Python Q&A: 装饰器

第一期的Python Q&A。

发表于 2026/01/23 更新于 2026/02/01

作者 HYLi360

9 分钟阅读

Python Q&A: 装饰器

Question.

@ 在Python上是装饰器标识符。迄今为止我已经遇到了三个装饰器：

@dataclass，让需要接受大量初始化参数的类看上去更简洁；

  
from dataclasses import dataclass
  
@dataclass	
class Custom:
  # 这些没有默认值的属性需要实例化的时候提供
  prop1: str
  prop2: str
  prop3: str
    
# 之后照常实例化就好
custom = Custom(prop1="hello", prop2="from", prop3="python!")

@classmethod，定义类方法，以在实例化之前先定义其行为；

  
class Custom:
# ......
    
  # 不同于实例方法，类方法可由实例化自该类（或实例化自继承它的类）的对象调用
  # 你可以轻松地让不同对象实现同一名称的方法，还能确保互不干扰
  @classmethod
  def fun_cls(cls, param1, param2):
    pass

@staticmethod，在类里定义一个不依赖于类的一个方法。

  
class Custom:
# ......
  
  # 静态方法可以不依赖于类/对象本身
  # 也就是说，你甚至可以不将 `cls`/`self` 作为必需参数
  @staticmethod
  def fun_static(param1, param2):
    pass

由于我学的很零散，我并不清楚工程上是如何利用这些装饰器的，以及除了这些还有没有其他的，目的完全不同的装饰器。

Answer.

装饰器是 Python 非常棒的特性之一，个人感觉比那些“魔术方法”更“魔术”（因为“魔术方法”看上去既不直观也不魔术，但以后或许会说。或许吧……）

对于不太明白装饰器定义的人，我简单说一下：装饰器装饰的是函数，它能在不改动函数的基础上赋予函数特殊的超能力。（~~抛瓦！！！~~）

以后如果面对了这些工程问题，那么装饰器将非常有用。

例如给一个外部应用程序写一个“Warpper”（差不多就是“API”），某些程序可能需要十几个，二十几个参数，将它们堆到 __init__ 里，场面将极其壮观：

  
class Warpper:
  def __init__(self, param1, param2, param3, param4, param5, param6,):
    pass

而如果使用 *args（按位置传值）或者 **kwargs（按键值对传值），使用 IDE 的人会很头疼，因为这样做就不知道它可以接受哪些参数，以及这些参数具有哪些类型限制。此时使用 @dataclass，就是非常棒的选择。

当然，Python 的装饰器类型很多，你也可以自己定义几个，从而方便你的程序设计。我大概举几个例子吧。

第一个案例，假设你有这样一个类：

  
class Circle:
  def __init__(self, radius):
    self._radius = radius

它具有半径 _radius 这一个属性。以_开头的都是受保护的对象——当然，如果你想访问，这个障碍仍然挡不住你。即便如此你还是想上锁，那该怎么办？

@property就可以做到这一点。

  
class Circle:
  def __init__(self, radius):
      self._radius = radius

  @property
  def area(self):
    # 调用时不需要括号，直接 c.area 即可
    return 3.14 * (self._radius ** 2)

  @property
  def radius(self):
    return self._radius

# 尝试实例化一个 Circle 对象
circle = Circle(radius = 5)

# 访问其半径（注意这里用的是 radius，而不是 _radius，更不是 radius()）
print(circle.radius)  # 返回 5
# 访问其面积
print(circle.area)    # 返回 78.5

用函数伪装成属性，就是它最大的功用——这后面两个函数（方法）如同活板门，它们只能将值传出去，而无法接受一个值以进行改动。更妙的是，调用它们不需要带()，让它们看上去更像属性，而不是函数（方法）！

虽然还是防不了有人用 circle._radius 强行“Hack”，但对于路人来说足够了。算了，至少 circle.radius 已经变成只读了，就这样吧。（笑）

另一个案例与性能有关。学习动态规划时，“计算斐波那契数列”是一个经典的入门问题。传统的“递归”（自顶向下）会反复对同一个输入求值（例如计算 F(45)，其内部仍然要反复计算 F(1) 的值），所以我们引入了动态规划，引入了“剪枝”，引入了“自底向上”的方法，经过了无穷多的麻烦才赢得了 \(O(N)\) 的时间复杂度，而不是以往的 \(O(2^{n})\)。

  
# 一个经典的斐波那契数列通项函数，采用了滚动数组算法
# 如果你学过动态规划或者刷过 Leetcode，你会觉得相当眼熟
def fib(n: int) -> int:
  if n <= 1:
    return n

  # a 代表 f(0), b 代表 f(1)
  a, b = 0, 1

  # 从第 2 级开始计算，直到第 n 级
  for _ in range(2, n + 1):
    # 新的结果 = 前两个结果之和
    # 更新 a 和 b，并向后滚动
    a, b = b, a + b

  return b

不过在 Python，想避免重复计算，只需要这个装饰器：

  
from functools import lru_cache

@lru_cache(maxsize=128)
def fib(n):
  if n < 2: return n
    return fib(n-1) + fib(n-2)

它让函数具备自动缓存的能力，从而在下次获得同样输入时，通过查表直接返回结果。令人欣慰的是，它的时间复杂度同样是线性阶 \(O(N)\)；但空间复杂度……或者说需要消耗多少内存，取决于你给了多少空间用来缓存结果。算是以空间换时间了。

最后一个案例，是自定义装饰器。假设某个用户（user）想要动数据库，想必第一道坎就是要检查他的权限。给每个操作都加个 if 检查其角色（role）也不是不行，但加上了装饰器之后，代码就更加简洁，也更直观了。

  
def admin_required(func):
  # 这又是一个装饰器，但作用于`warpper`，
  # 目的是防止`func`原本的名字（`__name__`）、文档（`__doc__`）等被下面的这个函数覆盖掉
  @functools.wraps(func)
  def wrapper(user, *args, **kwargs):
    if user.role != 'admin':
      raise PermissionError("权限不足")
    return func(user, *args, **kwargs)
  return wrapper

@admin_required
def delete_database(user):
  # 此处无需 if 检查用户权限，而专心于实际的业务逻辑
  print("数据库已删除")

Python Q&A

Python 杂谈

Question.

Answer.

热门标签