虽然我认为自己是一个相当能够熟练使用Python编程的人，但是有一点是我从未能够理解的，那就是装饰器。
我知道它们是什么（表面上），我已经阅读了教程、示例、Stack Overflow上的问题，我也理解语法，可以编写自己的代码，偶尔会使用@classmethod和@staticmethod，但是我从来没有想到要在自己的Python代码中使用装饰器来解决问题。我从未遇到过这样的问题，即：“嗯...这看起来像是一个需要用装饰器来解决的工作！”
因此，我想知道大家是否可以提供一些使用装饰器解决问题的实例，希望我能有一个“啊哈！”的时刻并真正理解他们。
我主要使用装饰器来进行计时
def time_dec(func):
def wrapper(*arg):
t = time.clock()
res = func(*arg)
print func.func_name, time.clock()-t
return res
return wrapper
@time_dec
def myFunction(n):
...
time.clock()测量的是CPU时间。如果你想测量挂钟时间，可以考虑使用time.time()代替。 - JabbamyFunction 运行所需的时间... - RSabetmyFunction = time_dec(myFunction)。其余部分是标准的Python代码。 - DMeneses我已经使用它们进行同步。
import functools
def synchronized(lock):
""" Synchronization decorator """
def wrap(f):
@functools.wraps(f)
def newFunction(*args, **kw):
lock.acquire()
try:
return f(*args, **kw)
finally:
lock.release()
return newFunction
return wrap
如评论中所指出的那样，自 Python 2.5 以来，您可以将 with 语句与 threading.Lock（或自版本2.6起的multiprocessing.Lock）对象结合使用，以简化装饰器的实现，只需：
import functools
def synchronized(lock):
""" Synchronization decorator """
def wrap(f):
@functools.wraps(f)
def newFunction(*args, **kw):
with lock:
return f(*args, **kw)
return newFunction
return wrap
不管怎样，你可以像这样使用它：
import threading
lock = threading.Lock()
@synchronized(lock)
def do_something():
# etc
@synchronzied(lock)
def do_something_else():
# etc
基本上，它只是在函数调用的两侧放置了lock.acquire() / lock.release()。
我使用装饰器来对通过某些远程方法调用传递给Python方法的参数进行类型检查。因此，我不必一遍又一遍地重复相同的参数计数、异常抛出等麻烦步骤。
例如，不必像下面这样：
def myMethod(ID, name):
if not (myIsType(ID, 'uint') and myIsType(name, 'utf8string')):
raise BlaBlaException() ...
我只是声明：
@accepts(uint, utf8string)
def myMethod(ID, name):
...
而 accepts() 为我完成了所有的工作。
@accepts的实现。 - martineauisinstance()函数，就像装饰器的PEP 318 实现中所做的那样。由于它的classinfo参数可以是一个或多个类型，因此使用它也可以缓解@Gustavo6046（有效的）反对意见。Python还有一个Number抽象基类，因此可以进行非常通用的测试，例如isinstance(42, numbers.Number)。 - martineau装饰器用于对任何您想要透明“包装”以添加额外功能的内容进行处理。
Django使用它们来包装视图函数上的“登录要求”功能，以及注册过滤器函数。
您可以使用类装饰器为类添加命名日志。
任何足够通用的功能都可以被添加到现有类或函数的行为中。
对于nosetests，您可以编写一个装饰器，为单元测试函数或方法提供多组参数：
@parameters(
(2, 4, 6),
(5, 6, 11),
)
def test_add(a, b, expected):
assert a + b == expected
Twisted库使用装饰器和生成器结合的方式，给人一种异步函数是同步的幻觉。例如：
@inlineCallbacks
def asyncf():
doStuff()
yield someAsynchronousCall()
doStuff()
yield someAsynchronousCall()
doStuff()
使用这种方法，原本需要分割成许多小回调函数的代码可以自然地编写为单个块，这使得代码更易于理解和维护。
当然，一个明显的用途是用于日志记录：
import functools
def log(logger, level='info'):
def log_decorator(fn):
@functools.wraps(fn)
def wrapper(*a, **kwa):
getattr(logger, level)(fn.__name__)
return fn(*a, **kwa)
return wrapper
return log_decorator
# later that day ...
@log(logging.getLogger('main'), level='warning')
def potentially_dangerous_function(times):
for _ in xrange(times): rockets.get_rocket(NUCLEAR=True).fire()
我主要使用它们进行调试（将一个函数包装起来，以打印其参数和结果），以及验证（例如检查参数的正确类型，或在Web应用程序中检查用户是否具有足够的权限来调用特定方法）。
最近我在开发一款社交网络应用程序时使用了它们。对于社区/群组，我需要授权成员创建新的讨论并回复消息。因此，我编写了一个装饰器@membership_required，并将其放置在视图中所需的位置。
def threadsafe_function(fn):
"""decorator making sure that the decorated function is thread safe"""
lock = threading.Lock()
def new(*args, **kwargs):
lock.acquire()
try:
r = fn(*args, **kwargs)
except Exception as e:
raise e
finally:
lock.release()
return r
return new
class X:
var = 0
@threadsafe_function
def inc_var(self):
X.var += 1
return X.var
functools.lru_cache，它做的正是Peter所说的，自从2011年2月发布的Python 3.2版本以来一直可用。 - Ignatius