编程时常见的问题;下面golang学习网就来给大家整理分享一些知识点,希望能够给初学者一些帮助。本篇文章就来介绍《Python装饰器怎么用?语法与实用场景详解》,涉及到,有需要的可以收藏一下
装饰器是Python中用于增强函数行为的特殊函数。它接受一个函数作为参数并返回一个新的函数,从而可以在不修改原函数代码的情况下为其添加额外功能。通过@符号应用装饰器,其基本结构依赖于函数嵌套和闭包,使用args和*kwargs以支持任意参数,并可通过functools.wraps保留原函数元数据。常见应用场景包括:1. 记录日志或性能计时;2. 权限检查或登录验证;3. 缓存函数结果以避免重复计算。当多个装饰器同时存在时,执行顺序是从下往上依次包裹并外层先执行。掌握装饰器的关键在于理解函数包装机制、处理带参情况以及正确使用wraps工具。

在 Python 中,装饰器是一个非常实用的功能,它允许我们在不修改函数本身的前提下,为函数添加额外功能。简单来说,装饰器就是一个接收函数作为参数的函数,并返回一个新的函数。

什么是装饰器?
装饰器本质上是一个函数,也可以是一个类,它的作用是包装另一个函数或类,以增强其行为。Python 使用 @ 符号来应用装饰器。
例如:

def my_decorator(func):
def wrapper():
print("Before function call")
func()
print("After function call")
return wrapper
@my_decorator
def say_hello():
print("Hello")
say_hello()运行结果:
Before function call Hello After function call
在这个例子中,my_decorator 是一个装饰器,它“包裹”了 say_hello 函数,让它在执行前后打印了一些信息。

装饰器的基本语法结构
装饰器的核心在于函数嵌套和闭包的使用。基本结构如下:
def decorator(func):
def wrapper(*args, **kwargs):
# 前置操作
result = func(*args, **kwargs)
# 后置操作
return result
return wrapper
@decorator
def some_function():
pass几点关键说明:
*args和**kwargs确保装饰器可以处理任意参数的函数。wrapper函数负责调用原始函数,并可以在调用前后插入逻辑。- 如果你希望保留原函数的元数据(比如名字、文档字符串),可以使用
functools.wraps:
from functools import wraps
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
...
return func(*args, **kwargs)
return wrapper常见应用场景
装饰器的用途非常广泛,下面是一些常见的使用场景:
1. 记录日志 / 性能计时
你可以用装饰器来记录函数的执行时间或者调用次数,这对调试和性能分析很有帮助。
import time
def timer(func):
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
print(f"{func.__name__} took {time.time() - start:.4f}s")
return result
return wrapper
@timer
def sleep_seconds(seconds):
time.sleep(seconds)
sleep_seconds(1)2. 权限检查 / 登录验证
在 Web 开发中,经常需要用装饰器来做权限校验,比如 Flask 或 Django 中的 @login_required。
def login_required(func):
def wrapper(user, *args, **kwargs):
if user.is_authenticated:
return func(user, *args, **kwargs)
else:
print("Access denied: User not logged in")
return wrapper
@login_required
def access_profile(user):
print(f"Accessing profile for {user.name}")3. 缓存函数结果(Memoization)
装饰器可以用来缓存函数的计算结果,避免重复计算。
def memoize(func):
cache = {}
def wrapper(*args):
if args in cache:
return cache[args]
result = func(*args)
cache[args] = result
return result
return wrapper
@memoize
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n - 1) + fibonacci(n - 2)多个装饰器的执行顺序
当一个函数被多个装饰器修饰时,它们的执行顺序是从下往上(从内到外)的。例如:
def deco1(func):
def wrapper():
print("Start deco1")
func()
print("End deco1")
return wrapper
def deco2(func):
def wrapper():
print("Start deco2")
func()
print("End deco2")
return wrapper
@deco1
@deco2
def say_hi():
print("Hi")
say_hi()输出结果:
Start deco1 Start deco2 Hi End deco2 End deco1
可以看到,deco2 先被应用,但它的执行是在 deco1 包裹之后。
基本上就这些了。装饰器虽然看起来有点绕,但只要理解它是“函数包装”的一种方式,再结合实际场景去练习,就能很快掌握。关键是要会写带参数的装饰器、多个装饰器叠加的情况,以及记得用 functools.wraps 来保留原函数信息。
今天关于《Python装饰器使用教程与实战解析》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于函数,应用场景,闭包,Python装饰器,@符号的内容请关注golang学习网公众号!
Golang加权轮询负载均衡实现教程
- 上一篇
- Golang加权轮询负载均衡实现教程
- 下一篇
- OpenBSD部署Golang及libc解决方法
-
- 文章 · python教程 | 14分钟前 | python · Python SQLite sqlite3 SQL脚本 Connection iterdump
- Python sqlite3.Connection.iterdump 怎样生成可恢复的 SQL 脚本
- 342浏览 收藏
-
- 文章 · python教程 | 18分钟前 | python · SQLite · Python SQLite sqlite3 Connection total_changes
- Python sqlite3.Connection.total_changes 怎样统计连接累计修改行数
- 422浏览 收藏
-
- 文章 · python教程 | 20分钟前 | python · SQLite · Python order by sqlite3 COLLATE Connection create_collation
- Python sqlite3 自定义排序规则如何参与 ORDER BY
- 215浏览 收藏
-
- 文章 · python教程 | 24分钟前 | JSON · python · Python JSON JSONEncoder iterencode JSON文本
- Python json.JSONEncoder.iterencode 怎样分段生成 JSON 文本
- 211浏览 收藏
-
- 文章 · python教程 | 35分钟前 | python · pathlib · Python pathlib PurePath with_segments 路径派生
- Python pathlib.PurePath.with_segments 怎样让派生路径保留自定义状态
- 255浏览 收藏
-
- 文章 · python教程 | 40分钟前 | python · Python Calendar itermonthdays4 月历
- Python Calendar.itermonthdays4 怎样保留月历补齐日期的年月日
- 369浏览 收藏
-
- 文章 · python教程 | 22小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1123次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1110次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1282次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1224次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1075次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
