对于每一个学习 Python 的同学，想必对 @ 符号一定不陌生了，正如你所知， @ 符号是装饰器的语法糖，@符号后面的函数就是我们本文的主角： 装饰器 。
装饰器放在一个函数开始定义的地方，它就像一顶帽子一样戴在这个函数的头上。和这个函数绑定在一起。在我们调用这个函数的时候，第一件事并不是执行这个函数，而是将这个函数做为参数传入它头顶上这顶帽子，这顶帽子我们称之为 装饰器 。
曾经我在刚转行做程序员时的一次的面试中，被面试官问过这样的两个问题：
1、你都用过装饰器实现过什么样的功能？
2、如何写一个可以传参的装饰器？
对于当时实战经验非常有限的我，第一个问题只能回答一些非常简单的用法，而第二个问题却没能回答上来。
当时带着这两个问题，我就开始系统的学习装饰器的所有内容。这些一直整理在自己的博客中，今天对其进行了大量的补充和勘误，发表在这里分享给大家。希望对刚入门以及进阶的朋友可以提供一些参考。
01. Hello，装饰器
装饰器的使用方法很固定
先定义一个装饰器（帽子）
再定义你的业务函数或者类（人）
最后把这装饰器（帽子）扣在这个函数（人）头上
就像下面这样子
def decorator(func): def wrapper(*args, **kw): return func() return wrapper @decorator def function(): print("hello, decorator") 实际上，装饰器并不是编码必须性，意思就是说，你不使用装饰器完全可以，它的出现，应该是使我们的代码
更加优雅，代码结构更加清晰
将实现特定的功能代码封装成装饰器，提高代码复用率，增强代码可读性
接下来，我将以实例讲解，如何编写出各种简单及复杂的装饰器。
02. 入门：日志打印器
首先是 日志打印器 。 实现的功能：
在函数执行前，先打印一行日志告知一下主人，我要执行函数了。
在函数执行完，也不能拍拍屁股就走人了，咱可是有礼貌的代码，再打印一行日志告知下主人，我执行完啦。
# 这是装饰器函数，参数 func 是被装饰的函数 def logger(func): def wrapper(*args, **kw): print('主人，我准备开始执行：{} 函数了:'.format(func.__name__)) # 真正执行的是这行。 func(*args, **kw) print('主人，我执行完啦。') return wrapper 假如，我的业务函数是，计算两个数之和。写好后，直接给它带上帽子。
@logger def add(x, y): print('{} + {} = {}'.format(x, y, x+y)) 然后执行一下 add 函数。
add(200, 50)
来看看输出了什么？
主人，我准备开始执行：add 函数了: 200 + 50 = 250 主人，我执行完啦。
03. 入门：时间计时器
再来看看 时间计时器 实现功能：顾名思义，就是计算一个函数的执行时长。
# 这是装饰函数 def timer(func): def wrapper(*args, **kw): t1=time.time() # 这是函数真正执行的地方 func(*args, **kw) t2=time.time() # 计算下时长 cost_time = t2-t1 print("花费时间：{}秒".format(cost_time)) return wrapper 假如，我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。
import time @timer def want_sleep(sleep_time): time.sleep(sleep_time) want_sleep(10)
来看看输出，如预期一样，输出10秒。
花费时间：10.0073800086975098秒
04. 进阶：带参数的函数装饰器
通过上面两个简单的入门示例，你应该能体会到装饰器的工作原理了。
不过，装饰器的用法还远不止如此，深究下去，还大有文章。今天就一起来把这个知识点学透。
回过头去看看上面的例子，装饰器是不能接收参数的。其用法，只能适用于一些简单的场景。不传参的装饰器，只能对被装饰函数，执行固定逻辑。
装饰器本身是一个函数，做为一个函数，如果不能传参，那这个函数的功能就会很受限，只能执行固定的逻辑。这意味着，如果装饰器的逻辑代码的执行需要根据不同场景进行调整，若不能传参的话，我们就要写两个装饰器，这显然是不合理的。
比如我们要实现一个可以定时发送邮件的任务（一分钟发送一封），定时进行时间同步的任务（一天同步一次），就可以自己实现一个 periodic_task （定时任务）的装饰器，这个装饰器可以接收一个时间间隔的参数，间隔多长时间执行一次任务。
可以这样像下面这样写，由于这个功能代码比较复杂，不利于学习，这里就不贴了。
@periodic_task(spacing=60) def send_mail(): pass @periodic_task(spacing=86400) def ntp() pass
那我们来自己创造一个伪场景，可以在装饰器里传入一个参数，指明国籍，并在函数执行前，用自己国家的母语打一个招呼。
# 小明，中国人 @say_hello("china") def xiaoming(): pass # jack，美国人 @say_hello("america") def jack(): pass 那我们如果实现这个装饰器，让其可以实现 传参 呢？
会比较复杂，需要两层嵌套。
def say_hello(contry): def wrapper(func): def deco(*args, **kwargs): if contry == "china": print("你好!") elif contry == "america": print('hello.') else: return # 真正执行函数的地方 func(*args, **kwargs) return deco return wrapper 来执行一下
xiaoming() print("------------") jack() 看看输出结果。
你好! ------------ hello.
