高级工程实践：掌握装饰器在Python中的应用

装饰器是Python中一种重要的语法构造，它可以用于扩展已有函数的功能，同时又不需要修改原函数的定义。装饰器在高级工程实践中非常常用，可以提高代码的可复用性和可读性。本文将介绍装饰器的基本概念和用法，并通过实例解释其应用。

首先，我们来了解一下装饰器是什么。装饰器本质上是一个函数，它接受一个函数作为参数，并返回一个新的函数。这个新的函数通常会在执行原函数之前或之后执行一些额外的代码。装饰器的作用就是在不修改原函数代码的情况下，给函数添加新的功能。

下面是一个简单的装饰器示例：

def logger(func):
    def wrapper(*args, **kwargs):
        print('Function {} is called'.format(func.__name__))
        return func(*args, **kwargs)
    return wrapper

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

print(add(2, 3))

这个例子中，我们定义了一个装饰器函数logger，它接受一个函数func作为参数，并返回一个新的函数wrapper。wrapper函数在执行func前后会打印出函数名，并返回原函数的执行结果。通过将@logger放在add函数的定义前面，我们实现了对add函数的装饰。

当我们调用add(2, 3)时，实际上是调用了logger(add)(2, 3)。logger(add)返回一个新的函数wrapper，然后我们将参数2和3传递给wrapper函数。wrapper函数在执行add前打印了函数名，并返回了add(2, 3)的执行结果。

这个例子展示了装饰器的一种基本用法，即在函数执行前后添加额外的代码。除了这种用法外，装饰器还可以用于其他应用场景，例如缓存、权限验证等。

下面是一个使用装饰器实现函数缓存的示例：

import functools

def cache(func):
    memo = {}

    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        key = (args, tuple(kwargs.items()))
        if key not in memo:
            memo[key] = func(*args, **kwargs)
        return memo[key]
    return wrapper

@cache
def fib(n):
    if n <= 1:
        return n
    return fib(n-1) + fib(n-2)

print(fib(10))

这个例子中，我们实现了一个递归计算斐波那契数列的函数fib。由于递归的效率比较低，我们使用装饰器cache来对结果进行缓存，避免重复计算。cache装饰器内部维护了一个字典memo，存储已经计算过的结果。当带有相同参数的函数再次被调用时，装饰器会直接返回已经缓存的结果，而不需要重新计算。

在这个例子中，我们使用functools.wraps装饰器来保留原函数的元信息（例如函数名和文档字符串），这样可以提高代码的可读性和调试性。

除了这两个例子，装饰器还有很多其他的应用场景，例如记录函数执行时间、验证用户权限、限制函数执行次数等等。装饰器是Python中非常强大的特性，可以帮助我们提高代码的可复用性和可读性，是高级工程实践中不可或缺的一部分。

希望本文对您理解装饰器的基本概念和用法有所帮助，欢迎您进一步探索装饰器在Python中的应用。