本人近日初学python，在廖雪峰大大的网站上学习。该教程内容大纲是齐全的，但是在某些概念阐述和理解方面，对于初学者往往没有较好的适应性。所以我摘选了某些优秀同学的见解和译文推荐，写了一篇博，方便自己以后翻阅，也希望能帮到大家，
>>> def now():... print('2015-3-25')...>>> f = now>>> f()2015-3-25 函数对象有一个__name__属性，可以拿到函数的名字：
>>> now.__name__'now'>>> f.__name__'now'
now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改 now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。 我们要定义一个能打印日志的decorator，可以定义如下：
def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper 观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
@logdef now(): print('2015-3-25') 调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
>>> now()call now():2015-3-25
把@log放到now()函数的定义处，相当于执行了语句：
now = log(now)
由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator 这个3层嵌套的decorator用法如下：
@log('execute')def now(): print('2015-3-25') 执行结果如下：
>>> now()execute now():2015-3-25
和两层嵌套的decorator相比，3层嵌套的效果是这样的：
>>> now = log('execute')(now) 我们来剖析上面的语句，首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
>>> now.__name__'wrapper'
因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：
import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper 或者针对带参数的decorator：
import functoolsdef log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
小结
在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。
decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。
'begin call'和 'end call'的日志。 #练习巩固了我对廖大大本讲主要内容的理解，分两种情况： #1#如果decorator本身不用传入参数的话，只是接受一个函数（当然也可以把接受的函数作为参数，为了区别，我们暂且将他们分开），并返回一个函数的话，当使用@log时即把目标函数接入； #2#如果decorator本身需要传入参数，那我们首先就需要在外层嵌套一个传入参数的接口，然后再接受函数并返回一个函数，内层则就是重复第一种情况，当时用@log('要传入的参数')，log('要传入的参数')就相当于第一种情况的log，也许这样说你还不是很能理解，我把廖大大的代码稍微做一点点改变，只改变下函数的名称： #1. 装饰器本身不用传入参数，只接收函数func def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper @decorator def f(): pass #2. 装饰器本身需要传入参数，再接收函数func def log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator @log('execute') def f(): pass #其中第二种情况@log('execute')就是传入了字符串参数的decorator，传入参数之后就完全等同于第一种情况的@decorator，log只是在第一种情况下作为实现传入字符串参数功能的外层，可以发现第二种情况的内层完全和第一种情况相同。线性的把第二种情况展开：首先log()传入字符串参数，然后返回decorator接受目标函数func，返回wrapper，最后wrapper输出内容并运行目标函数。明显传入字符串参数之后完全和第一种情况一致。