05. 高阶：不带参数的类装饰器
以上都是基于函数实现的装饰器，在阅读别人代码时，还可以时常发现还有基于类实现的装饰器。
基于类装饰器的实现，必须实现 __call__ 和 __init__ 两个内置函数。 __init__ ：接收被装饰函数 __call__ ：实现装饰逻辑。
还是以日志打印这个简单的例子为例
class logger(object): def __init__(self, func): self.func = func def __call__(self, *args, **kwargs): print("[INFO]: the function {func}() is running..."\ .format(func=self.func.__name__)) return self.func(*args, **kwargs) @logger def say(something): print("say {}!".format(something)) say("hello") 执行一下，看看输出
[INFO]: the function say() is running... say hello!
06. 高阶：带参数的类装饰器
上面不带参数的例子，你发现没有，只能打印 INFO 级别的日志，正常情况下，我们还需要打印 DEBUG WARNING 等级别的日志。这就需要给类装饰器传入参数，给这个函数指定级别了。
带参数和不带参数的类装饰器有很大的不同。
__init__ ：不再接收被装饰函数，而是接收传入参数。 __call__ ：接收被装饰函数，实现装饰逻辑。
class logger(object): def __init__(self, level='INFO'): self.level = level def __call__(self, func): # 接受函数 def wrapper(*args, **kwargs): print("[{level}]: the function {func}() is running..."\ .format(level=self.level, func=func.__name__)) func(*args, **kwargs) return wrapper #返回函数 @logger(level='WARNING') def say(something): print("say {}!".format(something)) say("hello") 我们指定 WARNING 级别，运行一下，来看看输出。
[WARNING]: the function say() is running... say hello!
07. 使用偏函数与类实现装饰器
绝大多数装饰器都是基于函数和闭包实现的，但这并非制造装饰器的唯一方式。
事实上，Python 对某个对象是否能通过装饰器（ @decorator ）形式使用只有一个要求： decorator 必须是一个“可被调用（callable）的对象 。
对于这个 callable 对象，我们最熟悉的就是函数了。
除函数之外，类也可以是 callable 对象，只要实现了 __call__ 函数（上面几个例子已经接触过了）。
还有容易被人忽略的偏函数其实也是 callable 对象。
接下来就来说说，如何使用 类和偏函数结合实现一个与众不同的装饰器。
如下所示，DelayFunc 是一个实现了 __call__ 的类，delay 返回一个偏函数，在这里 delay 就可以做为一个装饰器。（以下代码摘自 Python工匠：使用装饰器的小技巧）
import time import functools class DelayFunc: def __init__(self, duration, func): self.duration = duration self.func = func def __call__(self, *args, **kwargs): print(f'Wait for {self.duration} seconds...') time.sleep(self.duration) return self.func(*args, **kwargs) def eager_call(self, *args, **kwargs): print('Call without delay') return self.func(*args, **kwargs) def delay(duration): """ 装饰器：推迟某个函数的执行。 同时提供 .eager_call 方法立即执行 """ # 此处为了避免定义额外函数， # 直接使用 functools.partial 帮助构造 DelayFunc 实例 return functools.partial(DelayFunc, duration) 我们的业务函数很简单，就是相加
@delay(duration=2) def add(a, b): return a+b
来看一下执行过程
>>> add # 可见 add 变成了 Delay 的实例 <__main__.DelayFunc object at 0x107bd0be0> >>> >>> add(3,5) # 直接调用实例，进入 __call__ Wait for 2 seconds... 8 >>> >>> add.func # 实现实例方法 <function add at 0x107bef1e0>
08. 如何写能装饰类的装饰器？
用 Python 写单例模式的时候，常用的有三种写法。其中一种，是用装饰器来实现的。
以下便是我自己写的装饰器版的单例写法。
instances = {} def singleton(cls): def get_instance(*args, **kw): cls_name = cls.__name__ print('===== 1 ====') if not cls_name in instances: print('===== 2 ====') instance = cls(*args, **kw) instances[cls_name] = instance return instances[cls_name] return get_instance @singleton class User: _instance = None def __init__(self, name): print('===== 3 ====') self.name = name 可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上，并不是很常见，但只要熟悉装饰器的实现过程，就不难以实现对类的装饰。在上面这个例子中，装饰器就只是实现对类实例的生成的控制而已。
