Python装饰器：我给函数加了计时功能，代码只多了2行

2026-02-28

大家好，我是正在实战各种AI项目的程序员晚枫。

今天聊一个让Python代码瞬间变高级的特性——装饰器（Decorator）。

第一次听说这个词时，我以为是什么高深的东西。后来才发现，它就像给手机贴膜一样简单：在不改变原函数的情况下，给它加上新功能。

看完这篇文章，你也能写出带@符号的”高端代码”。

从一个实际需求开始

假设你有10个函数，想统计每个函数运行了多长时间。

笨方法（复制粘贴10次）

import time

def func1():
    start = time.time()
    # ... 原来的代码 ...
    print(f"耗时：{time.time() - start}秒")

def func2():
    start = time.time()
    # ... 原来的代码 ...
    print(f"耗时：{time.time() - start}秒")

# 还有func3, func4... func10

缺点：代码重复、维护困难、容易漏改。

聪明方法（用装饰器）

import time

def timer(func):
    def wrapper():
        start = time.time()
        result = func()
        print(f"耗时：{time.time() - start}秒")
        return result
    return wrapper

@timer
def func1():
    # ... 原来的代码 ...
    pass

@timer
def func2():
    # ... 原来的代码 ...
    pass

只需在函数前加@timer，自动拥有计时功能！

装饰器原理：其实就是一个函数

不要被@符号吓到，装饰器本质上就是接收函数作为参数，返回新函数的函数。

拆解来看

def my_decorator(func):
    def wrapper():
        print("函数执行前")
        func()           # 调用原函数
        print("函数执行后")
    return wrapper

# 使用方式1：手动调用
def say_hello():
    print("Hello!")

say_hello = my_decorator(say_hello)
say_hello()

# 使用方式2：用@语法糖（效果完全一样）
@my_decorator
def say_hello():
    print("Hello!")

say_hello()

@就是语法糖，让代码更优雅。

带参数的装饰器

上面的例子有个问题：如果原函数有参数怎么办？

万能版本（支持任意参数）

import time

def timer(func):
    def wrapper(*args, **kwargs):  # 接收任意参数
        start = time.time()
        result = func(*args, **kwargs)  # 传递参数给原函数
        print(f"{func.__name__} 耗时：{time.time() - start:.4f}秒")
        return result
    return wrapper

@timer
def slow_function(n):
    time.sleep(n)
    return n * 2

result = slow_function(2)  # slow_function 耗时：2.0012秒
print(result)  # 4

记住这个模板，90%的场景都能用！

常用装饰器示例

1. 权限检查

def require_login(func):
    def wrapper(user, *args, **kwargs):
        if not user.is_logged_in:
            raise Exception("请先登录")
        return func(user, *args, **kwargs)
    return wrapper

@require_login
def view_profile(user):
    return user.profile

2. 缓存结果

def memoize(func):
    cache = {}
    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return wrapper

@memoize
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 没有缓存：计算fib(30)需要1秒
# 有缓存：瞬间完成

3. 重试机制

import time

def retry(max_attempts=3, delay=1):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for attempt in range(max_attempts):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    if attempt == max_attempts - 1:
                        raise
                    print(f"尝试{attempt+1}失败，{delay}秒后重试...")
                    time.sleep(delay)
        return wrapper
    return decorator

@retry(max_attempts=3, delay=2)
def fetch_data():
    # 可能失败的网络请求
    pass

多个装饰器叠加

可以同时使用多个装饰器，顺序是从下往上执行：

@decorator_a
@decorator_b
@decorator_c
def my_func():
    pass

# 等价于
my_func = decorator_a(decorator_b(decorator_c(my_func)))