当前位置:首页 > 文章列表 > 文章 > python教程 > 带参数的Python装饰器怎么写?

带参数的Python装饰器怎么写?

2026-05-16 18:49:15 0浏览 收藏
带参数的Python装饰器本质上是一个“返回装饰器的函数”,通过三层嵌套结构灵活接收配置参数(如日志级别、重试次数),在不侵入原函数逻辑的前提下动态增强功能;文中以`@logger("info")`和`@retry(max_attempts=2)`为例,清晰展示了如何构建可配置、可复用且保留函数元信息(借助`functools.wraps`)的实用装饰器,让代码更简洁、健壮且专业。

python带参数的装饰器怎么写?

带参数的装饰器其实是一个返回装饰器的函数。也就是说,它外层多了一层函数包装,用来接收参数。

基本结构说明

要写一个带参数的装饰器,你需要三层嵌套函数:

  • 最外层函数:接收装饰器的参数
  • 中间层函数:接收被装饰的函数
  • 最内层函数:实际执行逻辑,可以调用原函数并添加额外行为

示例:一个记录日志级别的装饰器

比如你想控制打印日志的级别(info、warning等):

def logger(level):
    def decorator(func):
        def wrapper(*args, **kwargs):
            print(f"[{level.upper()}] 正在执行 {func.__name__}")
            return func(*args, **kwargs)
        return wrapper
    return decorator

# 使用
@logger("info")
def say_hello(name):
    print(f"Hello, {name}!")

say_hello("Alice")

输出:

[INFO] 正在执行 say_hello
Hello, Alice!

使用 functools.wraps 保留原函数信息

为了不丢失原函数的元数据(如 __name__、__doc__),建议加上 functools.wraps:

from functools import wraps

def logger(level):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            print(f"[{level.upper()}] 正在执行 {func.__name__}")
            return func(*args, **kwargs)
        return wrapper
    return decorator

@logger("debug")
def test():
    """测试函数"""
    print("running test")

print(test.__name__)  # 输出: test(没被wrapper覆盖)
print(test.__doc__)   # 输出: 测试函数

支持多种参数的实用例子

比如限制函数重试次数的装饰器:

def retry(max_attempts=3):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for i in range(max_attempts):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    print(f"第 {i+1} 次尝试失败: {e}")
                    if i == max_attempts - 1:
                        raise
        return wrapper
    return decorator

@retry(max_attempts=2)
def may_fail():
    import random
    if random.random() < 0.8:
        raise ConnectionError("网络错误")
    print("成功!")

# 可能重试一次后成功
may_fail()

基本上就这些。关键点是:带参数的装饰器 = 函数返回装饰器。结构清晰,层层嵌套,配合 wraps 更专业。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《带参数的Python装饰器怎么写?》文章吧,也可关注golang学习网公众号了解相关技术文章。

Three.js 场景全黑?加环境光解决!Three.js 场景全黑?加环境光解决!
上一篇
Three.js 场景全黑?加环境光解决!
AI画笔工具使用与笔刷制作教程
下一篇
AI画笔工具使用与笔刷制作教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    301次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    358次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    357次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    324次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    143次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码