腾讯二面：说说看什么是Python装饰器？它和闭包是什么关系？如何保持被装饰函数的元数据？
面试官：说说看什么是Python装饰器？
Python装饰器（decorators）是Python中的一个高级功能，它允许用户在不修改原有函数或方法定义的情况下，给函数或方法添加额外的功能。装饰器本质上是一个高阶函数，它接收一个函数作为参数，并返回一个新的函数或可调用对象。
装饰器的语法使用 @
符号，它放在函数定义之前。当Python解释器遇到这个符号时，它会将紧跟其后的函数名作为参数传递给装饰器函数，并将装饰器函数的返回值（通常是一个新的函数）重新绑定到原函数名上。
装饰器的一个常见用途是添加日志记录、性能计时、事务处理、缓存、权限校验等功能。通过使用装饰器，这些额外的功能可以被干净地封装起来，并且可以在多个函数之间重用，而无需在每个函数内部重复编写相同的代码。
装饰器的一个关键特性是它们能够保持被装饰函数的元数据，如函数名、文档字符串等。这是通过使用 functools.wraps
装饰器来实现的，它会在新函数上复制原函数的这些属性。
下面是一个简单的Python装饰器示例，它用于记录函数的执行时间：
import time import functools def timer_decorator(func): @functools.wraps(func) def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() print(f"Function {func.__name__} executed in {end_time - start_time:.4f} seconds") return result return wrapper @timer_decorator def example_function(seconds): print(f"Sleeping for {seconds} seconds...") time.sleep(seconds) print("Awake!")
# 使用装饰器 example_function(2)
在这个例子中，timer_decorator是一个装饰器，它接收一个函数func作为参数，并返回一个新的函数wrapper。wrapper函数在调用原函数func之前和之后分别记录了时间，并计算了函数的执行时间。然后，它使用@timer_decorator语法被应用到example_function函数上。当example_function被调用时，它的执行时间会被自动记录下来并打印出来。
面试官：使用装饰器式，如何保持被装饰函数的元数据？
在Python中，当使用装饰器装饰一个函数时，被装饰函数的元数据（如函数名、文档字符串、模块名等）可能会丢失，因为装饰器通常会返回一个新的函数对象，这个新的函数对象会覆盖原始函数对象的元数据。
为了保持被装饰函数的元数据，可以使用以下几种方法：
1. 手动复制元数据
可以在装饰器内部手动将原始函数的元数据复制到新的函数对象上。例如：
def my_decorator(func): def wrapper(*args, **kwargs):
# 在这里添加额外的功能 result = func(*args, **kwargs) return result
# 手动复制元数据 wrapper.__name__ = func.__name__ wrapper.__doc__ = func.__doc__ wrapper.__module__ = func.__module__
# 可以根据需要复制其他元数据 return wrapper
这种方法虽然有效，但比较繁琐，每次创建装饰器时都需要手动复制元数据。
2. 使用 functools.wraps 装饰器
functools.wraps 是Python标准库中的一个装饰器，它用于在定义装饰器时保留被装饰函数的元数据。使用 @wraps
可以简化元数据复制的过程，并使代码更加清晰和可读。
from functools import wraps def my_decorator(func): @wraps(func) def wrapper(*args, **kwargs):
# 在这里添加额外的功能 result = func(*args, **kwargs) return result return wrapper
在这个例子中， @wraps(func) 会告诉Python， wrapper 函数应该拥有 func
（即被装饰的函数）的所有元数据。这样，当使用 my_decorator 装饰一个函数时，该函数的元数据就会被保留下来。
3. 注意事项
-
使用
functools.wraps时，应该将其放在内部函数wrapper的定义之前，以确保在返回wrapper之前就已经复制了元数据。 -
functools.wraps不会复制所有可能的元数据，例如__annotations__（函数注解）等，如果需要保留这些元数据，可以手动进行复制。 -
在使用多个装饰器时，每个装饰器都应该使用
@wraps来保留被装饰函数的元数据，以确保最终的函数对象具有正确的元数据。
为了保持被装饰函数的元数据，推荐使用 functools.wraps 装饰器。它不仅可以简化元数据复制的过程，还可以提高代码的可读性和可维护性。
面试官：Python装饰器可以接收参数吗？
可以的，Python装饰器可以接收参数。实际上，装饰器本身就是一个高阶函数，它接收一个函数作为参数，并返回一个新的函数。但是，装饰器还可以被设计为接收额外的参数，这些参数允许你更灵活地控制装饰器的行为。
要实现一个接收参数的装饰器，你需要将装饰器函数定义为一个接收参数的普通函数，并在这个函数内部返回一个真正的装饰器（即另一个高阶函数）。这个内部的高阶函数将接收被装饰的函数作为参数，并返回一个新的函数，这个新函数包含了装饰器的逻辑。
下面是一个接收参数的装饰器的示例：
from functools import wraps def my_decorator_with_args(arg1, arg2): def actual_decorator(func): @wraps(func) def wrapper(*args, **kwargs):
