在系列一（→点我传送）中我们提到，函数可以作为参数传递，也可以在另一个函数的内部定义并返回出来变成一个新的函数：
def wrap(func1):
print('In wrap')
def func2():
print('In func2')
func1()
print('After func1')
print('Return from wrap')
return func2
def func():
print('hello')
func2 = wrap(func)
# In wrap
# Return from wrap
func2()
# In func2
# hello
# After func1wrap接收一个函数作为参数，并返回了一个新定义的函数func2。在func2里调用了wrap接收的函数参数func1()。通过打印结果我们可以清楚得跟踪到函数的执行流程。那么，在函数中传递函数、定义函数、返回函数有什么实际意义吗？
假设我们想统计一些函数的执行时间，我们可以在函数体的开头和结尾分别获取一个时刻值，再相减即可得到这段函数执行的时间：
import time
def func1():
start = time.time()
# 实际函数体
# 这里为了体现时间直接休眠1秒
time.sleep(1)
end = time.time()
print('Time consumed: {}'\
.format(end - start))
func1()
# hello
# Time consumed: 1.000394582748413试想一下，如果有100个这样的函数都需要统计时间，上述写法的弊端就体现出来了，重复性代码。此外，上述代码也破坏了原函数的封闭性。有没有什么办法能够一劳永逸解决这个问题呢？统计时间的流程是这样的，先获取起始时间，再执行目标函数，再获取结束时间。这个流程是不是和上面例子里的func2()一样呢？按照上面func2方式改写一下：
import time
def wrap(func):
def new_func():
start = time.time()
func()
end = time.time()
print(
'Time consumed: {}'\
.format(end - start)
)
return new_func
def func1():
time.sleep(1)
new_func1 = wrap(func1)
new_func1()
# Time consumed: 1.0008351802825928这样，我们相当于为func1包装了一层（所以叫wrap），统计了一下时间。这样，有再多的函数需要统计时间，也只是在不改变函数内部的基础上增加一行代码包装即可：
new_func2 = wrap(func2)
new_func3 = wrap(func3)
new_func4 = wrap(func4)利用这一特性，我们可以很方便得扩展代码功能。
@
Python为上述函数式特性增加了一个语法糖实现：装饰器。我们可以通过@符号来为一个函数指定一个装饰函数wrap。在上例中，我们可以在func1定义位置指定使用wrap装饰器，然后直接用func1调用就是新函数的结果：
@wrap
def func1():
time.sleep(1)
func1()
# Time consumed: 1.0009453296661377相当于这样的过程func1 = wrap(func1)。是不是更显简洁了？
带参数的func1。
通常，函数都是有参数的，要装饰的函数自然也不例外，那这些函数如何传递呢？答案是利用可变参数传递（→点我传送）：
import time
def wrap(func):
def new_func(*args, **kwargs):
start = time.time()
func(*args, **kwargs)
end = time.time()
print(
'Time consumed: {}'\
.format(end - start)
)
return new_func
@wrap
def func1(a, b):
print(a)
time.sleep(1)
print(b)
func1('hi', b='hello')
# hi
# hello
# Time consumed: 1.000152349472046这里可能有人会有疑问，为什么可变参数加到了new_func上面而不是wrap上面？因为最终实际是用new_func代替了func1函数，真正调用执行的是new_func函数，自然参数要传递给它咯。由于Python存在可变参数，我们大可不必担心函数会遗漏某些参数，并且原始函数的参数列表也丝毫没有改变。
自然的，func1的返回值也可以在new_func中返回出来：
import time
def wrap(func):
def new_func(*args, **kwargs):
start = time.time()
res = func(*args, **kwargs)
end = time.time()
print(
'Time consumed: {}'\
.format(end - start)
)
return res
return new_func
@wrap
def func1(a, b):
print(a)
time.sleep(1)
return b
res = func1('hi', b='hello')
# 'hi'
# Time consumed: 1.000823974609375
print(res)
# 'hello'带参数的@
有时候，我们不止需要统计时间，可能我们还需要让某个函数重复执行几次，或者说，我们需要给wrap传递一些参数来控制装饰的过程，例如，想让new_func执行n次，那么我们需要再在wrap之上再包装一层，专用于接收参数，再把wrap返回出去：
def times(n=5):
def _wrap(func):
def new_func(
*args,
**kwargs
):
for i in range(n):
func(*args, **kwargs)
return new_func
return _wrap这样我们可以为times传递参数n来指明究竟要调用几次：
@times(3)
def func1(a):
print(a)
func1(a='hello')
# hello
# hello
# hello
# times自带默认参数
@times()
def func1(a):
print(a)
func1(a='hi')
# hi
# hi
# hi
# hi
# hi细心的朋友可以看到，这里times使用了闭包（什么是闭包？→传送门）。
装饰器组合
一个函数可以应用多个装饰器。这些装饰器依照书写位置自下而上调用，例如我们利用上面的times和wrap来定义一个函数：
@times(3)
@wrap
def func():
time.sleep(1)
print('hi')
func()
# hi
# Time consumed: 1.0003962516784668
# hi
# Time consumed: 1.0006020069122314
# hi
# Time consumed: 1.0000085830688477
@wrap
@times(3)
def func():
time.sleep(1)
print('hi')
func()
# hi
# hi
# hi
# Time consumed: 3.0017807483673096看到区别了吗？下方的装饰器会先被调用。将最后例子流程用函数调用方式来说明是这样的 ：
func = wrap(times(3))装饰器在Python中无所不在，例如，在Flask框架中，我们可以利用装饰器来定义HTTP路由：
在类中可以定义静态方法：
class A:
@staticmethod
def m():
pass最后一个问题
前面提到过，函数可以定义帮助文档，并通过help()查看（或通过func.__doc__查看一个函数的文档。现在来看一下经过装饰器装饰后的函数文档变成了什么：
def func1(a):
'This is a func'
print(a)
print(func1.__doc__)
# 'This is a func'
@times()
def func1(a):
'This is a func'
print(a)
print(help(func1))
# None没了？。。再看一下这个函数叫什么：
print(func1.__name__)
# new_func这是因为经过装饰的函数已经变成了装饰器中定义的函数，所以不论函数名称还是文档都已经变成新函数的相应内容了。那么，如何让经过装饰器的函数能够保留旧函数的这些内容呢？利用标准库中的functools.wrap装饰器：
import functools
def times(n=5):
def _wrap(func):
@functools.wraps(func)
def new_func(
*args,
**kwargs
):
for i in range(n):
func(*args, **kwargs)
return new_func
return _wrap
@times()
def func1(a):
'This is a func'
print(a)
print(func1.__doc__)
# This is a func
print(func1.__name__)
# func1