### Python 自定义类装饰器的使用方法与执行流程解析 #### 1. 类装饰器的核心概念 在 Python 中，装饰器可以是一个函数或者一个类。当使用类作为装饰器时，该类必须实现 `__call__` 方法[^3]。这是因为只有实现了 `__call__` 方法的对象才可以被当作可调用对象（callable object）。通过这种方式，类装饰器能够拦截对目标函数的调用，并在其前后插入额外的行为。 #### 2. 类装饰器的工作机制 以下是类装饰器的一般工作流程： - 当某个函数被类装饰器修饰时，实际上会创建这个类的一个实例。 - 在初始化阶段，类的构造函数 (`__init__`) 接收原始函数作为参数并保存下来。 - 随后，每当调用被装饰的函数时，实际上是触发了类实例的 `__call__` 方法。 - 在 `__call__` 方法内部，可以根据需求添加前置或后置操作，然后再调用原始函数。 下面是一段示例代码展示如何构建和使用类装饰器： ```python class Tracer: def __init__(self, func): self.calls = 0 # 记录调用次数 self.func = func # 原始函数 def __call__(self, *args, **kwargs): self.calls += 1 # 更新调用计数 print(f'Call {self.calls} to function "{self.func.__name__}"') return self.func(*args, **kwargs) # 调用原函数并返回其结果 @Tracer def add(a, b): return a + b print(add(1, 2)) # 输出 Call 1... 并计算加法的结果 print(add(3, 4)) # 输出 Call 2... ``` 上述代码展示了如何利用类装饰器追踪函数调用情况[^2]。这里的关键在于理解 `add` 函数经过装饰之后变成了 `Tracer` 类的一个实例；而对该实例的任何调用都会转交给其实现的 `__call__` 方法处理。 #### 3. 对比函数装饰器与类装饰器 虽然两者都可以用来修改或扩展已有功能，但是它们之间存在一些差异： - 函数装饰器通常更简单直接，适合于只需要少量状态管理的情况； - 如果需要维护更多的上下文信息或者是复杂的逻辑控制，则推荐采用类装饰器形式，因为这样更容易组织数据结构以及封装行为模式[^4]。 #### 4. 实际应用场景举例 假设我们需要记录某特定时间段内的所有数据库查询请求及其耗时时长，这时就可以设计这样一个基于时间戳过滤的日志型类装饰器： ```python import time class LogExecutionTime: def __init__(self, func): self.func = func def __call__(self, *args, **kwargs): start_time = time.time() result = self.func(*args, **kwargs) end_time = time.time() execution_duration = (end_time - start_time)*1000 # 单位转换成毫秒级精度 with open("execution_log.txt", 'a') as log_file: timestamp = time.strftime("%Y-%m-%d %H:%M:%S",time.localtime()) entry = f"[{timestamp}] Function '{self.func.__name__}' executed in {execution_duration:.2f} ms.\n" log_file.write(entry) return result @LogExecutionTime def heavy_computation(n): sum_ = 0 for i in range(n*1000000): sum_ +=i*i return sum_ heavy_computation(5) ``` 此例子中的 `LogExecutionTime` 不仅完成了基本的功能增强——即测量运行时间，还进一步把日志持久化到了文件系统当中去。 --- ###