作用概述

Decorator（装饰器）是Python语言中的特殊语法，用于简化代码的编写和重复性工作的处理。装饰器可以在不修改原代码的情况下，对函数、类进行扩展和增强，使得代码更加易读、灵活和可维护。

1. 扩展函数功能

装饰器可以用于扩展函数的功能，使得函数具有更多的特性和行为。通过在函数定义前添加装饰器，可以在函数执行前后插入额外的功能、校验参数、记录日志等。装饰器允许我们将额外功能与原函数解耦，便于代码的维护和修改。

例如，我们定义一个装饰器`@logging`，用于记录函数的执行日志信息：

```python
def logging(func):
def wrapper(*args, **kwargs):
print(f"Calling function {func.__name__} with args {args} and kwargs {kwargs}")
result = func(*args, **kwargs)
print(f"Function {func.__name__} executed")
return result
return wrapper

@logging
def add(a, b):
return a + b

add(1, 2)
```

在上述代码中，`@logging`装饰器将会在`add`函数执行前后分别打印日志信息。这样一来，我们可以通过添加装饰器的方式，为函数增加额外的功能，而不需要修改函数的原有实现。

2. 缓存函数结果

装饰器还可以用于缓存函数的结果，减少重复计算、提高执行效率。通过在函数定义前添加装饰器，可以将函数的参数和返回值作为键值对存储在缓存中，并在下次调用时直接返回缓存结果，从而避免重复计算。

例如，我们定义一个缓存装饰器`@memoize`，用于缓存斐波那契数列的计算结果：

```python
def memoize(func):
cache = {}
def wrapper(n):
if n not in cache:
cache[n] = func(n)
return cache[n]
return wrapper

@memoize
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(10))
```

在上述代码中，`@memoize`装饰器将会在计算斐波那契数列时，将每个计算结果保存在缓存中。下次调用时，如果需要计算的结果已经在缓存中存在，则直接返回缓存结果，避免重复计算，提高执行效率。

3. 构建类装饰器

除了装饰函数，装饰器还可以用于装饰类。类装饰器用于对类进行扩展和增强，常见的应用场景包括注入属性、修改方法行为、实现单例模式等。

例如，我们定义一个类装饰器`@debug`，用于注入一个属性并修改类的方法行为：

```python
def debug(cls):
cls.debug = True
original_init = cls.__init__

def new_init(self, *args, **kwargs):
print(f"Initializing object of class {cls.__name__}")
original_init(self, *args, **kwargs)

cls.__init__ = new_init
return cls

@debug
class Example:
def __init__(self, name):
self.name = name

e = Example("test")
print(e.name)
```

在上述代码中，`@debug`装饰器为`Example`类注入了一个名为`debug`的属性，并修改了`__init__`方法的行为，在每次初始化对象时打印一条日志信息。通过类装饰器的方式，我们可以在不修改类定义的前提下，为类添加新的属性和行为，提高代码的灵活性和可维护性。

总结

Decorator（装饰器）是Python语言中一种强大的语法特性，用于简化代码编写和功能扩展的工作。装饰器可以扩展函数的功能，例如添加日志、校验参数等；可以缓存函数的结果，减少重复计算的消耗；可以构建类装饰器，增强类的属性和方法行为。通过使用装饰器，我们可以实现代码的动态性和灵活性，同时提高代码的可读性和可维护性。