流畅的Python - 第九章 函数装饰器和闭包

闭包是装饰器的基础：缓存字典通过闭包保留，实现了装饰器的状态管理（无需全局变量）； 装饰器是高阶函数：以 “无侵入” 的方式给函数添加缓存功能，原函数（如 fibonacci）无需修改一行代码； 解决元数据丢失陷阱：通过 @wraps(func) 保留原函数的标识和文档； 聚焦横切关注点：缓存是 “通用功能”，用装饰器实现后，可复用在任何需要性能优化的函数上（如斐波那契、耗时计算），避免重复代码。

第九章的核心主题是：通过闭包实现装饰器，以无侵入式的方式为函数添加通用功能，同时解决使用过程中的常见陷阱。

主要有以下几个核心要点：

1. 闭包是装饰器的基础

   闭包并非简单的函数嵌套，而是能保留外部函数作用域变量绑定的嵌套内部函数—— 即使外部函数执行完毕，内部函数依然可以访问和修改这些变量（需借助 nonlocal 关键字解决变量重新绑定问题）。

   章节明确区分了 “嵌套函数” 和 “闭包” 的差异：只有当内部函数引用了外部函数的变量，且被返回并在外部函数作用域外执行时，才构成闭包。

2. 装饰器的本质是高阶函数

   装饰器的核心逻辑是接收一个函数作为参数，返回一个新函数，新函数会在原函数的执行前后添加额外逻辑（如日志记录、性能监控、缓存、权限校验等），同时保持原函数的调用方式不变。

   这一特性完美契合 “开放 - 封闭原则”—— 对扩展功能开放，对修改原函数代码封闭。

3. 解决装饰器的核心陷阱：元数据丢失

   直接实现的装饰器会导致原函数的元数据（如 __name__、__doc__、__module__）被覆盖，使得函数的身份标识和文档字符串失效。

   章节给出标准解决方案：使用 functools.wraps 装饰器包装装饰器的返回函数，保留原函数的元数据，保证装饰器的透明性。

4. 进阶装饰器的实现逻辑

   • 带参数的装饰器：本质是三层嵌套函数—— 最外层函数接收装饰器参数，中间层函数接收被装饰函数，最内层函数实现增强逻辑。
   • 装饰器叠加：多个装饰器装饰同一个函数时，靠近函数的装饰器先执行（自底向上应用，自顶向下执行）。
   • 类装饰器：通过实现 __call__ 方法的类来构建装饰器，适合需要维护状态（如计数、缓存）的场景，相比闭包更易管理复杂状态。

5. 装饰器的适用场景：聚焦横切关注点

   装饰器最适合实现横切关注点—— 即与业务逻辑无关、但多个函数都需要的通用功能（如日志、缓存、事务管理、参数校验等），避免在不同函数中重复编写相同代码