装饰器是 Python 中最强大的特性之一，但它真的那么简单吗？
还记得第一次看到 @decorator 这个语法时，我一脸懵逼。“这玩意儿是干啥的？” 但后来我发现，它其实是一种语法糖，让代码变得更简洁、更优雅。
装饰器的核心思想是：在不修改原函数定义的前提下，给函数添加额外的功能。比如日志、权限校验、性能监控这些常见的功能，都可以通过装饰器来实现。
举个例子，假设你想给一个函数添加日志功能。如果你不使用装饰器，可能需要写很多重复的代码。但用装饰器，你只需要在函数定义前加一行 @log，就能完成这个任务。
装饰器的本质是函数，它接收一个函数作为参数，并返回一个新的函数。这个新的函数会执行原函数，并在前后添加一些逻辑。比如下面这个简单的装饰器：
def log(func):
def wrapper(*args, **kwargs):
print(f"Calling {func.__name__}")
result = func(*args, **kwargs)
print(f"Finished {func.__name__}")
return result
return wrapper
然后你就可以这样使用：
@log
def add(a, b):
return a + b
这样就完成了日志的添加！ 装饰器让代码更简洁，也更容易维护。
但别急着用装饰器，先理解它背后的原理才是关键。装饰器的执行时机很特别，它会在函数定义时就被执行，而不是在函数调用时。这意味着你可以在函数定义的时候就做一些初始化操作，比如注册函数、缓存结果等。
装饰器的高级用法还包括类装饰器、多层装饰器、带参数的装饰器。比如，你可以写一个带参数的装饰器，来控制日志的详细程度：
def log(level="info"):
def decorator(func):
def wrapper(*args, **kwargs):
if level == "debug":
print(f"[DEBUG] Calling {func.__name__}")
elif level == "info":
print(f"[INFO] Calling {func.__name__}")
result = func(*args, **kwargs)
return result
return wrapper
return decorator
@log(level="debug")
def multiply(a, b):
return a * b
这样你就可以灵活地控制日志级别了。
装饰器也有它的局限性。比如，它对函数的参数和返回值有一定的限制，或者在某些情况下会影响函数的元信息（比如 __name__）。所以，使用装饰器的时候，也要注意这些细节。
装饰器是 Python 的一大亮点，它让代码更优雅、更易读。但如果你只是简单地套用，可能错过它真正的价值。
想知道更多关于装饰器的实战技巧吗？来试试自己实现一个装饰器，看看它如何改变你的代码结构。
关键字列表：python, 装饰器, 语法糖, 代码重用, 日志, 权限校验, 性能监控, 函数, 元信息, wrapper, 类装饰器, 多层装饰器