只需四步，让你了解Python装饰器的诞生过程程序员

Python中的装饰器是通过利用了函数特性的闭包实现的，所以在讲装饰器之前，我们需要先了解函数特性，以及闭包是怎么利用了函数特性的
1. 函数特性 python中的函数特性总的来说有以下四点：
1. 函数作为变量传递

def add(x): return x + 1a = add# 作为变量

说明：函数如果不加括号，是不会执行的，代表的是一个函数对象，它是可以作为变量来传递
2. 函数作为参数传递

def add(x): return x + 1def execute(f): return f(3)execute(add)# 作为参数

说明：一个函数可以接受另一个函数对象作为自己的参数，并对函数对象进行处理
3. 函数作为返回值

def add(x): return x + 1def get_add(): return add# 作为返回值

说明：一个函数的返回值可以是另一个函数对象
4. 函数嵌套及跨域访问

def outer(): x = 1 def inner(): print(x)# 被嵌套函数inner内部的x变量可以到封装域去获取 inner()outer()

说明：一个函数（主函数）内部是可以嵌套另一个函数（子函数）的，比如outer函数从内部嵌套了inner。一个函数本地域没有的变量，是可以跨到它的封装域（主函数与子函数之间的范围）去寻找的
2. 闭包的实现 python中的装饰器是通过闭包实现的，简单地讲，闭包就是引用了外部变量的内部函数，而闭包的实现正是利用了以上函数特性，下面我们来看看闭包是如何实现的：

def outer(x): def inner():# 函数嵌套 return x# 跨域访问，引用了外部变量xreturn inner# 函数作为返回值closure = outer('外部变量')# 函数作为变量赋给closure print(closure())# 执行闭包

执行结果：

外部变量

说明：我们分析下这个流程，outer接收到'外部变量'，传给inner，作为它return的参数，最后outer返回inner函数，返回的inner函数作为变量传递给closure，最后执行closure这个函数对象，实际上是执行了inner这个函数，返回了 '外部变量'，这样就实现了一个简单的闭包
我们发现上面的闭包例子只用到了之前说的其中3个函数特性，函数作为参数这个特性好像并没用上，别急，我们一步步来，试想一下，outer的参数x是不是也可以是一个函数对象？
下面我们来改写一下实现闭包的代码：

def func(): return '函数func'def outer(x): def inner():# 函数嵌套 return '戴了inner牌帽子的 ' + x()# 跨域访问，引用了外部变量xreturn inner# 函数作为返回值closure = outer(func)# 函数func作为outer的参数；函数作为变量赋给closureprint(func())# 执行原始函数 print(closure())# 执行闭包

执行结果：

函数func 戴了inner牌帽子的函数func

说明：我们看到打印的结果，从 func() 到 closure()，我们是不是感觉函数func被装饰了一番，变成了closure，具体是怎么装饰的呢？
划重点来了！！！！！！！！！！！
我们看到closure实际上是outer(func)，func作为参数传进outer，outer的子函数inner对func返回的结果进行了一番装饰，返回了一个装饰后的结果，最后outer返回inner，可以说inner就是装饰后的func，这就是一个函数被装饰的过程，重点在于执行 outer(func) 这个步骤
3. 装饰器语法糖 @ python给我们提供了语法糖 @，我们想执行 outer(func) 的时候，只需要把outer函数@到func函数的上面就可以了
具体实现如下：

def outer(x): def inner(): return '戴了inner牌帽子的 ' + x()return inner@outer def func(): return '函数func'print(func())

执行结果：

戴了inner牌帽子的函数func

说明：我们看到打印的结果跟我们执行closure()的结果是一样的，也就说明加了outer装饰器的func 等价于 outer(func)，所以我们很清楚地知道装饰器@的作用是什么了，就是拿来把被装饰的函数作为参数传递到装饰器函数里面加工的，最后执行被装饰函数的时候，就相当于执行了一个加工后的函数。
以上就是Python中装饰器的诞生过程......
关注公众号【克里斯手册】，了解更多数据相关的内容