要理解充分理解python的装饰器，有充分理解下述三个知识点为前提：
- python作用域规则
- 函数即对象
- 闭包
一、python作用域规则：
首先介绍python中的作用域规则。python的作用域规则遵循LEGB规则，这四个字母是什么意思呢？下面将逐一介绍：
- L：local函数内部作用域
- E：enclosing函数内部与内嵌函数之间
- G：global全局作用域
- B：build-in内置作用域
上述四个作用域的优先级表现为L>E>G>B，具体在代码中是什么意思呢？我们举例来说明。
1. local内部作用域
有如下代码，在foo()函数内部和外部都有一个num变量，在函数内部调用num变量，python优先调用了内部的num。函数内部的num的仅仅在函数内部有效，即其生存周期为函数调用结束后内部的num变量失效。
num = 90 def foo(): num = 100 print("函数内部变量num的地址是:{_id}".format(_id=id(num))) print("内部num:{_num}".format(_num=num)) foo() print("函数外部变量num的地址是:{_id}".format(_id=id(num))) print("外部num:{_num}".format(_num=num))
# 执行上述代码获得如下结果：
# 函数内部变量num的地址是:4305316064
# 内部num:100
# 函数外部变量num的地址是:4305315744
# 外部num:90
2. enclosing函数内部与内嵌函数之间
python的函数支持嵌套定义，即在一个函数内部再定义函数，将函数看做一个对象并进行返回。这样，在调用外部函数的时候可以使用一个变量将内部的函数接收。
我们在foo1内部定义了foo2函数，并将foo2返回。所谓的enclosing是指foo2和foo1之间的作用域。
代码段1：
def foo1(): num = 100 def foo2(): num = 90 print("foo2-num_id:{_id}".format(_id=id(num))) print("foo2-num:{_num}".format(_num=num)) print("foo1-num_id:{_id}".format(_id=id(num))) print("foo1-num:{_num}".format(_num=num)) return foo2
foo2 = foo1()
foo2()
# 执行上述代码得：
# foo1-num_id:4305316064
# foo1-num:100
# foo2-num_id:4305315744
# foo2-num:90
代码段2：
def foo1(): num = 100 def foo2(): # num = 90 print("foo2-num_id:{_id}".format(_id=id(num))) print("foo2-num:{_num}".format(_num=num)) print("foo1-num_id:{_id}".format(_id=id(num))) print("foo1-num:{_num}".format(_num=num)) return foo2 foo2 = foo1() foo2()
# 执行上述代码得：
# foo1-num_id:4305316064
# foo1-num:100
# foo2-num_id:4305316064
# foo2-num:100
对比代码段1和代码段2可以看出，在foo2内部，调用num变量时，会优先调用内部的num变量，假如内部变量num不存在，则去外层寻找num。
3. global全局作用域
global作用域是指整个python文件。 1 num = 1 2 3 def foo1():
4 num = 2 5 6 def foo2(): 7 num = 3 8 print(num) 9 10 print(num) 11 12 return foo2 13 14 print(num) 15 foo2 = foo1() 16 foo2()
# 执行上述代码得：
1
2
3
上述代码分别定了三个num变量，其中第1行中的num属于全部作用域范围。
4. build-in内置作用域
def Max(a,b): return max(a, b) print(Max(1,2))
上述代码中，编译器在编译Max函数的时候，发现Max函数包含max函数，而局部作用域和全局作用域都没有max函数，编译器就会去内置作用域中查找max。
二、函数即对象：
在python这个世界里，函数和我们之前的[1,2,3],‘abc‘,8等一样都是对象，而且函数是最高级的对象(对象是类的实例化，可以调用相应的方法，函数时包含变量的对象的对象)。
通过上图，咱们来理解一下python变量在内存中的情况。
我们定义一个a=8，其实a存储的并不是‘8’这个值，而是‘8’在内存中的地址。将进行b=a这个操作时，是将a中包含‘8’的内存地址赋值给b，这样的话b也就指向8了。此时，a和b在值上表现出一样。同样的道理，我们定义一个函数foo()，它执行print(‘ok‘) 这个操作，此时，编译器在编译foo()这个函数的时候，会将foo这个函数名指向print(‘ok‘)这条语句在内存中的地址。在python中，函数是一个对象，既然是对象，我们就可以对其进行更改(赋值)，执行bar=foo这个操作的意思就是bar这个变量指向print(‘ok‘)在内存中的地址。
根据上述理解，我们可以得出下述两个结论:
1. 函数名可以赋给其它变量
def foo(): print(‘i am foo...‘) bar = foo bar() # 执行上述代码，打印‘i am foo...‘
2. 函数名可以作为函数的参数进行传递，类型字符串、列表等
