在Python中，实现带参数的装饰器是一个既实用又灵活的高级特性，它允许我们在不修改原有函数定义的前提下，给函数添加额外的功能，并且这些功能可以通过参数进行定制。下面，我将详细阐述如何构建带参数的装饰器，并通过一系列实例来加深理解，同时巧妙地融入“码小课”这一元素，作为学习资源的推荐。 ### 一、理解装饰器的基础 首先，我们需要回顾一下Python中装饰器的基本概念。装饰器本质上是一个函数，它接收一个函数作为参数并返回一个新的函数（或可能是原函数的修改版）。装饰器最常见的用途是在不修改原有函数代码的情况下，给函数添加新的功能。 一个简单的装饰器示例如下： ```python def my_decorator(func): def wrapper(): print("Something is happening before the function is called.") func() print("Something is happening after the function is called.") return wrapper @my_decorator def say_hello(): print("Hello!") say_hello() ``` ### 二、带参数的装饰器 然而，上述装饰器没有接受任何参数（除了它装饰的函数本身）。为了创建可以接受参数的装饰器，我们需要稍微调整设计思路。一个常见的做法是让外层的装饰器函数返回一个内层的装饰器函数，这个内层装饰器函数再接受额外的参数。 #### 示例：一个带参数的装饰器 假设我们想要一个装饰器，它可以在函数执行前后打印日志，同时允许我们指定日志的级别（如INFO, DEBUG等）。 ```python def log_decorator(log_level='INFO'): def decorator(func): def wrapper(*args, **kwargs): print(f"[{log_level}] Function {func.__name__} is called with args: {args} and kwargs: {kwargs}") result = func(*args, **kwargs) print(f"[{log_level}] Function {func.__name__} has finished") return result return wrapper return decorator @log_decorator(log_level='DEBUG') def add(x, y): return x + y print(add(5, 3)) ``` 在这个例子中，`log_decorator` 函数首先定义了一个名为 `decorator` 的内层装饰器函数，它接受一个函数 `func` 作为参数。`decorator` 函数内部定义了 `wrapper` 函数，这个函数会包装原函数 `func` 的调用，并在调用前后打印日志。`log_level` 作为 `log_decorator` 的参数，被 `decorator` 捕获并传递给 `wrapper` 函数，从而允许我们在调用装饰器时指定日志级别。 ### 三、实际应用与深入 带参数的装饰器在实际应用中非常广泛，特别是在需要高度灵活性和可配置性的场景中。以下是一些实际应用的例子，以及如何与“码小课”的学习资源相结合。 #### 1. 性能测试 假设你在“码小课”上学习如何优化Python代码的性能，你可能会想要编写一个装饰器来测量函数的执行时间。 ```python import time def timeit(repeat=1): def decorator(func): def wrapper(*args, **kwargs): start_time = time.time() total_time = 0 for _ in range(repeat): result = func(*args, **kwargs) total_time += time.time() - start_time start_time = time.time() avg_time = total_time / repeat print(f"Function {func.__name__} executed {repeat} times with average time: {avg_time:.6f} seconds") return result return wrapper return decorator @timeit(repeat=3) def factorial(n): if n == 0: return 1 else: return n * factorial(n-1) print(factorial(5)) ``` 这个例子中的 `timeit` 装饰器允许你指定函数被重复执行的次数，从而更准确地测量其平均执行时间。 #### 2. 权限控制 在Web开发或API设计中，权限控制是一个重要环节。你可以使用带参数的装饰器来简化权限验证的逻辑。 ```python def requires_role(role): def decorator(func): def wrapper(*args, **kwargs): if 'user_role' in kwargs and kwargs['user_role'] == role: return func(*args, **kwargs) else: print(f"Access denied. Required role: {role}") return None return wrapper return decorator @requires_role('admin') def delete_user(user_id, user_role): print(f"User {user_id} deleted.") # 尝试删除用户 delete_user(1, 'admin') # 成功 delete_user(1, 'user') # 失败 ``` 这个例子中的 `requires_role` 装饰器允许你指定一个角色，只有具有该角色的用户才能执行被装饰的函数。 ### 四、总结 带参数的装饰器是Python中一个非常强大且灵活的特性，它允许我们在不修改原有函数定义的情况下，通过参数化的方式给函数添加额外的功能。通过上面的例子，我们不仅学习了如何构建带参数的装饰器，还看到了它们在性能测试、权限控制等实际场景中的应用。在“码小课”的学习过程中，深入理解和掌握这一特性，将有助于你编写更加灵活、可维护和可重用的Python代码。希望这篇文章能够为你提供有价值的参考，并激发你对Python编程的进一步探索。