Python类装饰器使用_元编程解析【教程】

类装饰器是实现__init__和__call__的类，通过元编程在装饰时初始化、调用时增强行为；可装饰函数（记录/缓存）或类（单例/实例控制），支持带参需三层嵌套。

Python类装饰器本质是利用__call__方法实现的可调用对象，它通过元编程思想在类定义阶段或实例化阶段动态干预行为——不是“给类加功能”，而是“让类本身成为装饰器”。关键在于理解：类装饰器 = 实现了__init__和__call__的类。

类装饰器的基本结构与执行时机

一个标准类装饰器必须满足两个条件：接收被装饰对象（函数或类）作为__init__参数，并在__call__中定义实际增强逻辑。注意：__call__只在被装饰对象**被调用时**触发（对函数装饰器），而类装饰器本身在**装饰语法糖执行时**就完成初始化。

• @MyDecorator 出现时，会立即执行 MyDecorator(func) → 触发 __init__
• 之后每次调用 func()，才触发 MyDecorator 实例.__call__()
• 若装饰的是类（如 @MyDecorator 放在 class 前），__call__ 会在该类被实例化时运行（即 MyClass() 时）

函数级类装饰器：记录调用与缓存示例

这是最常见用法。例如写一个带计数器和简单缓存的装饰器：

class CountAndCache:
    def __init__(self, func):
        self.func = func
        self.count = 0
        self.cache = {}
        # 保留原函数元信息
        import functools
        functools.update_wrapper(self, func)
def __call__(self, *args):
    self.count += 1
    key = str(args)
    if key not in self.cache:
        self.cache[key] = self.func(*args)
    return self.cache[key]
@CountAndCache
def add(a, b):
print("计算中...")
return a + b

调用 add(2, 3) 会打印一次“计算中...”，第二次相同参数则直接返回缓存值，同时 add.count 可查总调用次数。
类级类装饰器：控制实例化过程
当类装饰器用于修饰另一个类时，它能拦截并改造该类的实例化行为，典型场景包括单例、类型检查、自动注册等。


__init__ 接收的是被装饰的类（如 MyClass），不是实例

__call__ 在 MyClass() 被调用时执行，可决定是否新建实例、返回代理、抛出异常等
需返回一个可替代原类行为的对象（通常是新实例，或封装后的代理）

例如单例实现：
class Singleton:
    def __init__(self, cls):
        self.cls = cls
        self.instance = None
def __call__(self, *args, **kwargs):
    if self.instance is None:
        self.instance = self.cls(*args, **kwargs)
    return self.instance
@Singleton
class Database:
def init(self):
print("数据库连接已创建")

连续执行 db1 = Database() 和 db2 = Database()，只会打印一次“数据库连接已创建”，且 db1 is db2 为 True。
进阶：支持带参数的类装饰器
要实现 @MyDecorator(arg=10) 这种带参形式，需再包一层工厂类或函数。推荐用类实现三层嵌套：

外层类（如 RetryOnFailure）：接收装饰器参数，只实现 __init__

中间 __call__：接收被装饰对象（函数），返回一个内部装饰器实例
内层类（如 Wrapper）：真正保存函数并实现逻辑，含自己的 __call__


简明写法（省略细节）：
class RetryOnFailure:
    def __init__(self, max_retries=3):
        self.max_retries = max_retries
def __call__(self, func):
    class Wrapper:
        def __init__(self, f):
            self.func = f
            import functools
            functools.update_wrapper(self, f)
        def __call__(self, *args, **kwargs):
            for i in range(self.max_retries):
                try:
                    return self.func(*args, **kwargs)
                except Exception:
                    if i == self.max_retries - 1:
                        raise
    return Wrapper(func)

这样就能用 @RetryOnFailure(max_retries=5) 灵活配置了。
不复杂但容易忽略：类装饰器的__call__返回值，就是被装饰对象对外表现的行为；所有魔法方法（如__get__）若涉及描述符协议，也需手动处理才能保持函数属性完整。



# ai 
# python 
# app 
 




相关栏目：
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        AI推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        SEO优化<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        技术百科<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        谷歌推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        百度推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        网络营销<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        案例网站<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        精选文章<？ｍｕｍａ echo $count; ?>
    】