python中装饰器的作用

在Python中，装饰器（Decorator）是一种强大的工具，它允许你在不修改原有函数代码的情况下，给函数增加新的功能。装饰器本质上是一个函数，它接受一个函数作为参数并返回一个新的函数，这个新函数通常是原函数的一个增强版本。装饰器遵循开放封闭原则，即对扩展开放，对修改封闭，非常有利于代码的维护和复用。

装饰器的作用主要包括但不限于以下几点：

1. 日志记录：在不修改函数代码的前提下，为函数增加日志记录功能，方便跟踪函数执行情况或进行性能分析。

2. 性能测试：装饰器可以计算并打印函数的执行时间，帮助开发者评估和优化代码性能。

3. 权限校验：在Web开发中，装饰器可以用于检查用户是否有权限执行某个函数，从而简化权限管理逻辑。

4. 函数参数验证：装饰器可以对函数的输入参数进行验证，确保参数符合预期，减少因参数错误导致的错误。

5. 自动重试机制：在网络请求等可能失败的场景中，装饰器可以实现自动重试机制，提高程序的健壮性。

自动重试机制举例：

import time  
import random  
  
def retry(max_attempts=3, delay=1):  
    """  
    装饰器，用于实现自动重试机制。  
  
    :param max_attempts: 最大重试次数，默认为3次。  
    :param delay: 每次重试之间的延迟时间（秒），默认为1秒。  
    :return: 返回一个新的函数，该函数封装了重试逻辑。  
    """  
    def decorator(func):  
        def wrapper(*args, **kwargs):  
            attempts = 0  
            while attempts < max_attempts:  
                try:  
                    return func(*args, **kwargs)  
                except Exception as e:  
                    attempts += 1  
                    if attempts >= max_attempts:  
                        raise  # 如果达到最大重试次数，则重新抛出异常  
                    print(f"Attempt {attempts} failed with {e}. Retrying in {delay} seconds...")  
                    time.sleep(delay)  
        return wrapper  
    return decorator  
  
# 使用装饰器  
@retry(max_attempts=5, delay=2)  
def might_fail():  
    """  
    一个可能会失败的函数，这里用随机异常来模拟。  
    """  
    if random.random() > 0.8:  # 假设有20%的概率成功  
        return "Success!"  
    else:  
        raise Exception("Something went wrong!")  
  
# 测试函数  
try:  
    print(might_fail())  
except Exception as e:  
    print(f"Failed after all attempts: {e}")