4、Python 面试题解析：什么是装饰器（decorator）？
Python 装饰器（Decorator）详解
装饰器是 Python 中一种强大的工具，用于动态修改函数或类的行为，而无需修改其源代码。它基于高阶函数和闭包的概念，广泛应用于日志记录、权限验证、性能测试等场景。
一、装饰器的核心概念
-
定义
装饰器是一个接受函数作为参数并返回新函数的可调用对象（通常是函数或类）。 -
作用
- 在不修改原函数代码的情况下，增强其功能。
- 实现代码复用，遵循 DRY（Don’t Repeat Yourself）原则。
-
语法糖
Python 提供@decorator语法，简化装饰器的使用。
二、装饰器的工作原理
-
函数作为对象
Python 中函数是一等公民，可以作为参数传递、返回值或赋值给变量。 -
闭包机制
装饰器利用闭包（Closure）保存被装饰函数的引用，并在新函数中调用它。 -
执行顺序
- 装饰器在函数定义时立即执行。
- 返回的新函数替换原函数。
三、装饰器的实现步骤
-
定义装饰器函数
接受一个函数作为参数，返回一个新函数。 -
编写新函数
在新函数中添加额外功能，并调用原函数。 -
应用装饰器
使用@decorator语法或手动调用装饰器。
四、代码示例
示例 1：简单装饰器
记录函数的执行时间：
import time
def timer_decorator(func):
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(f"{func.__name__} executed in {end_time - start_time:.4f} seconds")
return result
return wrapper
@timer_decorator
def heavy_computation(n):
time.sleep(n)
return "Done"
# 调用被装饰的函数
print(heavy_computation(2))
输出：
heavy_computation executed in 2.0023 seconds
Done
示例 2：带参数的装饰器
根据日志级别记录信息：
def log_decorator(level="INFO"):
def decorator(func):
def wrapper(*args, **kwargs):
print(f"[{level}] Calling {func.__name__} with args={args}, kwargs={kwargs}")
result = func(*args, **kwargs)
print(f"[{level}] {func.__name__} returned {result}")
return result
return wrapper
return decorator
@log_decorator(level="DEBUG")
def add(a, b):
return a + b
# 调用被装饰的函数
print(add(3, 5))
输出：
[DEBUG] Calling add with args=(3, 5), kwargs={}
[DEBUG] add returned 8
8
示例 3：类装饰器
统计函数调用次数：
class CallCounter:
def __init__(self, func):
self.func = func
self.count = 0
def __call__(self, *args, **kwargs):
self.count += 1
print(f"{self.func.__name__} has been called {self.count} times")
return self.func(*args, **kwargs)
@CallCounter
def greet(name):
return f"Hello, {name}!"
# 调用被装饰的函数
print(greet("Alice"))
print(greet("Bob"))
输出：
greet has been called 1 times
Hello, Alice!
greet has been called 2 times
Hello, Bob!
示例 4：多个装饰器叠加
同时记录日志和执行时间：
@log_decorator(level="INFO")
@timer_decorator
def multiply(a, b):
return a * b
# 调用被装饰的函数
print(multiply(4, 5))
输出：
[INFO] Calling multiply with args=(4, 5), kwargs={}
multiply executed in 0.0000 seconds
[INFO] multiply returned 20
20
五、装饰器的底层机制
-
等价代码解析
@decorator语法糖等价于：def original_function(): pass original_function = decorator(original_function) -
函数属性保留
使用functools.wraps保留原函数的元信息（如__name__、__doc__）：from functools import wraps def my_decorator(func): @wraps(func) def wrapper(*args, **kwargs): print("Before calling the function") result = func(*args, **kwargs) print("After calling the function") return result return wrapper
六、装饰器的应用场景
-
日志记录
自动记录函数调用信息。 -
权限验证
检查用户权限后再执行函数。 -
性能测试
测量函数执行时间。 -
缓存结果
使用functools.lru_cache实现函数结果缓存。 -
重试机制
在函数失败时自动重试。
七、装饰器的注意事项
-
装饰器顺序
多个装饰器从上到下依次应用：@decorator1 @decorator2 def func(): pass # 等价于 func = decorator1(decorator2(func)) -
装饰器副作用
装饰器在函数定义时立即执行，而非调用时。 -
类方法装饰器
装饰类方法时，需使用@functools.wraps保留方法绑定。
八、总结
装饰器是 Python 中实现 AOP（面向切面编程）的核心工具，通过高阶函数和闭包机制，能够在不修改原代码的情况下增强函数功能。掌握装饰器的使用和原理，可以显著提升代码的可维护性和复用性。
最终示例：综合应用
from functools import wraps
def retry_decorator(max_retries=3):
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
for attempt in range(max_retries):
try:
return func(*args, **kwargs)
except Exception as e:
print(f"Attempt {attempt + 1} failed: {e}")
raise Exception("All retries failed")
return wrapper
return decorator
@retry_decorator(max_retries=2)
def risky_operation():
import random
if random.random() < 0.5:
raise ValueError("Something went wrong")
return "Success"
# 调用被装饰的函数
print(risky_operation())
输出（示例）：
Attempt 1 failed: Something went wrong
Attempt 2 failed: Something went wrong
Traceback (most recent call last):
...
Exception: All retries failed