python decorators_Python进阶之强大的装饰器 Decorators （一）
这篇文章主要介绍 decorator(装饰器)，在开始介绍 decorator 前，要先有一个观念，就是在 python 中，函数是对象，可以将它们分配给变量和传递给其他函数并从其他函数返回，可以在其他函数中定义函数，并且子功能可以捕获父功能的本地状态。
demo1.py
def f1():
print("f1")
def register(func):
func()
register(f1)
装饰器就是站在这个基础上去延伸出来的。接著来说说什麽时候要用装饰器，装饰器最主要的目的是在不破坏 function(函数) 或 class(类) 的情况下，去扩充目标 function 或 class 的功能。例如，logging、计算 function or class 执行的时间、权限等等。
如果大家有兴趣，可以再去查查 AOP ( Aspect Oriented Programming )，中文翻成 面向切面。
有了这个装饰器，我们就可以将大量的程式码抽出来( 与函数本身无关的部分 )，将这些 code 写到装饰器中 ( 可以重复使用 )，程式码也不会变得很乱。
说穿了，就是在现在的功能上，可以加上额外的功能 ( 重点是不破坏原有的 code )。
举个例子，今天我想要记录 f1() 的 logging，我们可能这样写，
(正常来说，应该要使用 logging 这个 module，但这边简单用 print 代替就好 😄)
def f1():
print("f1")
print("logging - f1 is running")
f1()
这样写看似没有问题，但如果你今天 f2() f3() f4() 都需要纪录呢 ❓
这样要每一个都写一样的 code ❓
我们能不能把它抽出来 ❓ 而这个东西，就是专门处理 logging 的，
答案当然是可以的😄
def my_logging(func):
print('logging - {} is running'.format(func.__name__))
func()
def f1():
print("f1")
my_logging(f1)
功能实现了，看似很美好，如果有其他的需要加上 logging，使用 my_logging(f2) 即可。但这方法其实有一些问题，问题点在每次都要呼叫 my_logging，而且也要将 f1 当成参数传递，比较好的方法应该是维持 f1 为主要业务逻辑，而不是像现在变成 my_logging 为主要业务逻辑，也就是说，现在的状况破坏了原有代码的结构。所以更好的方法，就是使用装饰器 ( 我们终于谈到主角了😄)，来看一个简单的装饰器。
def my_logging(func):
def wrapper():
print('logging - {} is running'.format(func.__name__))
func() # run func() Equivalent run f1()
return wrapper
def f1():
print("f1")
f1 = my_logging(f1) # Equivalent -> f1 = wrapper
f1() # Equivalent -> f1() = wrapper()
my_logging 就是一个装饰器，把真正的业务逻辑 func 包在里面，看起来就像是 func 被 my_logging 装饰了一样，所以顾名思义，称为装饰器。在这个范例中，函数的进入和退出时，都可以加上东西，这种方式也称为 AOP ( Aspect Oriented Programming )。接下来要来谈谈 @ 这个符号，你可以把他想成是一种语法的符号。
def my_logging(func):
def wrapper():
print('logging - {} is running'.format(func.__name__))
func() # run func() Equivalent run f1()
return wrapper
@my_logging
def f1():
print("f1")
f1()
当有了 @ 这个语法的帮忙，就可以将 f1 = my_logging(f1) 省略，直接使用 f1() 即可。