大家好，我是 Alex。很多小伙伴在学习 Python 时，都有一座很多初学者觉得难以翻越的大山，那就是 装饰器 (Decorator)。
每当你看到代码里那个神秘的 @ 符号，是不是总觉得心里没底？面试官问你"什么是闭包，什么是装饰器"时，是不是支支吾吾答不上来？
别担心，今天我们就把高深的概念扔到一边，用最通俗的语言，由浅入深，一层一层剥开装饰器的面纱。看完这一篇，保证你以后写代码时，想不用装饰器都难！
01 为啥我们需要装饰器？
在讲技术之前，我们先来看一个实际业务场景。
假设你正在开发一个项目，里面有很多重要的业务函数，比如"处理订单"、"导出报表"等。现在老板提了一个需求："给每个业务函数都加上日志记录，我想知道每个函数执行了多久。"
作为一个老实人，你可能会这样做：
python
import time
def process_order():
start_time = time.time() # 记录开始时间
print("正在处理订单...")
time.sleep(1) # 模拟业务耗时
end_time = time.time() # 记录结束时间
print(f"耗时: {end_time - start_time} 秒")
def export_report():
start_time = time.time() # 重复代码...
print("正在导出报表...")
time.sleep(2)
end_time = time.time() # 重复代码...
print(f"耗时: {end_time - start_time} 秒")写完后你就会发现，代码里充斥着大量重复的计时逻辑。如果老板明天说"耗时要保留两位小数"，你得把几十个函数全改一遍。这简直是维护的噩梦！😱
然鹅，我们真正想要的是：
- 不修改原有的
process_order函数内部代码。 - 在它执行前后，自动加上计时的功能。
这时候，当当当，装饰器就该闪亮登场了。
02 一切的基础：函数也是"东西"
在 Python 中，函数是一等公民（First Class Citizen）。这话说得太学术，简单来说就是：函数和变量一样，可以被传来传去。
- 函数可以赋值给变量。
- 函数可以作为参数传给另一个函数。
- 函数里可以定义另一个函数，并且把它返回。 (注意，这是一个重点！)
看个简单的例子：
python
def outer():
print("我是外层函数")
def inner():
print("我是内层函数")
return inner # 注意：这里返回的是函数对象，没有加括号()
# 调用
func = outer() # 执行 outer，拿到 inner
func() # 执行 inner理解了这一点，我们就可以大致理解了什么事装饰器了。
03 打造第一个装饰器
装饰器的本质，其实就是一个闭包。
我们可以把它想象成一块"夹心饼干"。
- 原函数 （比如
process_order）是饼干的夹心。 - 装饰器是在外面包的一层酥皮（添加的新功能）。
下面，我们来写一个专门用来计时的装饰器 timer：
python
import time
# 这就是装饰器函数
def timer(func):
# wrapper 是包装纸，把原函数包起来
def wrapper():
print(f"--- 开始执行 {func.__name__} ---")
start_time = time.time()
func() # 这里是真正的业务逻辑（夹心）
end_time = time.time()
print(f"--- 执行完毕，耗时: {end_time - start_time:.2f} 秒 ---")
return wrapper # 把包装好的新函数送回去现在，我们要用这个 timer 来"装饰"我们的业务函数：
python
def process_order():
print("正在处理订单...")
time.sleep(1)
# 手动装饰
process_order = timer(process_order)
# 当然了，如果你觉得这里的 process_order 有歧义的话，你完全可以命名成其他的名字，比如：
# process_order123 = timer(process_order)
# 那么调用的时候就是 process_order123()
# 再次调用 process_order，其实是在调用 wrapper
process_order()运行结果：
text
--- 开始执行 process_order ---
正在处理订单...
--- 执行完毕，耗时: 1.00 秒 ---看！我们没有改动 process_order 的任何一行代码，却给它加上了计时功能。这就是装饰器的雏形。
04 那个神奇的 @ 符号
虽然上面的 process_order = timer(process_order) 也能用，但写起来不够优雅。有的童鞋也就有疑问了，在 Python 的一些框架中，也没见这么用哇，都是直接一个 @ 符号就搞定了，比如，定义路由的时候。
是的，Python 贴心地为我们提供了语法糖 （Syntactic Sugar），也就是那个 @ 符号。
下面的代码，和上面的手动赋值是完全等价的：
python
# 下面的 @timer 就相当于执行了: process_order = timer(process_order)
@timer
def process_order():
print("正在处理订单...")
time.sleep(1)
process_order()是不是瞬间清爽了许多？
05 进阶：如果原函数有参数怎么办？
上面的装饰器有个致命弱点：wrapper 函数没有定义参数。如果原本的 process_order 需要传参，程序就会报错。
为了做一个万能的装饰器 ，我们需要用到 *args 和 **kwargs。这两个兄弟可以代表"任意数量、任意类型的参数"。
升级版装饰器 v2.0：
python
def timer_pro(func):
# 接收任意参数
def wrapper(*args, **kwargs):
print(">>> 计时开始")
start = time.time()
# 把接收到的参数，原封不动地传给原函数
# 并且接收原函数的返回值
result = func(*args, **kwargs)
end = time.time()
print(f">>> 计时结束，耗时 {end - start:.4f} 秒")
# 千万别忘了把原函数的返回值送回去！
return result
return wrapper
@timer_pro
def add(a, b):
time.sleep(0.5)
return a + b
# 测试
sum_val = add(10, 20)
print(f"计算结果: {sum_val}")💡 敲黑板： 在写装饰器时，记得要在
wrapper内部返回result。否则，你的add函数虽然执行了，但外面拿到的结果会是None（因为被装饰器"吃掉"了）。
06 完美主义：保留函数的特征
到这里，装饰器已经能处理 99% 的情况了。但是还有一个小瑕疵。
如果你打印 add.__name__（查看函数名），你会发现它竟然变成了 wrapper！
python
print(add.__name__)
# 输出: wrapper
# 期望: add这在调试或者生成文档时会很麻烦，相当于原函数的"身份证"被篡改了。为了解决这个问题，我们需要引入 Python 标准库中的 functools.wraps。
最终完美版装饰器 v3.0：
python
from functools import wraps
import time
def timer_final(func):
@wraps(func) # <--- 这一行是关键！它负责把原函数的信息复制给 wrapper
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
end = time.time()
print(f"{func.__name__} 耗时: {end - start:.4f}s")
return result
return wrapper
@timer_final
def sub(a, b):
"""这是一个减法函数"""
return a - b
print(sub.__name__) # 输出: sub
print(sub.__doc__) # 输出: 这是一个减法函数现在，这个装饰器不仅功能强大，而且"无痕"，完全保留了原函数的元数据。这才是专业 Python 开发者该有的写法。😎
总结一下
Python 装饰器其实并不神秘，它就是一种设计模式：
- 不改变原函数代码：符合"开闭原则"（对扩展开放，对修改关闭）。
- 闭包：函数嵌套函数，内层函数引用外层变量。
- 应用场景 ：日志记录、性能测试、权限校验（比如 Flask 中的
@login_required）、缓存数据等。
希望这篇文章能帮你彻底拿下装饰器！
如果你觉得有用，记得点赞 、收藏 、分享哦，笔芯 ❤️