先給出一個四人團對Decorator mode的定義：動態地給一個對象添加一些額外的職責。
再來說說這個模式的好處：認證，權限檢查，記日志，檢查參數，加鎖，等等等等，這些功能和系統業務無關，但又是系統所必須的，說的更明白一點，就是面向方面的編程（AOP）。
在Python中Decorator mode可以按照像其它編程語言如C++, Java等的樣子來實現，但是Python在應用裝飾概念方面的能力上遠不止于此，Python提供了一個語法和一個編程特性來加強這方面的功能。Python提供的語法就是裝飾器語法(decorator)，如下：

@aoodef foo(): passdef aoo(fn):  return fn

裝飾模式強調動態地給對象添加額外的功能。 Python內置了很多對裝飾器的支持，因此在Python中使用裝飾模式是非常容易的，下面是一個典型的例子，給函數增加日志功能：

import functoolsdef log_wrapper(fun): @functools.wraps(fun) def wrapper(*args, **kwargs):  print '在函數執行前加日志'  ret = fun(*args, **kwargs)  print '在函數執行后家日志'  return ret return wrapper@log_wrapperdef test(): print 'Hello, 世界'

functools.wraps是Python標準庫提供的一個特殊的裝飾器，用來解決裝飾器帶來的一些常規問題，如函數名稱、doc等的不一致問題。@是Python針對裝飾器提供的一個語法糖，上面的@log_wrapper相當于wrap_test = log_rapper(test)，用@后，這個步驟由解釋器代勞了。

裝飾器是Python編程必須掌握的一項技能，在編碼過程中經常會用到。

這里只是一個普通的內嵌函數

def foo(x):  y = x  def foo1 ():    a = 1    return a  return foo1

而下面boo則是一個閉包

def aoo(a, b):  c = a  def boo (x):    x = b + 1    return x  return boo

boo的特殊性在于引用了外部變量b，當aoo返回后，只要返回值（boo）一直存在，則對b的引用就會一直存在。
上面的知識可能需要花些時間消化，如果你覺得已經掌握了這些知識，下面就回歸正題，看看這些語言特性是怎樣來實現Python中裝飾的概念的。
還是讓我們先看一個簡單的例子，然后逐步深入。這個例子就是加鎖，怎樣實現加鎖的功能？
具體需求是這樣的：我有一個對象，實現了某些功能并提供了一些接口供其它模塊調用，這個對象是運行在并發的環境中的，因此我需要對接口的調用進行同步，第一版的代碼如下：

class Foo(object):  def __init__(self, …):    self.lock = threading.Lock()  def interface1(self, …):    self.lock.acquire()    try:     do something    finally:     self.lock.release()  def interface2(self, …):    same as interface1()  …

這版代碼的問題很明顯，那就是每個接口函數都有相同的加鎖/解鎖代碼，重復的代碼帶來的是更多的鍵入，更多的閱讀，更多的維護，以及更多的修改，最主要的是，程序員本應集中在業務上的的精力被分散了，而且請注意，真正的業務代碼在距離函數定義2次縮進處開始，即使你的顯示器是寬屏，這也會帶來一些閱讀上的困難。
你直覺的認為，可以把這些代碼收進一個函數中，以達到復用的目的，但是請注意，這些代碼不是一個完整同一的代碼塊，而是在中間嵌入了業務代碼。
現在我們用裝飾器語法來改進這部分代碼，得到第2版代碼：

def sync(func): def wrapper(*args, **kv):   self = args[0]   self.lock.acquire()   try:    return func(*args, **kv)   finally:    self.lock.release() return wrapperclass Foo(object):  def __init__(self, …):    self.lock = threading.Lock()  @sync  def interface1(self, …):    do something  @sync  def interface2(self, …):    do something  …

一個裝飾器函數的第一個參數是所要裝飾的那個函數對象，而且裝飾器函數必須返回一個函數對象。如sync函數，當其裝飾interface1時，參數func的值就是interface1，返回值是wrapper，但類Foo實例的interface1被調用時，實際調用的是wrapper函數，在wrapper函數體中間接調用實際的interface1；當interface2被調用時，也調用的是wrapper函數，不過由于在裝飾時func已經變成interface2，所以會間接地調用到實際的interface2函數。
使用裝飾器語法的好處：
代碼量大大的減少了，更少的代碼意味著更少的維護，更少的閱讀，更少的鍵入，好處不一而足（可復用，可維護）
用戶基本上將絕大部分精力放在了業務代碼上，而且少了加減鎖的代碼，可讀性也提高了
缺點：
業務對象Foo中有一個非業務數據成員lock，很礙眼；
相當程度的耦合，wrapper的第一個參數必須是對象本身，而且被裝飾的對象中必須有一個lock對象存在，這給客戶對象添加了限制，使用起來不是很舒服。
我們可以更進一步想一想：
lock對象必須要放在Foo中嗎？
為每個接口函數都鍵入@sync還是很煩人的重復性人工工作，如果漏添加一個，還是會造成莫名其妙的運行時錯誤，為什么不集中處理呢？
為了解決上述的缺點，第3版代碼如下：

class DecorateClass(object): def decorate(self):  for name, fn in self.iter():   if not self.filter(name, fn):    continue   self.operate(name, fn)class LockerDecorator(DecorateClass): def __init__(self, obj, lock = threading.RLock()):  self.obj = obj  self.lock = lock def iter(self):  return [(name, getattr(self.obj, name)) for name in dir(self.obj)] def filter(self, name, fn):  if not name.startswith('_') and callable(fn):    return True  else:    return False def operate(self, name, fn):  def locker(*args, **kv):   self.lock.acquire()   try:    return fn(*args, **kv)   finally:    self.lock.release()  setattr(self.obj, name, locker)class Foo(object):  def __init__(self, …):    …    LockerDecorator(self).decorate()  def interface1(self, …):    do something  def interface2(self, …):    do something  …

對對象的功能裝飾是一個更一般的功能，不僅限于為接口加鎖，我用2個類來完成這一功能，DecorateClass是一個基類，只定義了遍歷并應用裝飾功能的算法代碼(template method)，LockerDecorator實現了為對象加鎖的功能，其中iter是迭代器，定義了怎樣遍歷對象中的成員（包括數據成員和成員函數），filter是過濾器，定義了符合什么規則的成員才能成為一個接口，operate是執行函數，具體實施了為對象接口加鎖的功能。
而在業務類Foo的__init__函數中，只需要在最后添加一行代碼：LockerDecorator(self).decorate()，就可以完成為對象加鎖的功能。
如果你的對象提供的接口有特殊性，完全可以通過直接改寫filter或者繼承LockerDecorator并覆蓋filter的方式來實現；此外，如果要使用其他的裝飾功能，可以寫一個繼承自DecorateClass的類，并實現iter，filter和operate三個函數即可。