以下參考知乎，這里是原網址https://www.zhihu.com/question/26930016，我只是參考紀念下

先來個形象比方

內褲可以用來遮羞，但是到了冬天它沒法為我們防風御寒，聰明的人們發明了長褲，有了長褲后寶寶再也不冷了，裝飾器就像我們這里說的長褲，在不影響內褲作用的前提下，給我們的身子提供了保暖的功效。

再回到我們的主題

裝飾器本質上是一個Python函數，它可以讓其他函數在不需要做任何代碼變動的前提下增加額外功能，裝飾器的返回值也是一個函數對象。它經常用于有切面需求的場景，比如：插入日志、性能測試、事務處理、緩存、權限校驗等場景。裝飾器是解決這類問題的絕佳設計，有了裝飾器，我們就可以抽離出大量與函數功能本身無關的雷同代碼并繼續重用。概括的講，裝飾器的作用就是為已經存在的對象添加額外的功能。

先來看一個簡單例子：

def foo():    現在有一個新的需求，希望可以記錄下函數的執行日志，于是在代碼中添加日志代碼：
def foo():    print('i am foo')    logging.info("foo is running")
bar()、bar2()也有類似的需求，怎么做？再寫一個logging在bar函數里？這樣就造成大量雷同的代碼，為了減少重復寫代碼，我們可以這樣做，重新定義一個函數：專門處理日志 ，日志處理完之后再執行真正的業務代碼
def use_logging(func):    logging.warn("%s is running" % func.__name__)    func()def bar():    print('i am bar')use_logging(bar)
邏輯上不難理解， 但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那么有沒有更好的方式的呢？當然有，答案就是裝飾器。
簡單裝飾器
def use_logging(func):    def wrapper(*args, **kwargs):        logging.warn("%s is running" % func.__name__)        return func(*args, **kwargs)    return wrapperdef bar():    print('i am bar')bar = use_logging(bar)bar()
函數use_logging就是裝飾器，它把執行真正業務方法的func包裹在函數里面，看起來像bar被use_logging裝飾了。在這個例子中，函數進入和退出時 ，被稱為一個橫切面(aspect)，這種編程方式被稱為面向切面的編程(Aspect-Oriented Programming)。
@符號是裝飾器的語法糖，在定義函數的時候使用，避免再一次賦值操作
def use_logging(func):    def wrapper(*args, **kwargs):        logging.warn("%s is running" % func.__name__)        return func(*args)    return wrapper@use_loggingdef foo():    print("i am foo")@use_loggingdef bar():    print("i am bar")bar()
如上所示，這樣我們就可以省去bar = use_logging(bar)這一句了，直接調用bar()即可得到想要的結果。如果我們有其他的類似函數，我們可以繼續調用裝飾器來修飾函數，而不用重復修改函數或者增加新的封裝。這樣，我們就提高了程序的可重復利用性，并增加了程序的可讀性。
裝飾器在Python使用如此方便都要歸因于Python的函數能像普通的對象一樣能作為參數傳遞給其他函數，可以被賦值給其他變量，可以作為返回值，可以被定義在另外一個函數內。
帶參數的裝飾器
裝飾器還有更大的靈活性，例如帶參數的裝飾器：在上面的裝飾器調用中，比如@use_logging，該裝飾器唯一的參數就是執行業務的函數。裝飾器的語法允許我們在調用時，提供其它參數，比如@decorator(a)。這樣，就為裝飾器的編寫和使用提供了更大的靈活性。
def use_logging(level):    def decorator(func):        def wrapper(*args, **kwargs):            if level == "warn":                logging.warn("%s is running" % func.__name__)            return func(*args)        return wrapper    return decorator@use_logging(level="warn")def foo(name='foo'):    print("i am %s" % name)foo()
上面的use_logging是允許帶參數的裝飾器。它實際上是對原有裝飾器的一個函數封裝，并返回一個裝飾器。我們可以將它理解為一個含有參數的閉包。當我 們使用@use_logging(level="warn")調用的時候，Python能夠發現這一層的封裝，并把參數傳遞到裝飾器的環境中。
類裝飾器
再來看看類裝飾器，相比函數裝飾器，類裝飾器具有靈活度大、高內聚、封裝性等優點。使用類裝飾器還可以依靠類內部的/_/_call/_/_方法，當使用 @ 形式將裝飾器附加到函數上時，就會調用此方法。
class Foo(object):    def __init__(self, func):    self._func = funcdef __call__(self):    print ('class decorator runing')    self._func()    print ('class decorator ending')@Foodef bar():    print ('bar')bar()functools.wraps
使用裝飾器極大地復用了代碼，但是他有一個缺點就是原函數的元信息不見了，比如函數的docstring、__name__、參數列表，先看例子：
裝飾器
def logged(func):    def with_logging(*args, **kwargs):        print func.__name__ + " was called"        return func(*args, **kwargs)    return with_logging
函數
@loggeddef f(x):   """does some math"""   return x + x * x
該函數完成等價于：
def f(x):    """does some math"""    return x + x * xf = logged(f)
不難發現，函數f被with_logging取代了，當然它的docstring，__name__就是變成了with_logging函數的信息了。
print f.__name__    # prints 'with_logging'print f.__doc__     # prints None
這個問題就比較嚴重的，好在我們有functools.wraps，wraps本身也是一個裝飾器，它能把原函數的元信息拷貝到裝飾器函數中，這使得裝飾器函數也有和原函數一樣的元信息了。
from functools import wrapsdef logged(func):    @wraps(func)    def with_logging(*args, **kwargs):        print func.__name__ + " was called"        return func(*args, **kwargs)    return with_logging@loggeddef f(x):    """does some math"""    return x + x * xprint f.__name__  # prints 'f'print f.__doc__   # prints 'does some math'內置裝飾器
@staticmathod、@classmethod、@property
裝飾器的順序
@a@b@cdef f ():
等效于
f = a(b(c(f)))