上篇讲了Python中的闭包，本篇要讲的装饰器就是闭包的一个重要应用。
如果你还不知道什么是闭包，猛戳这里阅读：彻底理解Python中的闭包和装饰器（上）
什么是装饰器
装饰器的作用是在不修改函数定义的前提下增加现有函数的功能，比如打印函数名称、计算函数运行时间等。装饰器的本质是一个闭包。
下面是一段典型的装饰器定义代码：
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
还记得闭包的两个特征吗？两个嵌套的函数，内函数引用了外函数的局部变量，外函数返回了内函数的引用。
在上面的代码中，内函数wrapper()引用了外部函数的变量func，这个变量是一个函数的引用。func.__name__的意义是获得__name__属性，即函数的名称。所以该装饰器的功能是在原函数调用时输出函数名称。
我们随便写一个函数在shell中输出一句话：
def myfunc():
print('This is original function!')
按照通常的闭包使用方式，要用一个变量保存内函数的引用，然后使用这个函数指针变量调用内函数。所以上面的装饰器可以这样使用：
f = log(myfunc)
f()
运行结果如下：
call myfunc():
This is original function!
仍然牢记闭包的性质，定义函数指针时内函数仍未执行，直到用指针调用内函数。调用时，首先print句输出函数名称，接着return句中实际调用了func函数，即参数传入的myfunc函数。
这里调用内函数时没有传入任何参数，但将内函数定义为(*args, **kw)就可以接受任意类型的参数，具有通用性。
上面的用法完全正确，但装饰器的通常用法并不是这样，而是有更简单的写法。
装饰器的@语法
上面的用法是闭包的一般用法，但在装饰器中，我们一般使用@语法。
写法十分简单，只要在“被装饰”的函数定义前加上@闭包名称即可，如上面的装饰器应当这样写：
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
@log
def myfunc():
print('This is original function!')
其中的@log产生了如下效果：
myfunc = log(myfunc)
这表示myfunc()函数本身的指针（引用）代替了通常闭包中创建函数指针的一步。因此，每当直接调用myfunc函数时就会执行装饰器的闭包，从而产生了对原函数进行“装饰”的效果。
当调用一次原函数时：
myfunc()
输出为：
call myfunc():
This is original function!
读者一开始看到@语法时可能会觉得难以理解，但是将它还原成函数调用的形式，然后像通常的闭包一样理清执行顺序，就会简单许多。
注意：如果一个函数定义前使用了装饰器，那么装饰器本身会完全代替原函数。所以在使用装饰器时必须注意两点：
函数功能不变。
函数返回值不变。
为了做到第1点，装饰器必须接收一个函数引用的变量，并在闭包中调用且只调用一次。
为了做到第2点，装饰器的内函数必须返回原函数的返回值。
在本文最后的例子中我们还将继续探讨第2点。
自定义装饰器参数
正如上文所说，为了使原函数功能不变，装饰器必须接收一个原函数引用的变量作为参数。那么如果想传入其他参数怎么办呢？比如说，我想对不同的函数打印不同的字符串日志，该怎么办？
这时就必须再嵌套一层函数闭包，外层接收自定义参数，内层接收函数引用参数。代码如下：
import functools
def log(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s call %s:' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
@log('execute func1')
def func1():
print('This is function 1')
@log('execute func2')
def func2():
print('This is function 2')
func1()
func2()
输出为：
execute func1 call func1:
This is function 1
execute func2 call func2:
This is function 2
@语句和调用func1()和func2()的语句相当于：
f1 = log('execute func1')(func1)
f1()
f2 = log('execute func2')(func2)
f2()
这实际上是两层嵌套的函数调用。'execute func1'是传给log的参数，log('execute func1')的返回值返回值是内层函数的引用，因此后面还可以再加一个括号，将参数传入内层函数decorator(func)。
这里还多做了一件事：
@functools.wraps(func)
这是Python内置的一个装饰器，作用是将外层函数的属性复制给内层函数，这样输出的函数名称也会是传进来的参数func的值。
然而在测试时发现，不加这句话输出结果并没有变化。其中原因暂时没有搞清楚。为了避免问题，通常还是需要加上这个装饰器。
两个例子
再举两个例子，补充说明一下其他问题。这两个都是廖雪峰教程中的例子。
计时器
设计一个计时器装饰器，计算函数的运行时间。读者不妨自己尝试一下，再来看答案。
Tips：Python中计时可以使用time模块
代码如下：
def metric(func):
@functools.wraps(func)
def decorator(*args, **kw):
start_time = time.time()
ret = func(*args, **kw)
end_time = time.time()
print('%s execution time is %f seconds' % (func.__name__, end_time - start_time) )
return ret
return decorator
@metric
def fsum(x, y):
time.sleep(5.0)
return x + y
res = fast(11, 22)
print('res = ', res)
在之前的例子中，我们的内函数返回值是这样写的：
return func(*args, **kw)
物理上，执行这句代码实际上创建了中间的临时变量来保存返回值。为了免去繁杂的底层机理，我们可以直观理解为，首先调用了func()函数，将func()的返回值返回给这句return“后面”的地方，再由这句return返回给调用内函数处。
这样写保证了之前所要求的原函数返回值不变，同时节约了代码。
然而在计时器中这样写遇到了麻烦。因为代码的缩略，一旦返回，函数就结束了呀，我们怎么读取函数结束时的时间呢？笔者一开始也被困扰许久，后来发现其实解决方法十分简单，只要用一个变量先保存返回值，最后再return这个变量不就行了嘛。
究其原因，是因为一开始没有透彻理解代码的意思，只是遵从书写的“规则”而已。所以学习语言不能死板，而是要深入理解原理。
支持加/不加自定义参数
设计一个装饰器，使其既支持@log，又支持@log('execute')。
看到题目的第一反应是使用默认参数，但仔细一想就会发现这与默认参数不是一回事。当使用@log时，传入的第一个参数是函数引用本身，当使用@log('execute')时，传入的第一个参数是自定义的字符串。因此不能简单地使用默认参数解决。
笔者的解决方案是：判断参数类型，从而决定返回哪一个函数。完整代码如下：
def log(logarg):
def decorator(func):
@functools.wraps(func)
def wrapper1(*args, **kw):
print('%s call %s:' % (logarg, func.__name__))
return func(*args, **kw)
return wrapper1
def wrapper2(*args, **kw):
print('call %s():' % logarg.__name__)
return logarg(*args, **kw)
if isinstance(logarg, str):
return decorator
else:
return wrapper2
@log
def func1():
print('This is function 1')
@log('execute func2')
def func2():
print('This is function 2')
func1()
func2()
小结
- 装饰器是一个闭包，其作用是增强“被装饰”函数的功能
为了保证原函数功能不变，必须在装饰器中调用且只调用一次原函数，且返回原函数的返回值
使用嵌套的闭包设计自定义参数的装饰器，并使用
@functools.wraps(func)将函数属性赋值给内层闭包。
