当前位置:首页 > 文章列表 > 文章 > python教程 > Python inspect.signature 怎样读取装饰器保留的参数

Python inspect.signature 怎样读取装饰器保留的参数

来源:17golang原创 2026-10-15 05:21:08 0浏览 收藏

装饰器经常把原函数包成 (*args, **kwargs),这会让文档生成器、参数校验器或调用适配器看不到原来的参数。解决办法通常不是手动解析字符串,而是让包装器保留 __wrapped__,再用 inspect.signature() 读取 Signature 对象。

官方地址:https://docs.python.org/3/library/inspect.html#inspect.signature

默认情况下,inspect.signature() 会沿着装饰器留下的 __wrapped__ 链寻找原函数;使用 functools.wraps 生成包装器,通常就能恢复原参数签名。若要检查包装器自己的接口,传入 follow_wrapped=False。

先看 inspect.signature 返回什么

inspect.signature(callable) 返回一个 Signature 对象。它不是只能展示的字符串:parameters 是按声明顺序保存参数的有序映射,每个值都是 Parameter,可以继续读取参数种类、默认值和注解。

from inspect import Parameter, signature


def load_page(path: str, *, limit: int = 20) -> list[str]:
    # 这个函数同时展示位置参数、关键字专用参数、默认值和返回注解。
    return [path] * limit


sig = signature(load_page)
print(str(sig))
for name, parameter in sig.parameters.items():
    # kind 能区分普通参数、关键字专用参数以及 *args/**kwargs。
    print(name, parameter.kind, parameter.default, parameter.annotation)

实际使用时,优先读取 sig.parameters,而不是对 str(sig) 做切片。字符串适合展示,结构化的 Parameter 才适合生成表单、校验调用参数或拼装适配层。

Python inspect.signature、Signature、parameters 与 Parameter 元数据的静态关系图
图1:inspect.signature 返回对象及其参数元数据的静态说明图,不是运行截图。

让装饰器保留原函数签名

一个没有元数据处理的装饰器,返回的包装函数通常只有 *args 和 **kwargs。functools.wraps 是最小改动:它会复制常用元数据,并让包装器拥有指向原函数的 __wrapped__ 属性。默认的 signature() 才能沿这条链继续查找。

from functools import wraps
from inspect import signature


def traced(function):
    # wraps 让内省工具知道 wrapper 代理的是哪个原函数。
    @wraps(function)
    def wrapper(*args, **kwargs):
        # 这里可以记录调用,但不要改变原函数的参数传递规则。
        return function(*args, **kwargs)

    return wrapper


@traced
def create_user(name: str, *, active: bool = True) -> dict:
    # 示例返回一个简单对象,重点是观察签名元数据。
    return {"name": name, "active": active}


print(signature(create_user))
print(create_user.__wrapped__.__name__)

这里的 create_user 实际调用对象仍然是 wrapper,但 signature(create_user) 默认会解包到 create_user(name: str, *, active: bool = True) -> dict。这解决的是“公开调用契约如何被发现”,并不代表装饰器自动完成参数校验。

Python 装饰器 wrapper、__wrapped__、follow_wrapped 与 __signature__ 的关系图
图2:装饰器包装链、自动解包开关与显式 __signature__ 的静态边界说明图,不是运行截图。

什么时候使用 follow_wrapped=False

默认的 follow_wrapped=True 适合回答“调用方应该看到什么参数”。如果正在开发装饰器本身,想知道包装器真正接收的接口,就关闭自动解包:

from inspect import signature


wrapped_signature = signature(create_user, follow_wrapped=False)
public_signature = signature(create_user)

# 关闭解包后看到的是 wrapper 的 *args/**kwargs 接口。
print(wrapped_signature)
# 默认解包后看到的是原函数的公开调用签名。
print(public_signature)

这两个结果用途不同:前者用于排查包装器层是否把调用交给下游,后者用于生成文档或让调用适配器理解业务函数。不要把 follow_wrapped=False 当成修复签名丢失的方法,它只是选择了另一层对象。

