装饰器 — Python的元类

Python 中一切皆对象

Python 中一切皆对象与元类机制在 Python 中类也是对象，而元类则是创建这些类对象的底层机制，用于在类创建过程中实现高级的自定义与校验逻辑。 Python 中数字、函数、类本身等皆为对象，类是由元类创建的实例。元类（Metaclass）是类的模板，默认使用内置的 type 类创建其他类。元类允许开发者在类定义阶段拦截、校验并修改类的属性与行为。通过继承 type 并覆盖 __ne

在 Python 的面向对象编程与元编程体系中，装饰器（Decorator）是一种强大且优雅的语法糖。虽然它通常用于函数或方法，但其本质是基于闭包（Closure）和高阶函数（Higher-order function）的一种代码注入机制，旨在“在不修改原对象定义的前提下，为其增加额外功能”。

什么是装饰器？

简单来说，装饰器就是一个接受函数（或类）作为参数，并返回一个新的函数（或类）的函数。它在代码执行时，将原本的目标函数“包装”起来，从而在调用目标函数前后添加自定义逻辑。

核心机制：高阶函数与闭包

Python 的装饰器依赖于两个核心特性：

函数是一等公民：函数可以像变量一样被赋值、作为参数传递、作为返回值返回。
闭包：内层函数可以引用外层函数的自由变量，即使外层函数已经执行结束。

装饰器的基本语法

最常见的装饰器语法使用 @ 符号，这仅仅是语法糖。以下两段代码是等价的：

使用语法糖：

底层执行过程：

一个简单的装饰器示例

假设我们需要记录函数执行的时间，可以使用装饰器来实现：

python

import time
def timer(func):    def wrapper(*args, **kwargs):        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"函数 {func.__name__} 执行耗时: {end - start:.4f} 秒")        return result    return wrapper
@timerdef heavy_task():    time.sleep(1)
heavy_task()

import time
def timer(func):    def wrapper(*args, **kwargs):        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"函数 {func.__name__} 执行耗时: {end - start:.4f} 秒")        return result    return wrapper
@timerdef heavy_task():    time.sleep(1)
heavy_task()

装饰器的工作流程图

Rendering...

装饰器的进阶应用

1. 带参数的装饰器

如果装饰器本身需要接收配置参数（如设置日志等级），则需要多嵌套一层函数：

python

def repeat(n):    def decorator(func):        def wrapper(*args, **kwargs):            for _ in range(n):                func(*args, **kwargs)        return wrapper    return decorator
@repeat(n=3)def greet():    print("Hi!")

def repeat(n):    def decorator(func):        def wrapper(*args, **kwargs):            for _ in range(n):                func(*args, **kwargs)        return wrapper    return decorator
@repeat(n=3)def greet():    print("Hi!")

2. 类装饰器

装饰器不仅可以装饰函数，也可以装饰类。类装饰器通常用于修改类的属性或方法。

python

def singleton(cls):    instances = {}    def get_instance(*args, **kwargs):        if cls not in instances:            instances[cls] = cls(*args, **kwargs)        return instances[cls]    return get_instance
@singletonclass Database:    pass

def singleton(cls):    instances = {}    def get_instance(*args, **kwargs):        if cls not in instances:            instances[cls] = cls(*args, **kwargs)        return instances[cls]    return get_instance
@singletonclass Database:    pass

装饰器 vs 元类 (Metaclass)

在你的上下文背景中，“装饰器”与“元类”常被放在一起讨论，因为它们都是代码“增强”的手段。两者的主要区别在于作用阶段：

装饰器：作用于函数或类定义之后。它是对已经创建好的对象进行“包装”。
元类：作用于类定义阶段（即 class 关键字解析时）。它是直接干预“类”这个对象是如何产生的。

建议深入探索的方向：

functools.wraps：这是编写装饰器时的“标配”，用于保留原函数的元信息（如 __name__ 和 __doc__）。
装饰器栈：多个装饰器叠加时（@a @b）的执行顺序（从下向上，从内向外）。
类作为装饰器：通过实现 __call__ 方法，将类本身作为装饰器使用。
反射与动态编程：结合 getattr、setattr 等函数，理解装饰器如何实现动态修改对象的属性。

装饰器是 Python “一切皆对象”理念的集大成者，掌握它可以显著减少代码冗余，并使业务逻辑与横向切面逻辑（如权限检查、日志记录、缓存）实现良好的解耦。