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。
立即学习“Python免费学习笔记（深入）”；
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。
