一、知识点
装饰器是 Python 中实用的高阶函数特性，核心作用是：不修改原函数代码、不改变原函数调用方式的前提下，给函数增加额外功能。
1. 为什么需要装饰器
若多个函数需要添加同一类通用功能（如计时、日志），不用装饰器会导致重复代码（每个函数都要写一遍功能逻辑）；装饰器可将通用功能抽离出来，一次定义、多处复用，原函数无需任何改动。
2. 装饰器的核心结构
装饰器本质是 "接收函数作为参数，返回新函数" 的高阶函数，核心分三层逻辑：
- 装饰器函数：接收被装饰的原函数作为参数；
- 嵌套的 wrapper（包装）函数：核心层，负责实现额外功能（如计时、日志），同时调用原函数，通过 * args/**kwargs 兼容原函数的任意参数，且保留原函数的返回值；
- 返回 wrapper 函数：用新的包装函数替换原函数，@装饰器名是简化写法（语法糖），等价于 "原函数 = 装饰器名 (原函数)"。
3. 核心执行流程（以计时装饰器为例）
调用装饰后的函数→实际执行的是 wrapper 函数→wrapper 先执行额外功能（如计时开始）→调用原函数执行核心逻辑→原函数执行完毕后，wrapper 再执行剩余额外功能（如计算并打印耗时）→最后返回原函数的返回值，保证原函数功能不受影响。
4. 关键细节
- *args/**kwargs：确保装饰器能适配有参数、无参数、多参数等任意形式的原函数，提升通用性；
- functools.wraps：可选优化，用于保留原函数的名称、注释等身份信息，避免装饰后函数 "身份" 变成 wrapper。
5. 常见应用场景
除了计时、日志，还可用于权限校验（如接口登录检查）、缓存（避免重复计算）、异常捕获（统一处理函数异常）、性能监控（统计调用次数 / 耗时）等。
核心总结
装饰器就像给函数 "穿外套"：外套（wrapper）负责添加额外功能，里面的原函数本身不变，调用方式也和原来一样，却能多出来外套的功能。
二、普通函数与装饰器函数对比
1. 普通的函数
下面这个函数实现的是计算2到9999的所有质数（在大于 1 的自然数中，除了 1 和它自身外，不能被其他自然数整除的数），并且打印找到这些数需要的时间
-
- 定义一个判断是否为质数
-
- 定义一个函数，循环2到9999的数，通过判断质数函数来筛选每个数
-
- 在函数中通过time模块进行记时
会发现，这个time模块让整个代码逻辑很混乱，因为函数的主体是找质数，time模块是找质数的时间，如果可以time模块放在函数外，这样逻辑才清晰。
python
import time
def is_prime(num):
if num < 2:
return False
elif num == 2:
return True
else:
for i in range(2, num):
if num % i == 0:
return False
return True
def prime_nums():
t1 = time.time()
for i in range(2, 10000):
if is_prime(i):
print(i)
t2 = time.time()
print(f"执行时间：{t2 - t1}秒")
prime_nums()2. 装饰器函数
python
import time
# 定义一个装饰器
def display_time(func):
def wrapper(): # 定义一个内部函数，在装饰器中wrapper函数是一个常用的函数名，并非强制，约定俗成的
start_time = time.time()
func() # 直接调用原函数（无参数），这里的func()是指装饰器需要修饰的函数，在这里是prime_nums()
end_time = time.time()
print(f"执行时间: {end_time - start_time} 秒")
return wrapper # return wrapper是返回函数对象，如果是return wrapper()则是立即执行wrapper函数
# 继续定义判断质数的函数
def is_prime(num):
"""
判断一个数是否为素数
"""
if num < 2:
return False
elif num == 2:
return True
else:
for i in range(2, num):
if num % i == 0:
return False
return True
# 装饰器的标准写法
@display_time
def prime_nums(): # 这2行是一个整体
"""
找出2到10000之间的所有素数并打印
