目录
Python进阶教程：装饰器与生成器深入
本文是 Python 入门教程系列 的第 13 篇（扩展篇）。装饰器和生成器是 Python 中非常优雅的两个特性，本篇深入讲解。
一、函数是一等公民
在 Python 中，函数可以像变量一样传递和返回，这是装饰器的基础：
python
def greet(name):
return f"你好，{name}"
# 函数可以赋值给变量
say = greet
print(say("张三")) # 你好，张三
# 函数可以作为参数传递
def call_twice(func, arg):
return func(func(arg))
print(call_twice(greet, "张三")) # 你好，你好，张三二、装饰器基础
装饰器可以在不修改原函数的情况下增强函数功能：
python
import time
def timer(func):
"""统计函数执行时间的装饰器"""
def wrapper(*args, **kwargs):
start = time.perf_counter()
result = func(*args, **kwargs)
elapsed = time.perf_counter() - start
print(f"{func.__name__} 耗时 {elapsed:.4f}s")
return result
return wrapper
@timer
def slow_add(a, b):
time.sleep(0.1)
return a + b
print(slow_add(1, 2)) # slow_add 耗时 0.1xxx s
3三、带参数的装饰器
python
import functools
def repeat(times):
"""让函数重复执行的装饰器（带参数）"""
def decorator(func):
@functools.wraps(func) # 保留原函数信息
def wrapper(*args, **kwargs):
for _ in range(times):
result = func(*args, **kwargs)
return result
return wrapper
return decorator
@repeat(times=3)
def say_hello():
print("Hello!")
say_hello() # 打印 3 次 Hello!四、常用内置装饰器
python
class MyClass:
class_var = 0
def __init__(self, value):
self._value = value
@property
def value(self):
"""只读属性"""
return self._value
@value.setter
def value(self, new_val):
"""属性赋值检查"""
if new_val < 0:
raise ValueError("不能为负")
self._value = new_val
@classmethod
def create(cls):
"""类方法"""
return cls(0)
@staticmethod
def helper():
"""静态方法"""
return "工具函数"
obj = MyClass(10)
print(obj.value) # 10
obj.value = 20 # 调用 setter
print(obj.value) # 20
print(MyClass.create().value) # 0
print(MyClass.helper()) # 工具函数五、生成器基础
生成器用 yield 逐次产出值，不一次性占用内存：
python
def count_up_to(n):
i = 1
while i <= n:
yield i # 暂停并返回
i += 1
gen = count_up_to(5)
print(next(gen)) # 1
print(next(gen)) # 2
print(list(gen)) # [3, 4, 5] 继续消费剩余六、生成器表达式
python
# 列表推导式 vs 生成器表达式
squares_list = [x*x for x in range(1000000)] # 立即占用内存
squares_gen = (x*x for x in range(1000000)) # 惰性求值
# 生成器可以传给 sum 等函数
print(sum(x*x for x in range(10))) # 285
# 内存对比
import sys
print(sys.getsizeof([x for x in range(100000)])) # 约 800KB
print(sys.getsizeof((x for x in range(100000)))) # 约 112B七、生成器实战：无限序列
python
def fibonacci():
"""无限斐波那契序列生成器"""
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib = fibonacci()
# 取前 10 个
print([next(fib) for _ in range(10)])
# [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]八、实战：缓存装饰器
python
import functools
import time
def memoize(func):
"""手写缓存装饰器"""
cache = {}
@functools.wraps(func)
def wrapper(*args):
if args not in cache:
cache[args] = func(*args)
return cache[args]
return wrapper
@memoize
def expensive(n):
print(f"计算 {n}...")
time.sleep(1)
return n * n
start = time.perf_counter()
print(expensive(5)) # 计算 5... 25
print(expensive(5)) # 直接命中缓存 25（不打印计算）
print(f"耗时：{time.perf_counter()-start:.1f}s") # 约 1s总结
本篇深入讲解了装饰器（基础、带参数、内置装饰器）和生成器（基础、表达式、无限序列），并用手写缓存装饰器串联实战。理解这两个特性，能写出更简洁、更 Pythonic 的代码。