decorator可以更方便地写Python装饰器代码，更重要的是，它让 Python 中被装饰器装饰后的方法长得更像装饰前的方法。

常规的装饰器

下面这是一个最简单的装饰器示例，在运行myfunc函数的前后都会打印一条日志。

def deco(func):    def wrapper(*args, **kw):        print("Ready to run task")        func(*args, **kw)        print("Successful to run task")    return wrapper@decodef myfunc():    print("Running the task")myfunc()

装饰器使用起来，似乎有些高端和魔幻，对于一些重复性的功能，往往会封装成一个装饰器函数。

在定义一个装饰器的时候，都需要像上面一样机械性的写一个嵌套的函数，对装饰器原理理解不深的初学者，往往过段时间就会忘记如何定义装饰器。

有一些比较聪明的同学，会利用 PyCharm 来自动生成装饰器模板

然后要使用的时候，直接敲入deco就会生成一个简单的生成器代码，提高编码的准备效率

使用神库

使用 PyCharm 的 Live Template ，虽然能降低编写装饰器的难度，但却要依赖 PyCharm 这一专业的代码编辑器。

这里推荐一个更加简单的方法，使用这个方法呢，需要先安装一个库 ：decorator，使用 pip 可以很轻易地去安装它

nbsp;python3 -m pip install decorator

从库的名称不难看出，这是一个专门用来解决装饰器问题的第三方库。

有了它之后，以后自己定义的装饰器，就再也不需要写嵌套的函数了

from decorator import decorator@decoratordef deco(func, *args, **kw):    print("Ready to run task")    func(*args, **kw)    print("Successful to run task")@decodef myfunc():    print("Running the task")myfunc()

deco 作为装饰函数，第一个参数是固定的，都是指被装饰函数，而后面的参数都固定使用 可变参数*args和**kw的写法，代码被装饰函数的原参数。

这种写法，更加符合直觉，代码的逻辑也更容易理解。

带参数的装饰器可用？

装饰器根据有没有携带参数，可以分为两种

第一种：不带参数，最简单的示例，上面已经举例

def decorator(func):    def wrapper(*args, **kw):        func(*args, **kw)    return wrapper

第二种：带参数，这就相对复杂了，理解起来了也不是那么容易。

def decorator(arg1, arg2):    def wrapper(func):        def deco(*args, **kwargs)            func(*args, **kwargs)        return deco    return wrapper

那么对于需要带参数的装饰器，decorator是否也一样能很好的支持呢？

下面是一个官方的示例

from decorator import decorator@decoratordef warn_slow(func, timelimit=60, *args, **kw):    t0 = time.time()    result = func(*args, **kw)    dt = time.time() - t0    if dt > timelimit:        logging.warn('%s took %d seconds', func.__name__, dt)    else:        logging.info('%s took %d seconds', func.__name__, dt)    return result@warn_slow(timelimit=600)  # warn if it takes more than 10 minutesdef run_calculation(tempdir, outdir):    pass

可以看到

• 装饰函数的第一个参数，还是被装饰器 func ，这个跟之前一样
• 而第二个参数 timelimit 写成了位置参数的写法，并且有默认值
• 再往后，就还是跟原来一样使用了可变参数的写法

不难推断，只要在装饰函数中第二个参数开始，使用了非可变参数的写法，这些参数就可以做为装饰器调用时的参数。

签名问题有解决？

在自己写装饰器的时候，通常都会顺手加上一个叫functools.wraps的装饰器，那他有啥用呢？

先来看一个例子

def wrapper(func):    def inner_function():        pass    return inner_function@wrapperdef wrapped():    passprint(wrapped.__name__)#inner_function

为什么会这样子？不是应该返回func吗？

这也不难理解，因为上边执行func和下边decorator(func) 是等价的，所以上面func.__name__是等价于下面decorator(func).__name__的，那当然名字是inner_function

def wrapper(func):    def inner_function():        pass    return inner_functiondef wrapped():    passprint(wrapper(wrapped).__name__)#inner_function

目前，可以看到当一个函数被装饰器装饰过后，它的签名信息会发生变化（譬如上面看到的函数名）

那如何避免这种情况的产生？

解决方案就是使用前面所说的 functools .wraps 装饰器。

它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合直觉。

from functools import wrapsdef wrapper(func):    @wraps(func)    def inner_function():        pass    return inner_function@wrapperdef wrapped():    passprint(wrapped.__name__)# wrapped

那么问题就来了，使用了 decorator 之后，是否还会存在这种签名的问题呢？

写个例子来验证一下就知道了

from decorator import decorator@decoratordef deco(func, *args, **kw):    print("Ready to run task")    func(*args, **kw)    print("Successful to run task")@decodef myfunc():    print("Running the task")print(myfunc.__name__)

输出的结果是myfunc，说明decorator已经默认处理了一切可预见的问题.

总结

decorator是一个提高装饰器编码效率的第三方库，它适用于对装饰器原理感到困惑的新手，可以让你很轻易的写出更符合人类直觉的代码。

对于带参数装饰器的定义，是非常复杂的，它需要要写多层的嵌套函数，并且需要熟悉各个参数的传递路径，才能保证写出来的装饰器可以正常使用。

这时候，只要用上decorator这个库，就可以很轻松的写出一个带参数的装饰器。同时也不用担心他会出现签名问题，这些它都妥善的处理好了。