Python装饰器的使用方法和实例应用

Python装饰器是一种用于在不修改已有代码的情况下，给函数或类添加额外功能的工具。它是一种定义闭包函数的方式，通常由一个函数来接收被装饰的函数作为参数，并返回一个新的函数。

使用装饰器可以在不改变原函数定义的情况下，给函数增加功能，比如日志记录、性能分析、缓存等。下面是一个装饰器的基本示例：

def decorator_function(func):
    def wrapper():
        print("Before function execution")
        func()
        print("After function execution")
    return wrapper

@decorator_function
def original_function():
    print("Original function")

original_function()

这段代码中，我们定义了一个装饰器函数decorator_function，它接收一个函数func作为参数，并返回一个闭包函数wrapper。在闭包函数中，我们可以执行一些额外的代码，比如在函数执行前后打印一些信息。然后，我们使用@符号将装饰器应用到原始函数original_function上。

运行这段代码，输出结果为：

Before function execution
Original function
After function execution

我们可以看到，在执行original_function时，实际上调用的是decorator_function返回的闭包函数wrapper，并在函数执行前后打印了额外的信息。

除了函数装饰器，Python还支持类装饰器。类装饰器与函数装饰器类似，但是接收的参数是一个类而不是函数。通过类装饰器，我们可以增加类的属性和方法，或者修改类的行为。下面是一个类装饰器的示例：

class DecoratorClass:
    def __init__(self, cls):
        self.cls = cls
    
    def __call__(self, *args, **kwargs):
        obj = self.cls(*args, **kwargs)
        obj.new_attribute = "Added attribute"
        return obj

@DecoratorClass
class OriginalClass:
    def __init__(self, name):
        self.name = name

original_object = OriginalClass("Object")
print(original_object.name)
print(original_object.new_attribute)

这段代码中，我们定义了一个类装饰器DecoratorClass，它接收一个类cls作为参数，并在__call__方法中对类进行修饰。在修饰过程中，我们增加了一个新的属性new_attribute。然后，我们使用@符号将类装饰器应用到原始类OriginalClass上。

运行这段代码，输出结果为：

Object
Added attribute

我们可以看到，在创建original_object时，实际上调用的是类装饰器返回的实例，而不是原始类。

Python装饰器的实际应用非常广泛。比如，我们可以使用装饰器来记录函数的执行时间：

import time

def timer_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"Function '{func.__name__}' took {end_time - start_time:.2f} seconds")
        return result
    return wrapper

@timer_decorator
def long_running_function():
    time.sleep(2)

long_running_function()

这段代码中，我们定义了一个装饰器timer_decorator，它在函数执行前获取当前时间，然后在函数执行后再次获取当前时间，计算出函数的执行时间，最后打印出来。然后，我们使用这个装饰器来修饰长时间执行的函数long_running_function。

运行这段代码，输出结果为：

Function 'long_running_function' took 2.00 seconds

我们可以看到，在执行long_running_function时，装饰器记录了函数的执行时间。

除了日志记录和性能分析，装饰器还可以用于缓存计算结果。比如，我们可以使用装饰器来缓存斐波那契数列的计算结果，以提高函数的执行效率：

def memoize_decorator(func):
    cache = {}
    def wrapper(n):
        if n in cache:
            return cache[n]
        result = func(n)
        cache[n] = result
        return result
    return wrapper

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

print(fibonacci(10))
print(fibonacci(20))

这段代码中，我们定义了一个装饰器memoize_decorator，它使用字典cache来保存计算结果，如果结果已经存在于缓存中，则直接返回缓存结果，否则计算结果并存入缓存。然后，我们使用这个装饰器来修饰斐波那契数列的求解函数fibonacci。

运行这段代码，输出结果为：

55
6765

我们可以看到，在求解斐波那契数列时，装饰器缓存了计算结果，提高了函数的执行效率。

以上就是Python装饰器的基本使用方法和实例应用。装饰器是Python语言的一项强大工具，它可以帮助我们增加函数或类的功能，提高代码的复用性和可维护性。