在使用装饰器时，看起来原函数并没有被改变，但它的元信息却改变了 - 此时的原函数实际是包裹后的 wrapper 函数。
help(normal_func) print(normal_func.__name__) # wrapper(*args, **kwargs) # wrapper如果想要保留原函数的元信息，可通过内置的 @functools.wraps(func) 实现：
@functools.wraps(func) 的作用是通过 update_wrapper 和 partial 将目标函数的元信息拷贝至 wrapper 函数。
# def decorator def decorator_with_args(*args, **kwargs): print('Step1: enter wrapper with args func.') print(args) print(kwargs) def decorator_func(func): @functools.wraps(func) def wrapper(*args, **kwargs): print('Step2: enter wrapper func.') return func(*args, **kwargs) return wrapper return decorator_func 装饰器嵌套Python 支持对一个函数同时增加多个装饰器，那么添加的顺序是怎样的呢？
# def decorator def decorator_func_1(func): print('Step1: enter decorator_func_1..') def wrapper(): print('Step2: enter wrapper1 func.') return func() return wrapper def decorator_func_2(func): print('Step1: enter decorator_func_2..') def wrapper(): print('Step2: enter wrapper2 func.') return func() return wrapper @decorator_func_2 @decorator_func_1 def noraml_func(): pass看一下 console 的结果：
Step1: enter decorator_func_1.. Step1: enter decorator_func_2..fun_1 在前说明， 在对原函数包装时，采用就近原则，从下到上。
接着，调用 noraml_func 函数：
Step1: enter decorator_func_1.. Step1: enter decorator_func_2.. Step2: enter wrapper2 func. Step2: enter wrapper1 func.可以发现，wrapper2 内容在前，说明在调用过程中由上到下。
上面嵌套的写法，等价于 normal_func = decorator_func_2(decorator_func_1(normal_func))，就是正常函数的调用过程。
对应执行顺序：
在定义时，先 decorator_func_1 后 decorator_func_2.
在调用时，先 decorator_func_2 后 decorator_func_1.
应用场景 日志记录在一些情况下，需要对函数执行的效率进行统计或者记录一些内容，但又不想改变函数本身的内容，这时装饰器是一个很好的手段。
import timeit def timer(func): def wrapper(n): start = timeit.default_timer() result = func(n) stop = timeit.default_timer() print('Time: ', stop - start) return result return wrappe 作为缓存装饰器另外很好的应用场景是充当缓存，如 lru 会将函数入参和返回值作为当缓存，以计算斐波那契数列为例, 当 n 值大小为 30，执行效率已经有很大差别。
def fib(n): if n < 2: return 1 else: return fib(n - 1) + fib(n - 2) @functools.lru_cache(128) def fib_cache(n): if n < 2: return 1 else: return fib_cache(n - 1) + fib_cache(n - 2) Time: 0.2855725 Time: 3.899999999995574e-05 总结在这一篇中，我们知道：
装饰器的本质，就是利用 Python 中的嵌套函数的特点，将目标函数包裹在内嵌函数中，然后将嵌套函数 wrapper作为返回值返回，从而达到修饰原函数的目的。
而且由于返回的是 wrapper 函数，自然函数的元信息肯定不再是原函数的内容。
对于一个函数被多个装饰器修饰的情况：
在包装时，采用就近原则，从近点开始包装。
在被调用时，采用就远原则，从远点开始执行。
这自然也符合栈的调用过程。
参考https://www.programiz.com/python-programming/decorator