此篇紧接上篇 Python装饰器vs装饰器模式，上篇主要是简述了装饰器模式，跟Python的装饰器。

再来看Python装饰器的实现。这里我推荐一篇文章（译）-12步轻松搞定python装饰器，文章写得非常不错，看完后对作用于，闭包都感受非常深，但是我觉得漏了一些点点，我把我的想法阐述在本文

补全

根据Java实现装饰器模式的，我们可以写下面一段代码：

import logging


def use_logging(func):
    logging.warn("%s is running" % func.__name__)
    return func

def foo():
    print('i am foo')

foo = use_logging(foo)

foo() # 调用

这个实现对于上篇文章中提到的Java使用装饰器。上面也是一个装饰器，实现最简单的一个增加函数日志的功能，但是如果这个额外功能是要去检测传入的参数时，这时上面的就不行了。这时12步轻松搞定python装饰器中的例子还是精妙的。

# 装饰器
def wrapper(func):
    def checker(a, b): # 1
        if a.x < 0 or a.y < 0:
            a = Coordinate(a.x if a.x > 0 else 0, a.y if a.y > 0 else 0)
        if b.x < 0 or b.y < 0:
            b = Coordinate(b.x if b.x > 0 else 0, b.y if b.y > 0 else 0)
        ret = func(a, b)
        if ret.x < 0 or ret.y < 0:
            ret = Coordinate(ret.x if ret.x > 0 else 0, ret.y if ret.y > 0 else 0)
        return ret
    return checker


# 原函数
def add(a, b):
    return Coordinate(a.x + b.x, a.y + b.y)

# 使用装饰    
add = wrapper(add)    

细心你会发现，装饰器函数的参数就是传入的原函数，而内部函数的参数跟原函数一模一样，最外层返回的是内部函数的引用，内部函数返回的是传入参数的引用调用的结果

这里用到了函数作为参数特性，当然还有些闭包的知识，具体请看 上面提到的博客链接，真的讲的不错。

而上篇说到的Python装饰 特性就是这个神奇的语法糖了，可以这样使用

# 原函数
@wrapper
def add(a, b):
    return Coordinate(a.x + b.x, a.y + b.y)

带参数的装饰器

如果要实现一个带参数的装饰器，那要怎么写呢

def time_diff(s):
    def decorator(func):
        def wrapper(*args, **kwargs):
            start_time = time.time()
            res = func(*args, **kwargs)
            end_time = time.time()
            print("[%s]执行程序所用时间: %s" % (s, end_time - start_time))
            return res
        return wrapper
    return decorator
    
@time_diff("polynomial_1")
def polynomial_1(n, x):
    res = 0
    for i in range(n):
        res += i*pow(x, i)
    return res

调用并执行输出结果：

print(polynomial_1(1, 5))

[duoxiangshi_1]执行程序所用时间: 4.76837158203125e-06
0

带参数的装饰器需要在不带参数装饰器外再定义一层函数，最外层函数的返回值是第二层函数的引用。

总结：多些多练，用于实际中，才能更加熟练。最近学数据结构与算法，写些装饰器用来看程序执行时间，真是再方便不过了！