一般來說，裝飾器是一個函數，接受一個函數（或者類）作爲參數，返回值也是也是一個函數（或者類）。首先來看一個簡單的例子：
# -*- coding: utf-8 -*-
def log_cost_time(func):
def wrapped(*args, **kwargs):
import time
begin = time.time()
try:
return func(*args, **kwargs)
finally:
print 'func %s cost %s' % (func.__name__, time.time() - begin)
return wrapped
@log_cost_time
def complex_func(num):
ret = 0
for i in xrange(num):
ret += i * i
return ret
#complex_func = log_cost_time(complex_func)
if __name__ == '__main__':
print complex_func(100000)
code snippet 0
代碼中，函數log_cost_time就是一個裝飾器，其作用也很簡單，打印被裝飾函數運行時間。
裝飾器的語法如下：
@dec
def func():pass
本質上等同於： func = dec(func)。
在上面的代碼（code snippet 0）中，把line12註釋掉，然後把line18的註釋去掉，是一樣的效果。另外staticmethod和classmethod是兩個我們經常在代碼中用到的裝飾器，如果對pyc反編譯，得到的代碼一般也都是 func = staticmthod(func)這種模式。當然，@符號的形式更受歡迎些，至少可以少拼寫一次函數名。
裝飾器是可以嵌套的，如
@dec0
@dec1
def func():pass
等將於 func = dec0(dec1(fun))。
裝飾器也有“副作用“”，對於被log_cost_time裝飾的complex_calc, 我們查看一下complex_func.__name__，輸出是：”wrapped“”。額，這個是log_cost_time裏面inner function（wrapped）的名字，調用者當然希望輸出是”complex_func”，爲了解決這個問題，python提供了兩個函數。
-
functools.update_wrapper
原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])
第三個參數，將wrapped的值直接複製給wrapper，默認爲（__doc__, __name__, __module__)
第四個參數，update，默認爲(__dict__)
-
functools.wraps： update_wrapper的封裝
This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.
簡單改改代碼：
import functools
def log_cost_time(func):
@functools.wraps(func)
def wrapped(*args, **kwargs):
import time
begin = time.time()
try:
return func(*args, **kwargs)
finally:
print 'func %s cost %s' % (func.__name__, time.time() - begin)
return wrapped
再查看complex_func.__name__ 輸出就是 “complex_func”
裝飾器也是可以帶參數的。我們將上面的代碼略微修改一下：
def log_cost_time(stream):
def inner_dec(func):
def wrapped(*args, **kwargs):
import time
begin = time.time()
try:
return func(*args, **kwargs)
finally:
stream.write('func %s cost %s ' % (func.__name__, time.time() -begin))
return wrapped
return inner_dec
import sys
@log_cost_time(sys.stdout)
def complex_func(num):
ret = 0
for i in xrange(num):
ret += i * i
return ret
if __name__ == '__main__':
print complex_func(100000)
code snippet 1
log_cost_time函數也接受一個參數，該參數用來指定信息的輸出流，對於帶參數的decorator
@dec(dec_args)
def func(*args, **kwargs):pass
等價於 func = dec(dec_args)(*args, **kwargs)。
裝飾器對類的修飾也是很簡單的，只不過平時用得不是很多。舉個例子，我們需要給修改類的__str__方法，代碼很簡單。
def Haha(clz):
clz.__str__ = lambda s: "Haha"
return clz
<a href="http://www.jobbole.com/members/cxh1527">@Haha</a>
class Widget(object):
''' class Widget '''
if __name__ == '__main__':
w = Widget()
print w
那什麼場景下有必要使用decorator呢，設計模式中有一個模式也叫裝飾器。我們先簡單回顧一下設計模式中的裝飾器模式，簡單的一句話概述
動態地爲某個對象增加額外的責任
由於裝飾器模式僅從外部改變組件，因此組件無需對它的裝飾有任何瞭解；也就是說，這些裝飾對該組件是透明的。
下圖來自《設計模式Java手冊》或者GOF的《設計模式》
回到Python中來，用decorator語法實現裝飾器模式是很自然的，比如文中的示例代碼，在不改變被裝飾對象的同時增加了記錄函數執行時間的額外功能。當然，由於Python語言的靈活性，decorator是可以修改被裝飾的對象的（比如裝飾類的例子）。decorator在python中用途非常廣泛，下面列舉幾個方面：
（1）修改被裝飾對象的屬性或者行爲
（2）處理被函數對象執行的上下文，比如設置環境變量，加log之類
（3）處理重複的邏輯，比如有N個函數都可能跑出異常，但是我們不關心這些異常，只要不向調用者傳遞異常就行了，這個時候可以寫一個catchall的decorator，作用於所用可能跑出異常的函數
def catchall(func):
@functools.wraps(func)
def wrapped(*args, **kwargs):
try:
return func(*args, **kwargs)
except:
pass
return wrapped
（4）框架代碼，如flask， bottle等等，讓使用者很方便就能使用框架，本質上也避免了重複代碼。
decorator的奇妙應用往往超出相應，經常在各種源碼中看到各種神奇的用法，酷殼這篇文章舉的例子也不錯。本文由健康大部落 std.jkdbl.com 整理髮布