"""
for i in range(2, 10000):
if is_prime(i):
print(i)
prime_nums()
# 执行时间每次都会变，但是变动不大，一般计算稳定的执行时间我们都是重复1000遍，然后取平均装饰器的执行流程为：
- 定义装饰器函数 display_time：它接收一个函数 func 作为参数，并返回 wrapper 函数。
- 定义被装饰函数 prime_nums：此时 prime_nums 是一个普通函数对象。
- 应用装饰器：Python 自动将 prime_nums 作为参数传递给 display_time，即执行 display_time (prime_nums)。
- 替换原函数：display_time 返回 wrapper 函数，Python 用这个新函数覆盖了原来的 prime_nums。
也就是说装饰后，原函数名指向 wrapper，而非原始函数。
当你调用 prime_nums () 时，实际上执行的是 wrapper ()，它会：
- 记录开始时间
- 调用 func ()（即原函数）
- 记录结束时间并打印耗时
这种等价的设计，会让初学者搞不懂为什么突然可以采取这种优雅的写法，类似的写法还有很多，在 python 中叫做语法糖：通过规范的写法来让代码更加优美和简洁，比如列表推导式也是，我们在后面再提。
你可以把 @理解为语法糖操作，实际上并非是 @装饰器，而是 @装饰器 + 下一行的代码 二者是一个整体。
3. 进一步拓展装饰器实现复用
可以看到，上述这个写法的时候，prime_nums()没有传入参数，如果函数有参数，那么必须给外部函数传入参数，也就是需要给外部的装饰器函数传入参数。
那么装饰器函数是需要复用的，不同的内部函数传入的参数不同，那就需要装饰器可以传入可变参数来维持这个特性。这就是说到了我们昨天的可变参数。
装饰器函数返回的是wrapper函数，所以，在调用装饰器函数的时候，返回的还是wrapper函数，而不是被修饰的函数。他是被修饰函数的外层函数，参数要大于等于被修饰函数的参数。
python
import time
def display_time(func):
"""支持任意参数的时间统计装饰器"""
def wrapper(*args, **kwargs): # 接收任意数量的位置参数和关键字参数
t1 = time.time()
result = func(*args, **kwargs) # 将参数传递给原函数，注意之前的无参数写法和现在不同
t2 = time.time()
print(f"函数执行时间: {t2 - t1} 秒")
return result # 返回原函数的返回值
return wrapper
@display_time
def add(a, b):
return a + b
add(3, 5) # 正常接收参数并计算三、作业
python
def logger(func):
def wrapper(*args, **kwargs):
print(f"开始执行函数{func.__name__}, 参数：{args}, {kwargs}")
result = func(*args, **kwargs)
print(f"函数 {func.__name__} 执行完毕. 返回值：{result}")
return result
return wrapper
@logger
def multiply(a, b):
return a * b
multiply(2, 3)
html
开始执行函数multiply, 参数：(2, 3), {}
函数 multiply 执行完毕. 返回值：6勇闯python的第30天@浙大疏锦行
一些碎碎念念：
转眼间，跟着疏老师系统学习Python已整整30天。回首这段时光，收获满满，心中满是感激------由衷感谢您提供了如此优质的学习机会，让我得以深入探索这门语言的魅力，您辛苦了！
本科期间，我并非计算机专业，但曾接触过SPSS、R语言等相关知识，当时便对数据与编程的世界充满好奇。而这次系统学习Python，更让我感受到了不一样的惊喜：从未想过，一门编程语言竟能将数字的严谨与视觉的美感完美融合，绘制出如此多优美的图案。这种"用代码创造美"的体验，让我对编程的兴趣愈发浓厚，也彻底打破了我对"编程枯燥"的刻板印象。 经过这30天的系统沉淀，我不仅加深了对Python的理解，更找到了持续探索的动力。
计算机语言的世界奥秘无穷，我早已满怀期待，渴望在接下来的学习中解锁更多技能，进一步探索其中的精彩。未来，我也会带着这份热爱，在编程的道路上稳步前行，不负这段宝贵的学习时光。