一、装饰器定义
在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。本质上，Decorator就是一个返回函数的高阶函数。
>>> def log(func):
... def wrapper(*args, **kw):
... print('call %s:' % func.__name__)
... return func(*args, **kw)
... return wrapper
...
>>> @log
... def now():
... print('2017-12-16')
...
>>> now()
call now:
2017-12-16
>>>
观察上面的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。要借助Python的@语法，把decorator置于函数的定义处。
把@log放到now()函数的定义处，相当于执行了语句：
1 >>>now = log(now)
二、带传参的装饰器
>>> def log(text):
... def decorator(func):
... def wrapper(*args, **kw):
... print('%s %s:' % (text, func.__name__))
... return func(*args, **kw)
... return wrapper
... return decorator
...
>>> @log('execute')
... def now():
... print('2017-12-16')
...
>>> now()
execute now:
2017-12-16
和两层嵌套的decorator相比，3层嵌套的效果是这样的：
1 >>> now = log('execute')(now)
三、functools.wraps
以上两种decorator的定义都没有问题，但还差最后一步。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'：
1 >>> now.__name__ 2 '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