确实需要代理接口时再设置 __signature__

有些适配器的公开参数并不等于内部函数参数,例如包装器只接受一个配置对象,却希望文档展示拆开的字段。这时可以构造一个 Signature 并赋给 __signature__。Python 文档将该属性的使用说明列为 CPython 实现细节,因此必须把它当作明确的公开契约维护,而不是随意伪造。

from inspect import Parameter, Signature, signature


def proxy(*args, **kwargs):
    # 内部实现仍然按代理层的真实入口接收参数。
    return {"args": args, "kwargs": kwargs}


proxy.__signature__ = Signature([
    # 公开契约必须与适配器实际支持的调用方式保持一致。
    Parameter("name", Parameter.POSITIONAL_OR_KEYWORD, annotation=str),
    Parameter("active", Parameter.KEYWORD_ONLY, default=True, annotation=bool),
])

print(signature(proxy))

设置后,signature(proxy) 会优先得到这份公开签名。若真实的 proxy 并不能处理 active,文档和调用器就会被误导,所以更推荐在“代理接口稳定、内部实现有意隐藏”时使用它。

用 Signature.bind 做调用适配

签名读出来以后,可以用 bind() 把位置参数和关键字参数绑定成名字映射。绑定失败会抛出 TypeError,比自己统计参数数量更可靠;bind_partial() 则允许缺少部分必填参数,适合分阶段构造调用。

from inspect import signature


def send_message(topic: str, body: str, *, retry: int = 2) -> None:
    # 这里仅定义调用契约,不执行网络发送。
    return None


sig = signature(send_message)
bound = sig.bind("events", "ready", retry=3)
bound.apply_defaults()

# arguments 是可直接交给适配层继续处理的参数名映射。
print(bound.arguments)

try:
    # 缺少 body 时,bind 会给出参数契约错误。
    sig.bind("events")
except TypeError as exc:
    # 适配层可以把异常转换为自己的输入错误,而不是吞掉它。
    print(f"参数不完整:{exc}")

装饰器签名问题的常见边界

现象原因处理方式
看到 (*args, **kwargs)包装器没有 __wrapped__,或关闭了自动解包在装饰器中使用 @wraps(function),或明确检查包装器接口
内建函数没有签名某些 C 实现对象没有可供内省的参数元数据捕获 TypeError/ValueError,提供人工配置或降级路径
显式签名与调用时报错不一致__signature__ 只改变内省结果,不替你实现参数处理让公开签名与真实适配逻辑同步,并为关键调用保留测试
注解看起来是字符串延迟注解或字符串化注解需要额外解析上下文按 Python 版本和注解来源选择是否传入 globals、locals、eval_str

小结

如果目标是让装饰器后的函数继续暴露原参数,先在包装器上使用 functools.wraps;如果目标是检查包装器自身,使用 follow_wrapped=False;如果目标是设计一个与内部实现不同的稳定代理接口,才考虑 __signature__。读取结果后,用 Signature.parameters 和 bind() 处理结构化参数,避免围绕字符串签名写脆弱逻辑。

相关问题

为什么用了 wraps 仍然看不到想要的参数?

检查是否对外层又套了一层没有使用 wraps 的装饰器,也检查调用时是否传入了 follow_wrapped=False。多层包装时,每一层都应维护正确的 __wrapped__ 链。

bind 和 bind_partial 有什么区别?

bind 要求必填参数齐全,bind_partial 允许暂时缺少参数,适合把调用拆成多个阶段。两者都只做签名绑定,不会替你调用目标函数。

可以直接修改 Signature.parameters 吗?

不建议。Signature 和 Parameter 都是不可变对象,应使用 Signature.replace() 或 Parameter.replace() 生成修改后的副本。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Python dataclass ClassVar 怎样排除类级配置字段Python dataclass ClassVar 怎样排除类级配置字段
上一篇
Python dataclass ClassVar 怎样排除类级配置字段
Python TypeAliasType 怎样声明可复用类型别名
下一篇
Python TypeAliasType 怎样声明可复用类型别名
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。
    477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。
    534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。
    554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。
    506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。
    327次使用