转自：http://www.cnblogs.com/xybaby/p/6274187.html
一般来说，装饰器是一个函数，接受一个函数（或者类）作为参数，返回值也是也是一个函数（或者类）。首先来看一个简单的例子：
# -*- coding: utf-8 -*- 2 def log_cost_time(func): 3 def wrapped(*args, **kwargs): 4 import time 5 begin = time.time() 6 try: 7 return func(*args, **kwargs) 8 finally: 9 print ‘func %s cost %s‘ % (func.__name__, time.time() - begin) 10 return wrapped 11 12 @log_cost_time 13 def complex_func(num): 14 ret = 0 15 for i in xrange(num): 16 ret += i * i 17 return ret 18 #complex_func = log_cost_time(complex_func) 19 20 if __name__ == ‘__main__‘: 21 print complex_func(100000) 复制代码
代码中，函数log_cost_time就是一个装饰器，其作用也很简单，打印被装饰函数运行时间。
装饰器的语法如下：
1 @dec 2 def func():pass
本质上等同于： func = dec(func)。
在上面的代码（code snippet 0）中，把line12注释掉，然后把line18的注释去掉，是一样的效果。另外staticmethod和classmethod是两个我们经常在代码中用到的装饰器，如果对pyc反编译，得到的代码一般也都是 func = staticmthod(func)这种模式。当然，@符号的形式更受欢迎些，至少可以少拼写一次函数名。
装饰器是可以嵌套的，如
@dec0
@dec1
def func():pass
等将于 func = dec0(dec1(fun))。
装饰器也有“副作用“”，对于被log_cost_time装饰的complex_calc, 我们查看一下complex_func.__name__，输出是：”wrapped“”。额，这个是log_cost_time里面inner function（wrapped）的名字，调用者当然希望输出是"complex_func"，为了解决这个问题，python提供了两个函数。
- functools.update_wrapper
原型： functools.update_wrapper(wrapper, wrapped[, assigned][, updated])
第三个参数，将wrapped的值直接复制给wrapper，默认为（__doc__, __name__, __module__)
第四个参数，update，默认为(__dict__)
- functools.wraps： update_wrapper的封装
This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.
简单改改代码：
1 import functools 2 def log_cost_time(func): 3 @functools.wraps(func) 4 def wrapped(*args, **kwargs): 5 import time 6 begin = time.time() 7 try: 8 return func(*args, **kwargs) 9 finally: 10 print ‘func %s cost %s‘ % (func.__name__, time.time() - begin) 11 return wrapped
再查看complex_func.__name__ 输出就是 “complex_func”
装饰器也是可以带参数的。我们将上面的代码略微修改一下：
1 def log_cost_time(stream): 2 def inner_dec(func): 3 def wrapped(*args, **kwargs): 4 import time 5 begin = time.time() 6 try: 7 return func(*args, **kwargs) 8 finally: 9 stream.write(‘func %s cost %s \n‘ % (func.__name__, time.time() - begin)) 10 return wrapped 11 return inner_dec 12 13 import sys 14 @log_cost_time(sys.stdout) 15 def complex_func(num): 16 ret = 0 17 for i in xrange(num): 18 ret += i * i 19 return ret 20 21 if __name__ == ‘__main__‘: 22 print complex_func(100000)
log_cost_time函数也接受一个参数，该参数用来指定信息的输出流，对于带参数的decorator
@dec(dec_args)
def func(*args, **kwargs):pass
等价于 func = dec(dec_args)(*args, **kwargs)。
装饰器对类的修饰也是很简单的，只不过平时用得不是很多。举个例子，我们需要给修改类的__str__方法，代码很简单。
1 def Haha(clz): 2 clz.__str__ = lambda s: "Haha" 3 return clz 4 5 @Haha 6 class Widget(object): 7 ‘‘‘ class Widget ‘‘‘ 8 9 if __name__ == ‘__main__‘: 10 w = Widget() 11 print w
那什么场景下有必要使用decorator呢，设计模式中有一个模式也叫装饰器。我们先简单回顾一下设计模式中的装饰器模式，简单的一句话概述
动态地为某个对象增加额外的责任
由于装饰器模式仅从外部改变组件，因此组件无需对它的装饰有任何了解；也就是说，这些装饰对该组件是透明的。
回到Python中来，用decorator语法实现装饰器模式是很自然的，比如文中的示例代码，在不改变被装饰对象的同时增加了记录函数执行时间的额外功能。当然，由于Python语言的灵活性，decorator是可以修改被装饰的对象的（比如装饰类的例子）。decorator在python中用途非常广泛，下面列举几个方面：
（1）修改被装饰对象的属性或者行为
（2）处理被函数对象执行的上下文，比如设置环境变量，加log之类
（3）处理重复的逻辑，比如有N个函数都可能跑出异常，但是我们不关心这些异常，只要不向调用者传递异常就行了，这个时候可以写一个catchall的decorator，作用于所用可能跑出异常的函数
def catchall(func):
@functools.wraps(func)
def wrapped(*args, **kwargs):
try:
return func(*args, **kwargs)
except:
pass
return wrapped
references
pep 0318：https://www.python.org/dev/peps/pep-0318/#syntax-alternatives
PYTHON修饰器的函数式编程：http://coolshell.cn/articles/11265.html