# 在这里可以使用arg1和arg2 print(f"Decorator arguments: {arg1}, {arg2}") result = func(*args, **kwargs) return result return wrapper return actual_decorator
# 使用装饰器时，需要传递参数 @my_decorator_with_args("Hello", "World") def my_function(): print("Function is being called")
# 调用函数 my_function()
在这个例子中， my_decorator_with_args 是一个接收两个参数 arg1 和 arg2
的装饰器工厂函数。它返回了一个名为 actual_decorator 的真正装饰器，这个装饰器接收一个函数 func
作为参数，并返回一个新的函数 wrapper 。在 wrapper 函数内部，我们可以使用 arg1 和 arg2
这两个参数。
当使用 @my_decorator_with_args("Hello", "World") 语法装饰 my_function 时，实际上是将
my_function 作为参数传递给了 actual_decorator ，并且 "Hello" 和 "World"
被传递给了 my_decorator_with_args 。最终， my_function 被 wrapper 函数所替代，而 wrapper 函数在调用时会打印出装饰器的参数，并调用原始的 my_function 。
面试官：再说说看在Python中，装饰器与闭包有什么关系？
在Python中，可以说装饰器通常是通过闭包来实现的。以下是它们之间关系的详细解释：
闭包
-
定义 ：闭包是指在函数内部定义的另一个函数，这个内部函数可以访问外部函数的局部变量，即使外部函数已经返回。换句话说，闭包使得内部函数能够“记住”并访问其外部函数的作用域中的变量。
-
特性 ：
* 嵌套函数：闭包必须包含一个内部函数（嵌套函数）。
* 引用外部变量：内部函数必须引用包含它的外部函数中的变量。
* 外部函数返回内部函数：外部函数必须返回这个内部函数。
装饰器
-
定义 ：装饰器是一种高级函数，用于在不修改已有函数或方法定义的前提下，动态地添加功能。装饰器本质上是一个高阶函数，它接受一个函数作为输入并返回一个新的函数。
-
实现方式 ：装饰器通常使用闭包来保持对被装饰函数的引用，并在内部函数中访问和修改装饰器的参数或状态。通过这种方式，装饰器可以在不改变原函数代码的情况下，为其添加额外的功能。
-
特性 ：
* 高阶函数：装饰器是接受一个函数作为参数并返回一个新函数的高阶函数。
* 可组合性：多个装饰器可以通过堆叠的方式组合使用，每个装饰器依次作用于被装饰的函数。
* 保持函数签名：使用 ` functools.wraps ` 装饰器可以保持被装饰函数的原始签名和文档字符串，使得装饰后的函数更具可读性。
装饰器与闭包的关系
-
实现机制 ：装饰器通常是通过闭包来实现的。装饰器函数返回的内部函数（即闭包）会捕获并保存外部函数（即装饰器函数）的作用域中的变量，这些变量通常包括被装饰的函数和其他需要的状态信息。
-
功能扩展 ：通过闭包，装饰器可以在不改变原函数代码的情况下，为其添加前置、后置或其他额外的功能。这些功能可以在内部函数中实现，并通过闭包的作用域访问被装饰函数的参数和返回值。
-
灵活性 ：由于闭包的存在，装饰器可以处理任意数量的位置参数和关键字参数，适应不同类型的函数。这使得装饰器在Python编程中具有极高的灵活性和可重用性。
面试官：Python中有哪些内置的装饰器？
Python 中有多个内置的装饰器，以下是一些常用的内置装饰器：
@lru_cache：
* 来自 ` functools ` 模块。
* 用于缓存函数的结果，以便在后续调用中使用相同参数时，能够直接返回缓存的结果，从而提高性能。
* 特别适用于计算量大或使用相同参数频繁调用的函数。
@total_ordering：
* 同样来自 ` functools ` 模块。
* 根据类中已定义的一个或多个比较方法（如 ` __eq__ ` 和 ` __lt__ ` ），为类自动生成其他缺失的比较方法（如 ` __le__ ` 、 ` __gt__ ` 和 ` __ge__ ` ）。
* 这使得类的实例之间可以进行全面的比较。
@property：
* 内置装饰器，无需导入。
* 用于将类的方法伪装成属性。
* 通过 ` @property ` 装饰的方法可以像访问属性一样被调用，同时支持 ` .setter ` 和 ` .deleter ` 方法来定义属性的设置和删除行为。
@classmethod：
* 内置装饰器，无需导入。
* 用于定义类方法，这些方法可以通过类对象或实例对象调用。
* 类方法的第一个参数通常是 ` cls ` ，代表类本身，可以访问类属性和类方法，但不能访问实例属性。
@staticmethod：
* 内置装饰器，无需导入。
* 用于定义静态方法，这些方法既不依赖于类也不依赖于类的实例。
* 静态方法相当于在类的命名空间中的普通函数，调用时无需通过类实例或类本身（尽管它们仍然可以通过这两者调用）。
@dataclass：
* 来自 ` dataclasses ` 模块（Python 3.7+）。
* 用于自动为类生成特殊方法（如 ` __init__ ` 、 ` __repr__ ` 等），从而简化类的定义。
* 与 ` @property ` 结合使用，可以方便地定义数据类及其属性。
@atexit.register：
* 来自 ` atexit ` 模块。
* 用于注册在程序正常终止时调用的函数。
* 这使得开发者可以在程序退出前执行一些清理工作，如关闭文件、释放资源等。
@abstractmethod：
* 来自 ` abc ` 模块。
* 用于声明抽象方法，即必须在子类中实现的方法。
* 含有抽象方法的类不能实例化，且继承该类的子类必须实现所有抽象方法才能实例化。
欢迎在评论区留言表达看法 或 提出你想学习的技术内容 与 面试问题，阿沛会将其作为往后更新的内容。
如果本文对大家有帮助，麻烦大家动动小手点个免费的“赞”或“在看”，大家的鼓励就是阿沛持续更新的动力~
-- 往期精彩回顾 –
美团一面：你能阐述一下CAP理论的基本概念和核心思想？说说它有哪些分布模型以及如何抉择？