Python装饰器从入门到生产实践：闭包、functools.wraps 与三层嵌套一次讲透

Python 的装饰器是面试高频题，也是很多工程师"会用但说不清"的知识点。今天用一篇短文把装饰器从闭包讲到生产实践，帮你把这个知识点彻底吃透。

一、装饰器的本质：闭包 + 语法糖

装饰器就是一个"接收函数、返回新函数"的调用。@decorator 只是 func = decorator(func) 的语法糖。理解它的前提是理解闭包：内层函数引用了外层作用域的变量，并且这个引用在函数返回后依然存活。

最简示例：

def log_call(func):

    def wrapper(*args, **kwargs):

        print(f"调用 {func.__name__}")

        return func(*args, **kwargs)

    return wrapper

@log_call

def query_user(uid):

    ...

调用 query_user(1) 时实际执行的是 wrapper(1)，它先打印日志再调用原函数。

二、三个必踩的坑

1. 丢失元信息。wrapper 覆盖了原函数的 __name__、__doc__，调试和文档生成全乱。解法：给 wrapper 加上 functools.wraps(func)，一行解决。

2. 装饰带返回值的函数忘记 return。wrapper 里只写 func(*args, **kwargs) 而不 return，调用方拿到的永远是 None。这类 bug 在重构时经常出现，单测能兜住。

3. 装饰器只在导入时执行一次。想用装饰器做"每次调用都生效"的逻辑，必须写在 wrapper 内部；写在装饰器函数体里的代码只在被装饰那一刻跑一遍。

三、带参数的装饰器：三层嵌套

@retry(times=3, delay=1)

def fetch(url): ...

带参数的装饰器是三层结构：最外层接收参数，中层接收函数，内层是 wrapper。写的时候记住"装饰器工厂"这个叫法就不容易乱：retry(times=3) 返回真正的装饰器，再由它包装 fetch。

四、生产中的高频应用

1. 重试与熔断：对网络请求包一层指数退避重试，注意只对幂等操作重试，POST 下单这类接口重试可能造成重复扣款。

2. 缓存：functools.lru_cache 是现成的装饰器，适合纯函数；带过期时间的缓存需要自己写，注意缓存 key 要把参数序列化进去。

3. 权限与审计：Web 框架的路由守卫本质就是装饰器，Flask 的 @app.route、鉴权切面都是同一套路。

4. 性能埋点：用 time.perf_counter 包住函数计时，比在业务代码里插 print 干净得多。

五、一条心法

装饰器适合做"与业务无关的横切逻辑"：日志、重试、缓存、鉴权。一旦装饰器里开始出现业务 if 判断，就该停下来想想是不是抽象错了。保持装饰器无业务语义，它才能在整个项目里复用。

把闭包、functools.wraps、三层嵌套这三件事讲清楚，装饰器就不神秘了。下次面试被问到，不妨从"它只是函数调用的一种写法"开始讲起。