Python装饰器入门：手把手教你用装饰器优雅扩展函数功能（附详细案例）

想提升Python函数功能却不想修改源代码？本文带你深入理解Python装饰器，一种优雅扩展函数行为的高级技巧。装饰器本质是高阶函数，通过函数包装实现诸如**权限控制、日志记录、性能测试、缓存优化**等功能，大幅提升代码简洁性和可维护性。本文将结合实际案例，如`login_required`权限验证、`log_call`日志记录、`timer`性能计时以及`lru_cache`缓存优化，手把手教你掌握装饰器的原理与应用，让你的Python代码更高效、更专业。告别冗余代码，拥抱Python装饰器的强大力量！

装饰器是Python中用于修改或增强函数行为的特殊函数，其核心原理基于高阶函数特性。1.权限控制：通过login_required装饰器统一处理用户登录验证逻辑；2.日志记录：使用log_call装饰器自动打印函数调用信息；3.性能测试：利用timer装饰器统计函数执行时间；4.缓存优化：通过lru_cache减少重复计算提高效率。这些应用使代码更简洁、复用性更高且易于维护。

装饰器本质上是一个函数，用来修改其他函数或类的行为，而无需修改它们的源代码。它的核心原理是利用了 Python 的高阶函数特性，把一个函数作为参数传给另一个函数，然后返回一个新的函数。

装饰器的典型应用场景包括权限校验、日志记录、性能测试、缓存机制等。下面从几个常见场景出发，说明装饰器的使用方式和背后逻辑。

权限控制：限制某些用户访问特定功能

在开发 Web 应用或者后台系统时，经常需要判断当前用户是否有权限执行某个操作。这时候就可以用装饰器统一处理权限逻辑。

比如，写一个简单的 login_required 装饰器：

def login_required(func):
    def wrapper(user, *args, **kwargs):
        if user.is_authenticated:
            return func(user, *args, **kwargs)
        else:
            print("请先登录")
    return wrapper

然后在视图函数上加上这个装饰器：

@login_required
def access_profile(user):
    print(f"欢迎 {user.name}")

这样就不需要每个函数里都写一遍登录判断逻辑。这种做法让业务逻辑更清晰，也更容易维护。

日志记录：追踪函数调用过程

很多程序都需要记录函数被调用的时间、参数、结果等信息。装饰器非常适合做这类“附加”工作。

可以写一个简单的日志装饰器：

def log_call(func):
    def wrapper(*args, **kwargs):
        print(f"调用函数 {func.__name__}，参数: {args}, {kwargs}")
        result = func(*args, **kwargs)
        print(f"{func.__name__} 返回值: {result}")
        return result
    return wrapper

使用起来也很方便：

@log_call
def add(a, b):
    return a + b

运行 add(3, 5) 会自动打印出调用信息。这种方式对调试和监控很有帮助。

性能测试：统计函数执行时间

有时候想知道某段代码运行多长时间，也可以用装饰器来实现。

写一个计时装饰器：

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        duration = time.time() - start_time
        print(f"{func.__name__} 执行耗时: {duration:.4f} 秒")
        return result
    return wrapper

应用到任意函数上就能看到执行时间：

@timer
def slow_function():
    time.sleep(1)

• 可以用于分析瓶颈函数
• 对比不同算法性能
• 监控接口响应时间

缓存优化：减少重复计算

对于一些计算量大但输入输出固定的函数，可以用装饰器缓存结果，避免重复执行。

Python 标准库中的 functools.lru_cache 就是一个很好的例子：

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

这个装饰器会把之前的调用结果缓存下来，下次遇到相同参数就直接返回结果，大大提升效率。

你也可以自己实现一个简单版本的缓存装饰器，理解其内部机制。

基本上就这些。装饰器虽然看起来有点绕，但只要理解它本质是函数包装的过程，用起来其实很自然。关键是在合适的地方使用，别滥用就行。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~