其实例化的过程，你可以参考我这里的调试过程，加以理解。
09. wraps 装饰器有啥用？
在 functools 标准库中有提供一个 wraps 装饰器，你应该也经常见过，那他有啥用呢？
先来看一个例子
def wrapper(func): def inner_function(): pass return inner_function @wrapper def wrapped(): pass print(wrapped.__name__) #inner_function
为什么会这样子？不是应该返回 func 吗？
这也不难理解，因为上边执行 func 和下边 decorator(func) 是等价的，所以上面 func.__name__ 是等价于下面 decorator(func).__name__ 的，那当然名字是 inner_function
def wrapper(func): def inner_function(): pass return inner_function def wrapped(): pass print(wrapper(wrapped).__name__) #inner_function
那如何避免这种情况的产生？方法是使用 functools .wraps 装饰器，它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉。
from functools import wraps def wrapper(func): @wraps(func) def inner_function(): pass return inner_function @wrapper def wrapped(): pass print(wrapped.__name__) # wrapped
准确点说，wraps 其实是一个偏函数对象（partial），源码如下
def wraps(wrapped, assigned = WRAPPER_ASSIGNMENTS, updated = WRAPPER_UPDATES): return partial(update_wrapper, wrapped=wrapped, assigned=assigned, updated=updated)
可以看到wraps其实就是调用了一个函数 update_wrapper ，知道原理后，我们改写上面的代码，在不使用 wraps的情况下，也可以让 wrapped.__name__ 打印出 wrapped，代码如下：
from functools import update_wrapper WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__', '__annotations__') def wrapper(func): def inner_function(): pass update_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS) return inner_function @wrapper def wrapped(): pass print(wrapped.__name__) 10. 内置装饰器：property
以上，我们介绍的都是自定义的装饰器。
其实Python语言本身也有一些装饰器。比如 property 这个内建装饰器，我们再熟悉不过了。
它通常存在于类中，可以将一个函数定义成一个属性，属性的值就是该函数return的内容。
通常我们给实例绑定属性是这样的
class Student(object): def __init__(self, name, age=None): self.name = name self.age = age # 实例化 xiaoming = Student("小明") # 添加属性 xiaoming.age=25 # 查询属性 xiaoming.age # 删除属性 del xiaoming.age 但是稍有经验的开发人员，一下就可以看出，这样直接把属性暴露出去，虽然写起来很简单，但是并不能对属性的值做合法性限制。为了实现这个功能，我们可以这样写。
class Student(object): def __init__(self, name): self.name = name self.name = None def set_age(self, age): if not isinstance(age, int): raise ValueError('输入不合法：年龄必须为数值!') if not 0 < age < 100: raise ValueError('输入不合法：年龄范围必须0-100') self._age=age def get_age(self): return self._age def del_age(self): self._age = None xiaoming = Student("小明") # 添加属性 xiaoming.set_age(25) # 查询属性 xiaoming.get_age() # 删除属性 xiaoming.del_age() 上面的代码设计虽然可以变量的定义，但是可以发现不管是获取还是赋值（通过函数）都和我们平时见到的不一样。 按照我们思维习惯应该是这样的。
# 赋值 xiaoming.age = 25 # 获取 xiaoming.age
那么这样的方式我们如何实现呢。请看下面的代码。
class Student(object): def __init__(self, name): self.name = name self.name = None @property def age(self): return self._age @age.setter def age(self, value): if not isinstance(value, int): raise ValueError('输入不合法：年龄必须为数值!') if not 0 < value < 100: raise ValueError('输入不合法：年龄范围必须0-100') self._age=value @age.deleter def age(self): del self._age xiaoming = Student("小明") # 设置属性 xiaoming.age = 25 # 查询属性 xiaoming.age # 删除属性 del xiaoming.age 用 @property 装饰过的函数，会将一个函数定义成一个属性，属性的值就是该函数return的内容。同时，会将这个函数变成另外一个装饰器。就像后面我们使用的 @age.setter 和 @age.deleter 。
