装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额
装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象.
经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。
先来看一个简单例子：
def now():
print('2017_7_29')
现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码：
def now():
print('2017_7_29')
logging.warn("running")
假设有类似的多个需求，怎么做？再写一个logging在now函数里？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志 ，日志处理完之后再执行真正的业务代码.
def use_logging(func):
logging.warn("%s is running" % func.__name__)
func()
def now():
print('2017_7_29')
use_logging(now)
在实现,逻辑上不难， 但是这样的话，我们每次都要将一个函数作为参数传递给日志函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行now()，但是现在不得不改成use_logging(now)。那么有没有更好的方式的呢？当然有，答案就是装饰器。
首先要明白函数也是一个对象，而且函数对象可以被赋值给变量,所以，通过变量也能调用该函数。例如:
def now():
print('2017_7_28')
f=now
f()
# 函数对象有一个__name__属性，可以拿到函数的名字
print('now.__name__:',now.__name__)
print('f.__name__:',f.__name__)
简单装饰器
本质上，decorator就是一个返回函数的高阶函数。所以，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
# 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。
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.现在执行:
now = log(now)
now()
输出结果: call now(): 2017_7_28
函数log就是装饰器，它把执行真正业务方法的func包裹在函数里面，看起来像now被log装饰了。在这个例子中，函数进入时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
使用语法糖:
@log
def now():
print('2017_7_28')
@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作
这样我们就可以省去now = log(now)这一句了，直接调用now()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。
装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。
带参数的装饰器:
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，写出来会复杂一点。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('goal')
def now():
print('2017-7-28')
now()
等价于
now = log('goal')(now)
# 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 now()
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'：
print(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 functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
import functools
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
类装饰器:
再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法
import time
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
print ('class decorator runing')
self._func()
print ('class decorator ending')
@Foo
def now():
print (time.strftime('%Y-%m-%d',time.localtime(time.time())))
now()
总结:
概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
同时在面向对象（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。
python装饰器详解 装饰器模式 python python 装饰器