【python零基础教程第10讲】Python 闭包与装饰器

Python 闭包与装饰器：从嵌套函数到实战应用

在 Python 中，闭包与装饰器是函数式编程的核心特性，它们让代码更加优雅、可复用，并且能够在不修改原函数代码的前提下增强其功能。本文将从嵌套函数出发，逐步深入闭包的概念、自由变量的作用，再到装饰器的各种形态（无参、带参、多层叠加），最后通过functools.wraps保留原函数信息，并给出计时、日志、权限校验三个实战案例。无论你是初学者还是进阶开发者，都能从中获得扎实的理解与实用的技巧。

一、嵌套函数：函数内部的函数

Python 允许在函数内部定义另一个函数，这种结构称为嵌套函数。内部函数可以访问外部函数的变量，但外部函数不能直接访问内部函数的局部变量。

defouter():x=10definner():print(f"内部函数访问外部变量 x ={x}")inner()outer()# 输出: 内部函数访问外部变量 x = 10

嵌套函数的作用域规则遵循LEGB（Local, Enclosing, Global, Built-in）原则。内部函数可以读取外部函数的变量，但不能直接修改（除非使用nonlocal关键字）。

defouter():count=0definner():nonlocalcount# 声明使用外部函数的变量count+=1returncountreturninner counter=outer()print(counter())# 1print(counter())# 2

嵌套函数是闭包和装饰器的基础，理解它的作用域机制至关重要。

二、闭包概念：函数 + 环境

闭包（Closure）是指一个函数（内部函数）连同其引用的外部变量（自由变量）所构成的整体。即使外部函数已经执行完毕，内部函数仍然可以记住并访问那些自由变量。

defmake_multiplier(factor):defmultiply(number):returnnumber*factorreturnmultiply double=make_multiplier(2)triple=make_multiplier(3)print(double(5))# 10print(triple(5))# 15

这里multiply引用了外部变量factor，当make_multiplier返回后，factor的值被保留在闭包中。double和triple是两个不同的闭包实例，各自持有不同的factor。

自由变量

自由变量是指在嵌套函数中引用的、但既不是该函数的局部变量也不是全局变量的变量。在上例中，factor就是multiply的自由变量。Python 通过__closure__属性可以查看闭包中绑定的自由变量：

print(double.__closure__.cell_contents)# 2print(triple.__closure__.cell_contents)# 3

闭包常用于：

• 数据隐藏（模拟私有变量）
• 延迟计算
• 回调函数
• 装饰器

三、装饰器基础：无参装饰器

装饰器本质上是一个接受函数作为参数并返回新函数的可调用对象（通常是函数）。它允许在不修改原函数代码的情况下，动态地给函数添加功能。

3.1 最简单的装饰器

defmy_decorator(func):defwrapper():print("在函数调用前执行")func()print("在函数调用后执行")returnwrapperdefsay_hello():print("Hello!")say_hello=my_decorator(say_hello)say_hello()

输出：

在函数调用前执行 Hello! 在函数调用后执行

3.2 使用 @ 语法糖

Python 提供了@语法糖，使装饰器的应用更加简洁：

@my_decoratordefsay_hello():print("Hello!")say_hello()

@my_decorator等价于say_hello = my_decorator(say_hello)。

3.3 装饰带参数的函数

如果原函数需要参数，wrapper必须使用*args和**kwargs来接收任意参数，并传递给原函数：

defmy_decorator(func):defwrapper(*args,**kwargs):print("调用前")result=func(*args,**kwargs)print("调用后")returnresultreturnwrapper@my_decoratordefadd(a,b):returna+bprint(add(3,5))# 输出: 调用前 调用后 8

四、带参数装饰器

有时装饰器本身需要参数（例如指定日志级别、权限角色等）。这时需要在装饰器外层再嵌套一层函数，形成三层结构：

defrepeat(n):defdecorator(func):defwrapper(*args,**kwargs):for_inrange(n):result=func(*args,**kwargs)returnresultreturnwrapperreturndecorator@repeat(3)defgreet(name):print(f"Hello,{name}!")greet("Alice")# 输出三遍: Hello, Alice!