@age.setter 使得我们可以使用 XiaoMing.age = 25 这样的方式直接赋值。 @age.deleter 使得我们可以使用 del XiaoMing.age 这样的方式来删除属性。
property 的底层实现机制是「描述符」，为此我还写过一篇文章。
这里也介绍一下吧，正好将这些看似零散的文章全部串起来。
如下，我写了一个类，里面使用了 property 将 math 变成了类实例的属性
class Student: def __init__(self, name): self.name = name @property def math(self): return self._math @math.setter def math(self, value): if 0 <= value <= 100: self._math = value else: raise ValueError("Valid value must be in [0, 100]") 为什么说 property 底层是基于描述符协议的呢？通过 PyCharm 点击进入 property 的源码，很可惜，只是一份类似文档一样的伪源码，并没有其具体的实现逻辑。
不过，从这份伪源码的魔法函数结构组成，可以大体知道其实现逻辑。
这里我自己通过模仿其函数结构，结合「描述符协议」来自己实现类 property 特性。
代码如下：
class TestProperty(object): def __init__(self, fget=None, fset=None, fdel=None, doc=None): self.fget = fget self.fset = fset self.fdel = fdel self.__doc__ = doc def __get__(self, obj, objtype=None): print("in __get__") if obj is None: return self if self.fget is None: raise AttributeError return self.fget(obj) def __set__(self, obj, value): print("in __set__") if self.fset is None: raise AttributeError self.fset(obj, value) def __delete__(self, obj): print("in __delete__") if self.fdel is None: raise AttributeError self.fdel(obj) def getter(self, fget): print("in getter") return type(self)(fget, self.fset, self.fdel, self.__doc__) def setter(self, fset): print("in setter") return type(self)(self.fget, fset, self.fdel, self.__doc__) def deleter(self, fdel): print("in deleter") return type(self)(self.fget, self.fset, fdel, self.__doc__) 然后 Student 类，我们也相应改成如下
class Student: def __init__(self, name): self.name = name # 其实只有这里改变 @TestProperty def math(self): return self._math @math.setter def math(self, value): if 0 <= value <= 100: self._math = value else: raise ValueError("Valid value must be in [0, 100]") 为了尽量让你少产生一点疑惑，我这里做两点说明：
使用 TestProperty 装饰后， math 不再是一个函数，而是 TestProperty 类的一个实例。所以第二个math函数可以使用 math.setter 来装饰，本质是调用 TestProperty.setter 来产生一个新的 TestProperty 实例赋值给第二个 math 。
第一个 math 和第二个 math 是两个不同 TestProperty 实例。但他们都属于同一个描述符类（TestProperty），当对 math 对于赋值时，就会进入 TestProperty.__set__ ，当对math 进行取值里，就会进入 TestProperty.__get__ 。仔细一看，其实最终访问的还是Student实例的 _math 属性。
说了这么多，还是运行一下，更加直观一点。
# 运行后，会直接打印这一行，这是在实例化 TestProperty 并赋值给第二个math in setter >>> >>> s1.math = 90 in __set__ >>> s1.math in __get__ 90
如对上面代码的运行原理，有疑问的同学，请务必结合上面两点说明加以理解，那两点相当关键。
11. 其他装饰器：装饰器实战
读完并理解了上面的内容，你可以说是Python高手了。别怀疑，自信点，因为很多人都不知道装饰器有这么多用法呢。
在我看来，使用装饰器，可以达到如下目的：
使代码可读性更高，逼格更高；
代码结构更加清晰，代码冗余度更低；
刚好我在最近也有一个场景，可以用装饰器很好的实现，暂且放上来看看。
这是一个实现控制函数运行超时的装饰器。如果超时，则会抛出超时异常。
有兴趣的可以看看。
import signal class TimeoutException(Exception): def __init__(self, error='Timeout waiting for response from Cloud'): Exception.__init__(self, error) def timeout_limit(timeout_time): def wraps(func): def handler(signum, frame): raise TimeoutException() def deco(*args, **kwargs): signal.signal(signal.SIGALRM, handler) signal.alarm(timeout_time) func(*args, **kwargs) signal.alarm(0) return deco return wraps
以上，便是我对装饰器的所有分享。
查看更多关于没看完这11 条，别说你精通 Python 装饰器的详细内容...