Python 装饰器的 10 个应用场景

2. 性能测试

使用装饰器来测量函数执行时间，对于性能分析和瓶颈定位非常有用。

import time

def timing_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        elapsed = end_time - start_time
        print(f"{func.__name__} took {elapsed:.4f} seconds")
        return result
    return wrapper

3. 数据缓存

装饰器可以用于缓存函数的结果，避免重复计算，特别适用于纯函数（Pure Functions）。Python 标准库提供了 lru_cache 实现。

from functools import lru_cache

@lru_cache(maxsize=128)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

4. 输入验证

确保函数接收有效输入，可以在函数内部逻辑之前进行类型检查或范围校验，提高健壮性。

def validate_decorator(func):
    @functools.wraps(func)
    def wrapper(x, y):
        if not isinstance(x, int) or not isinstance(y, int):
            raise TypeError("Input must be integers")
        return func(x, y)
    return wrapper

@validate_decorator
def multiply(x, y):
    return x * y

5. 授权与身份验证

检查用户是否有执行函数的权限，常用于 Web 框架中的路由保护或 API 接口鉴权。

def auth_decorator(required_role='admin'):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(user, *args, **kwargs):
            if user.get('role') == required_role:
                return func(user, *args, **kwargs)
            else:
                raise PermissionError("You do not have permission")
        return wrapper
    return decorator

@auth_decorator(required_role='admin')
def delete_resource(user, resource_id):
    pass

6. 参数修改

修改函数的输入参数，例如统一格式化时间戳或转换数据类型。

def modify_args_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        # Example: Double all numeric arguments
        new_args = [arg * 2 if isinstance(arg, (int, float)) else arg for arg in args]
        return func(*new_args, **kwargs)
    return wrapper

7. 错误处理

捕获函数中的异常并进行处理，防止程序崩溃，同时记录错误堆栈信息。

def error_handling_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except Exception as e:
            print(f"Error occurred in {func.__name__}: {e}")
            return None
    return wrapper

8. 单例模式

确保类的实例只创建一次，常用于数据库连接池或配置管理器。

def singleton(cls):
    instances = {}
    @functools.wraps(cls)
    def wrapper(*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    return wrapper

@singleton
class Database:
    def __init__(self):
        self.connection = "Connected"

9. 事件监听

在特定事件发生时执行额外的操作，常用于解耦业务逻辑与通知逻辑。

def event_listener(event_name):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            # Simulate event check
            if True: 
                return func(*args, **kwargs)
        return wrapper
    return decorator

10. 异步编程

使同步函数能够异步执行，或者为异步函数添加等待逻辑，配合 asyncio 使用。

import asyncio

async def async_decorator(func):
    @functools.wraps(func)
    async def wrapper(*args, **kwargs):
        await asyncio.sleep(0.1)
        return await func(*args, **kwargs)
    return wrapper

@async_decorator
async def fetch_data():
    return "Data"

进阶技巧

带参数的装饰器

当需要传递参数给装饰器本身时，需要使用三层嵌套函数。

def repeat(times):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            for _ in range(times):
                func(*args, **kwargs)
        return wrapper
    return decorator

类装饰器

除了函数装饰器，还可以使用类来实现装饰器逻辑，通常用于更复杂的状态管理。

class CountCalls:
    def __init__(self, func):
        functools.update_wrapper(self, func)
        self.func = func
        self.count = 0

    def __call__(self, *args, **kwargs):
        self.count += 1
        print(f"Call {self.count} of {self.func.__name__}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hi():
    print("Hi")

调试注意事项

在使用装饰器时，如果未正确使用 functools.wraps，会导致 __name__ 和 __doc__ 丢失，增加调试难度。此外，多层装饰器叠加时，需要注意执行顺序：从内到外依次包裹。在生产环境中，应充分考虑装饰器对性能的影响，避免在高频调用的路径上引入过重的逻辑。

总结

装饰器是 Python 中一个强大而灵活的工具，它可以在不改变原有代码结构的前提下，为函数增加额外的功能。通过掌握装饰器的使用，你可以使你的 Python 代码更加高效、优雅和可维护。注意在生产环境中使用装饰器时，应充分考虑其对性能的影响以及异常处理的完备性。