在Python中，装饰器一般用来修饰函数，实现公共功能，达到代码复用的目的。在函数定义前加上@xxxx，然后函数就注入了某些行为，很神奇！然而，这只是语法糖而已。

场景

假设，有一些工作函数，用来对数据做不同的处理：

def work_bar(data):     pass   def work_foo(data):     pass

我们想在函数调用前/后输出日志，怎么办？

傻瓜解法

logging.info('begin call work_bar') work_bar(1) logging.info('call work_bar done')

如果有多处代码调用呢？想想就怕！

函数包装

傻瓜解法无非是有太多代码冗余，每次函数调用都要写一遍logging。可以把这部分冗余逻辑封装到一个新函数里：

def smart_work_bar(data):     logging.info('begin call: work_bar')     work_bar(data)     logging.info('call doen: work_bar')

这样，每次调用smart_work_bar即可：

smart_work_bar(1)  # ...  smart_work_bar(some_data)

通用闭包

看上去挺完美……然而，当work_foo也有同样的需要时，还要再实现一遍smart_work_foo吗？这样显然不科学呀！

别急，我们可以用闭包：

def log_call(func):     def proxy(*args, **kwargs):         logging.info('begin call: {name}'.format(name=func.func_name))         result = func(*args, **kwargs)         logging.info('call done: {name}'.format(name=func.func_name))         return result     return proxy

这个函数接收一个函数对象(被代理函数)作为参数，返回一个代理函数。调用代理函数时，先输出日志，然后调用被代理函数，调用完成后再输出日志，最后返回调用结果。这样，不就达到通用化的目的了吗？——对于任意被代理函数func，log_call均可轻松应对。

smart_work_bar = log_call(work_bar) smart_work_foo = log_call(work_foo)  smart_work_bar(1) smart_work_foo(1)  # ...  smart_work_bar(some_data) smart_work_foo(some_data)

第1行中，