Python函数装饰器链的本质是按从下到上的顺序依次应用装饰器，即@decorator_a@decorator_b@decorator_c等价于my_func = decorator_a(decorator_b(decorator_c(my_func)))，执行时先c后b再a包裹，调用时按a→b→c→原函数进入、c→b→a返回。
Python函数装饰器链的本质，是把多个装饰器按从下到上的顺序依次应用到目标函数上——最靠近函数定义的那个装饰器最先执行，其返回结果再作为参数传给上面的装饰器。理解这个执行顺序，是掌握装饰器链的关键。
装饰器链的执行顺序：从下往上、层层包裹
当写成这样：
@decorator_a
@decorator_b
@decorator_c
def my_func():
pass
等价于：
my_func = decorator_a(decorator_b(decorator_c(my_func)))
也就是说：
立即学习“Python免费学习笔记（深入）”；
- decorator_c 最先运行，接收原始函数，返回一个新函数（比如 wrapper_c）
- decorator_b 接收 wrapper_c，返回 wrapper_b
- decorator_a 接收 wrapper_b，最终赋值给 my_func
调用 my_func() 时，实际执行的是 a → b → c → 原函数 的嵌套调用流程（进入顺序），而返回值则按 c → b → a 逐层回传（退出顺序）。
常见装饰器链组合及实用场景
装饰器链不是炫技，而是为不同关注点解耦。典型组合包括：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 日志 + 计时 + 缓存：记录调用时间、耗时和结果复用，适合高频计算函数
- 权限校验 + 参数校验 + 重试机制：用于 API 接口层，分层拦截非法请求
- 类型检查 + 单元测试注入 + 性能采样：开发阶段辅助调试与质量保障
注意：顺序会影响行为逻辑。例如缓存装饰器应放在计时装饰器外层，否则每次都会统计“读缓存”的耗时，而非真实计算耗时。
带参装饰器参与链式调用的写法要点
如果某个装饰器需要参数（如 @retry(max_times=3)），它必须是“装饰器工厂”——返回真正的装饰器函数：
def retry(max_times=3):
def decorator(func):
def wrapper(*args, **kwargs):
for i in range(max_times):
try:
return func(*args, **kwargs)
except Exception:
if i == max_times - 1:
raise
return None
return wrapper
return decorator
在链中使用时，记得加括号调用工厂函数：
@log_calls
@retry(max_times=2)
@cache_result
def fetch_data(url):
...
不加括号（如 @retry）会导致 TypeError：因为此时 retry 是个函数，不是可调用的装饰器。
调试装饰器链：看清谁在包装谁
链太长容易混淆，可用以下方式快速定位：
- 打印每个 wrapper 的 __name__ 和 __wrapped__（需用 functools.wraps 保持原函数元信息）
- 在各 wrapper 开头加 print(f"Entering {__name__}") 观察进入顺序
- 用 inspect.signature() 检查最终函数的参数签名是否被意外修改
若发现函数名变成 wrapper 或参数丢失，大概率是某个装饰器没用 wraps 包装内层函数。