def foo(): print(‘i am foo...‘) def func(f): f() func(foo) # 执行上述代码，打印‘i am foo...‘
3. 函数名可以作为返回值返回
def foo1(): def foo2(): print(‘i am foo2‘) return foo2 foo = foo1() foo()
# 执行上述代码，打印‘i am foo2...‘
三、闭包
首先来看一个闭包的实例。
def outer(num): def inner(): print(num) return inner func = outer(10) func()
上述代码便是一个闭包的实例。我们来分析一下代码：
1. 参数(变量)num的作用域为整个outer函数，其中在inner函数中也是有效的。
2. inner函数(根据前面的内容，我们可以将其理解为一个变量)，其作用域也在函数outer内部有效。
但是，我们在代码中调用outer函数，此时它返回inner函数被func接收。我们再次执行func函数，它成功地打印了num的值，此时，便有一个疑问，num变量已经跑到它的作用域外面去了，为何它还是有效的？
原来，上述代码构成了一个闭包函数。
所谓的闭包函数，由两部分构成。一个是内部函数，另一个是定义内部函数时的环境，其中num这个值便是当时定义inner函数时的环境之一。
闭包 = 函数块+定义函数时的环境
return表面上虽然只返回了innner函数，但实际上它将当时定义inner函数时所处的环境一起返回(当然，这个环境并不是单纯的只有num变量，还有其它很多....)。
闭包的完整定义：如果在一个内部函数里，对在外部作用域(但不是在全局作用域)的变量进行引用，那么内部函数就被认为是闭包(closure)
四、装饰器
说了这么多，终于可以说到装饰器了。
装饰器本质上是一个函数，该函数用来处理其它函数，它可以让其它函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是函数对象。它经常用于切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为了已经存在的对象添加额外的功能。
我们来看一个装饰器的实例：
import time def show_time(func): def inner(): start = time.time() func() end = time.time() print("spend %s" % (end - start)) return inner @show_time # foo = show_time(foo) def foo(): print(‘foo...‘) time.sleep(2) @show_time # bar = show_time(bar) def bar(): print(‘bar...‘) time.sleep(2)
此时有两个函数foo()和bar()，我们想查看一下这两个函数的执行时间。此时我们定义一个show_time函数，该函数的参数是一个函数名字，返回值是一个函数。在函数内部，执行传入的函数并且打印其执行的时间。
函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像foo被上下时间函数装饰了。在这个例子中，函数进入和退出时，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程。
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作。
五、带参数的装饰器
1. 不定长参数的装饰器
#***********************************不定长参数 import time def show_time(func): def wrapper(*args,**kwargs): start_time=time.time() func(*args,**kwargs) end_time=time.time() print(‘spend %s‘%(end_time-start_time)) return wrapper @show_time #add=show_time(add) def add(*args,**kwargs): time.sleep(1) sum=0 for i in args: sum+=i print(sum) add(2,4,8,9)
2. 装饰器本身含有参数
import time def time_logger(flag=0): def show_time(func): def wrapper(*args, **kwargs): start = time.time() func(*args, **kwargs) end = time.time() print(‘spend %s‘ % (start - end)) if flag: print(‘打印成功‘) return wrapper return show_time @time_logger(3) def add(*args, **kwargs): time.sleep(1) sum = 0 for i in args: sum += i print(sum) add(1, 2, 3, 4, 5)
@time_logger(3)做了两件事情：
1. time_logger(3) 得到闭包函数show_time，里面保存环境变量flag
2. @show_time add=show_time(add)
上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我们调用@time_logger(3)时，python能够发现这一层的封装，并把参数传递到装饰器。