执行流程：

1. repeat(3)返回decorator函数。
2. @decorator将greet作为参数传入decorator，返回wrapper。
3. 调用greet("Alice")实际执行wrapper。

带参数装饰器的通用模板：

defdecorator_with_args(arg1,arg2):defactual_decorator(func):defwrapper(*args,**kwargs):# 使用 arg1, arg2 和 funcreturnfunc(*args,**kwargs)returnwrapperreturnactual_decorator

五、多层装饰器叠加

多个装饰器可以叠加使用，执行顺序从下往上（离函数定义最近的装饰器先应用，但实际调用时从外到内）。

defbold(func):defwrapper():return"<b>"+func()+"</b>"returnwrapperdefitalic(func):defwrapper():return"<i>"+func()+"</i>"returnwrapper@bold@italicdefhello():return"Hello"print(hello())# <b><i>Hello</i></b>

等价于hello = bold(italic(hello))。先应用italic，再应用bold。调用时，bold的wrapper先执行，内部调用italic的wrapper，最后调用原函数。

多层装饰器常用于组合多个横切关注点，如日志 + 权限 + 缓存。

六、functools.wraps：保留原函数信息

装饰器返回的wrapper函数会覆盖原函数的元信息（如__name__、__doc__、__module__等）。使用functools.wraps可以将原函数的属性复制到wrapper上。

importfunctoolsdefmy_decorator(func):@functools.wraps(func)defwrapper(*args,**kwargs):"""这是 wrapper 的文档"""print("调用前")returnfunc(*args,**kwargs)returnwrapper@my_decoratordefadd(a,b):"""返回 a 和 b 的和"""returna+bprint(add.__name__)# add (而不是 wrapper)print(add.__doc__)# 返回 a 和 b 的和 (而不是 "这是 wrapper 的文档")

functools.wraps实际上是一个装饰器，它接受原函数作为参数，将__module__、__name__、__qualname__、__doc__、__dict__和__wrapped__等属性复制到wrapper上。建议在编写所有装饰器时都使用@functools.wraps(func)，以保持函数签名和文档的完整性。

七、装饰器实战：计时、日志、权限校验

7.1 计时装饰器

用于测量函数执行时间，常用于性能分析。

importtimeimportfunctoolsdeftimer(func):@functools.wraps(func)defwrapper(*args,**kwargs):start=time.perf_counter()result=func(*args,**kwargs)end=time.perf_counter()print(f"{func.__name__}执行耗时:{end-start:.6f}秒")returnresultreturnwrapper@timerdefslow_function():time.sleep(0.5)return"完成"slow_function()# 输出: slow_function 执行耗时: 0.500123 秒

7.2 日志装饰器

记录函数调用信息，包括参数和返回值，便于调试和审计。

importfunctoolsimportlogging logging.basicConfig(level=logging.INFO)deflog(func):@functools.wraps(func)defwrapper(*args,**kwargs):args_repr=[repr(a)forainargs]kwargs_repr=[f"{k}={v!r}"fork,vinkwargs.items()]signature=", ".join(args_repr+kwargs_repr)logging.info(f"调用{func.__name__}({signature})")result=func(*args,**kwargs)logging.info(f"{func.__name__}返回{result!r}")returnresultreturnwrapper@logdefdivide(a,b):returna/b divide(10,2)# 日志: 调用 divide(10, 2) ; divide 返回 5.0

7.3 权限校验装饰器

模拟用户角色检查，常用于 Web 框架中的访问控制。

importfunctoolsdefrequire_role(role):defdecorator(func):@functools.wraps(func)defwrapper(*args,**kwargs):# 假设当前用户信息从全局或参数中获取current_user=get_current_user()# 伪代码ifcurrent_user.get("role")!=role:raisePermissionError(f"需要{role}权限，当前角色:{current_user.get('role')}")returnfunc(*args,**kwargs)returnwrapperreturndecorator# 使用示例@require_role("admin")defdelete_user(user_id):print(f"删除用户{user_id}")# 如果当前用户不是 admin，会抛出 PermissionError

实际项目中，权限校验通常结合会话、JWT 等机制，装饰器可以灵活地插入到任何需要权限控制的函数上。

八、总结与最佳实践

• 闭包是装饰器的底层机制，理解自由变量和nonlocal是掌握装饰器的关键。
• 装饰器提供了一种声明式编程风格，将横切关注点（如日志、计时、权限）与业务逻辑分离。
• 带参数装饰器通过三层嵌套实现，外层接收装饰器参数，中层接收函数，内层接收原函数参数。
• 多层装饰器从下往上应用，从上往下执行，组合时注意顺序。
• 始终使用@functools.wraps来保留原函数的元信息，这是专业代码的必备习惯。
• 实战中，装饰器可以嵌套使用，例如@log @timer同时记录日志和计时，但要注意执行顺序可能影响结果。

闭包与装饰器是 Python 进阶的必经之路，它们不仅让代码更简洁，也体现了函数式编程的优雅。希望本文能帮助你从原理到实战全面掌握这一重要特性。如果你有任何疑问或想深入探讨某个细节，欢迎在评论区留言交流！