个人博客

python中的装饰器本质上是一个函数，它可以让其他函数在不做任何改变的情况下增加额外的功能，装饰器返回的是一个函数对象。它经常用于插入日志、权限检验、登陆验证等场景。

在理解装饰器之前，我们想理解下闭包的概念。

闭包：在计算机科学中，闭包，又称为词法闭包，或者函数闭包，是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在，即使已经离开了创造它的环境也不例外。

简单的看个例子：

def func():
    data = 'the data value'
    def getdata():
        print(data)
    return getdata

# 这里获取的就是一个闭包
data_value = func()
# 这里打印‘the data value’
data_value()

这里的data就是一个局部变量，在func函数执行之后，该变量就不存在了。但是里面的嵌套函数使用了这个变量，将这个变量封闭在嵌套的函数中，这样就形成了一个闭包。

装饰器的使用，也和这个闭包类似，可以看看平时封装的一个简单的插入日志的装饰器：

import functools

def log(func):
    @functools.wraps(func):
    def wrapper(*args, **kwargs)
        print('call  %s():' % func.__name__)
        print('args = {}'.format(*args))
        return func(*args, **kwargs)
    return wrapper

@log
def test(msg):
    print('test function')
    print('msg: ', msg)

test('hello')

使用装饰器时，使用了@语法，其实本质上来讲，它也就是一个函数，参数时函数对象，返回也是函数对象，和下面这种方式没有任何区别：

import functools

def log(func):
    @functools.wraps(func):
    def wrapper(*args, **kwargs)
        print('call  %s():' % func.__name__)
        print('args = {}'.format(*args))
        return func(*args, **kwargs)
    return wrapper

def test(msg):
    print('test function')
    print('msg: ', msg)

wrapper = log(test)
wrapper('hello')

当然这个装饰器里面要关注的是@functools.wraps(func)语句，这个python自带的一个装饰器，主要作用就是将原函数的元信息拷贝到装饰器里的func对象，这样可以获取到被调用的函数的name、参数列表等等。

装饰器也是可以带参数，代码如下：

import functools

def record_by_name(name):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs)
            print('call  %s():' % func.__name__)
            print('args = {}'.format(*args))
            print('record by %s.' % name)
            return func(*args, **kwargs)
        return wrapper
    return decorator

@record_by_name('reda')
def test(msg):
    print('test function')
    print('msg: ', msg)

test('hello')

这个带参数的装饰器，看上去挺复杂的，但是在理解了普通的装饰器的使用之后，其实很好理解。只要把最外层的record_by_name函数拿走，此时里面的decorator就和之前的log装饰器一模一样了。而record_by_name('reda')返回的就是decorator函数对象，也就是之前的log函数对象，所以@record_by_name('reda')等同于@log，这样理解起来就是和之前的装饰器没有啥区别了，就是多传递了一个参数值。

装饰器在python中使用的还是比较多的，在以后使用过程中会有更大的体会。