Python内部：装饰器

Source: Dev.to

介绍

让我们拆解抽象层，从头开始构建装饰器，使用堆分配、闭包和时间复杂度作为指引。

如果你来自 C++ 或 Java 等静态、编译型背景，Python 装饰器可能会感觉像黑魔法。你在函数上方加上 @login_required，它立刻拥有了认证逻辑。再加上 @app.route("/")，它立刻变成了一个 Web 端点。

之所以感觉像魔法，是因为它隐藏了复杂性。但作为工程师，我们知道 魔法 只是我们尚未理解的代码。

在本文中，我们将揭开 Python 元编程的神秘面纱。我们不仅要学习 如何 使用装饰器，还要理解使其成为可能的内存机制，构建一个可投入生产的工具箱，并利用它们从根本上改变函数的算法复杂度。

第 1 部分：机制（不允许使用魔法）

在编写装饰器之前，我们需要了解原材料。在 Python 中，使装饰器得以实现的机制是 一等函数 和 闭包。

1. 函数只是堆上分配的对象

• 在 C 中，函数是 .text 段中的指令块。
• 在 Python 中，函数是一个完整的对象（PyObject 结构），驻留在堆上。

因为它是对象，你可以：

• 将它赋值给变量，
• 将它作为参数传递给其他函数，
• 从另一个函数返回它。

把函数当作数据处理的能力是元编程的基石。

2. 引擎：闭包

如果你来自 C++，你会知道局部变量在函数的栈帧被弹出时就会消亡。Python 则不同。当内部函数引用了外层作用域的变量时，Python 编译器会注意到并 提升 该变量——把它从普通的栈项变成堆上的 cell 对象。

即使外层函数已经返回，内部函数仍然保留对该 cell 对象的引用。这种“被记住的环境”称为 闭包。

闭包是一个函数，即使在外层函数执行完毕后，仍然记得其封闭作用域中的变量。

装饰器完全依赖闭包来记住它们包装的 哪个 函数。

第 2 部分：构建模式

装饰器本质上非常简单：它是一个接受函数作为输入并返回新函数作为输出的函数。

手动装饰（原始模式）

# The decorator factory
def my_decorator(target_func):
    # The wrapper closure retains access to 'target_func'
    def wrapper():
        print(">>> Before execution")
        target_func()               # Calling the original function
        print(">> Before execution

执行核心逻辑…

注意： 在生产环境中，优先使用 Python 内置的 functools.lru_cache，而不是自行实现，因为它能够处理缓存边界，防止内存泄漏。

总结

装饰器并非魔法。它们是 一等函数 与 闭包 的优雅应用。通过理解 Python 如何在堆上处理作用域和对象生命周期，你就获得了修改行为、注入逻辑以及干净、明确地优化性能的能力。