Python inspect.signature 怎样读取装饰器保留的参数
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。

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。

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。
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
- 下一篇
- Python TypeAliasType 怎样声明可复用类型别名
-
- 文章 · python教程 | 50分钟前 |
- Python logging lastResort 怎样处理没有配置 handler 的日志
- 289浏览 收藏
-
- 文章 · python教程 | 53分钟前 | 并发编程 · Python教程 · Python logging 后台线程 logging.handlers.QueueListener 日志关闭
- Python logging.handlers.QueueListener 怎样优雅停止后台日志线程
- 143浏览 收藏
-
- 文章 · python教程 | 55分钟前 |
- Python tomllib 怎样读取二进制 TOML
- 114浏览 收藏
-
- 文章 · python教程 | 57分钟前 | 文件处理 · Python教程 · Python 目录复制 shutil.copytree dirs_exist_ok 文件覆盖
- Python shutil.copytree 怎样合并已有目标目录
- 165浏览 收藏
-
- 文章 · python教程 | 57分钟前 |
- Python pathlib 复制文件时怎样控制符号链接
- 478浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python configparser 怎样转义值里的百分号
- 393浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python asyncio.PriorityQueue 怎样保持相同优先级的稳定顺序
- 306浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python asyncio.Runner 怎样复用同一个事件循环运行多个入口
- 204浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python TaskGroup 怎样处理嵌套任务组异常
- 319浏览 收藏
-
- 文章 · python教程 | 13小时前 | python · asyncio · asyncio Python异步 as_completed
- Python asyncio.as_completed 怎样按完成顺序处理结果
- 144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。
- 477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。
- 534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。
- 554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。
- 506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。
- 327次使用
-
- 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
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
