Python3 【装饰器】项目实战：5个新颖的学习案例
以下是 5 个使用 Python 装饰器的综合应用项目，这些项目具有新颖性、前瞻性和实用性。每个项目都包含完整的代码、解释说明、测试案例和执行结果。
项目 1：API 请求限流器
描述：实现一个装饰器，限制 API 请求的频率，防止服务器过载。
代码实现
import time
def rate_limiter(max_calls, period):
"""
限制函数调用频率的装饰器。
:param max_calls: 每个时间段内允许的最大调用次数。
:param period: 时间段（秒）。
"""
calls = []
def decorator(func):
def wrapper(*args, **kwargs):
now = time.time()
# 移除超时的调用记录
calls[:] = [call for call in calls if now - call < period]
if len(calls) >= max_calls:
raise Exception("请求频率过高，请稍后再试")
calls.append(now)
return func(*args, **kwargs)
return wrapper
return decorator
# 测试案例
@rate_limiter(max_calls=3, period=5)
def api_request():
print("API 请求成功")
# 模拟请求
for i in range(5):
try:
api_request()
except Exception as e:
print(e)
time.sleep(1)
执行结果
API 请求成功
API 请求成功
API 请求成功
请求频率过高，请稍后再试
请求频率过高，请稍后再试
说明：该装饰器限制每 5 秒内最多调用 3 次 API，超过限制会抛出异常。
项目 2：函数结果缓存
描述：实现一个装饰器，缓存函数的结果，避免重复计算。
代码实现
def cache_decorator(func):
"""
缓存函数结果的装饰器。
"""
cache = {}
def wrapper(*args):
if args in cache:
print("从缓存中获取结果")
return cache[args]
result = func(*args)
cache[args] = result
return result
return wrapper
# 测试案例
@cache_decorator
def fibonacci(n):
"""
计算斐波那契数列。
"""
if n < 2:
return n
return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(10))
print(fibonacci(10))
执行结果
55
从缓存中获取结果
55
说明：该装饰器缓存了斐波那契数列的计算结果，避免重复计算。
项目 3：异步任务重试机制
描述：实现一个装饰器，为异步任务提供重试机制。
代码实现
import asyncio
import random
def retry_decorator(max_retries=3):
"""
为异步函数提供重试机制的装饰器。
:param max_retries: 最大重试次数。
"""
def decorator(func):
async def wrapper(*args, **kwargs):
for i in range(max_retries):
try:
return await func(*args, **kwargs)
except Exception as e:
print(f"重试 {i+1}/{max_retries}: {e}")
await asyncio.sleep(1)
raise Exception("重试次数用尽")
return wrapper
return decorator
# 测试案例
@retry_decorator(max_retries=3)
async def unstable_task():
if random.random() < 0.5:
raise Exception("任务失败")
return "任务成功"
async def main():
try:
result = await unstable_task()
print(result)
except Exception as e:
print(e)
asyncio.run(main())
执行结果
重试 1/3: 任务失败
任务成功
说明：该装饰器为异步任务提供了重试机制，失败后最多重试 3 次。
项目 4：函数调用日志记录
描述：实现一个装饰器，记录函数的调用日志。
代码实现
import logging
logging.basicConfig(level=logging.INFO)
def log_decorator(func):
"""
记录函数调用日志的装饰器。
"""
def wrapper(*args, **kwargs):
logging.info(f"调用函数: {func.__name__}, 参数: {args}, {kwargs}")
result = func(*args, **kwargs)
logging.info(f"函数 {func.__name__} 执行完毕")
return result
return wrapper
# 测试案例
@log_decorator
def add(a, b):
return a + b
print(add(3, 5))
执行结果
INFO:root:调用函数: add, 参数: (3, 5), {}
INFO:root:函数 add 执行完毕
8
说明：该装饰器记录了函数的调用和参数，方便调试和追踪。
项目 5：动态权限验证
描述：实现一个装饰器，根据用户角色动态验证权限。
代码实现
def role_required(role):
"""
根据用户角色验证权限的装饰器。
:param role: 需要的角色。
"""
def decorator(func):
def wrapper(user, *args, **kwargs):
if user.get("role") == role:
return func(*args, **kwargs)
else:
return "权限不足"
return wrapper
return decorator
# 测试案例
@role_required(role="admin")
def delete_file():
return "文件已删除"
user_admin = {"name": "Alice", "role": "admin"}
user_guest = {"name": "Bob", "role": "guest"}
print(delete_file(user_admin))
print(delete_file(user_guest))
执行结果
文件已删除
权限不足
说明：该装饰器根据用户角色动态验证权限，只有管理员可以删除文件。
总结
以上 5 个项目展示了 Python 装饰器在不同场景下的应用，包括限流、缓存、重试、日志记录和权限验证。每个项目都配有完整的代码、测试案例和执行结果，适合学习和实际应用。
