Python面试：装饰器的多种用法

2026-08-11 00:00:48 387阅读 0评论

Python面试：别只背八股文了，带你拆解装饰器的4种高阶实战用法

每次聊到Python面试，装饰器绝对是绕不开的“必考题”。很多候选人把闭包、高阶函数、@wraps背得滚瓜烂熟，但一到面试官问“你在实际项目里怎么用的”，就瞬间卡壳。今天咱们不扯干巴巴的理论，直接聊聊面试中如何把装饰器的多种用法讲出“实战味”，让面试官觉得你是真写过复杂业务的。

带参数的装饰器：从“套模板”到“懂嵌套”

别停留在无参装饰器了，面试时给个带参数的装饰器能瞬间拉开差距。比如写个控制重试次数的装饰器，这就好比给函数穿了件“防弹衣”，还能根据危险程度选择穿几层。

def retry(times=3):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for i in range(times):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    if i == times - 1:
                        raise e
        return wrapper
    return decorator

面试加分点：跟面试官解释时，重点强调三层嵌套的逻辑。外层接收配置参数，中层接收被装饰函数，内层处理实际业务。这能证明你彻底搞懂了闭包的变量作用域，而不是只会抄网上的单模板。

权限与路由拦截：把装饰器用在“统一收口”

做Web开发（比如FastAPI或Flask），装饰器简直是权限校验的神器。别光在面试里写个打印“无权限”的假代码，要结合真实业务场景。

def require_role(role):
    def decorator(func):
        @wraps(func)
        def wrapper(request, *args, **kwargs):
            if request.user.role != role:
                raise HTTPException(status_code=403, detail="权限不足")
            return func(request, *args, **kwargs)
        return wrapper
    return decorator

面试加分点：告诉面试官，使用装饰器做拦截是为了避免业务代码里到处写 if not user.has_permission 的烂代码。把鉴权逻辑抽离到装饰器中，不仅让视图函数保持清爽，还方便后续统一修改鉴权规则，这就是典型的“单一职责原则”。

优雅的重试与降级：体现你的“工程思维”

网络请求、数据库连接偶尔会抽风，直接在业务代码里写 while 循环重试太丑了。这时候就需要一个专门处理异常的装饰器。

def retry_on_exception(exceptions=(Exception,), delay=1, backoff=2):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            current_delay = delay
            while True:
                try:
                    return func(*args, **kwargs)
                except exceptions as e:
                    current_delay *= backoff
                    time.sleep(current_delay)
        return wrapper
    return decorator

面试加分点：聊这个场景时，顺便提一嘴指数退避（Exponential Backoff）机制。说明你不仅考虑了重试，还考虑了频繁重试可能压垮下游服务的问题。面试官听到这种细节，绝对会觉得你考虑问题很周全，具备成熟的工程思维。

自定义缓存机制：展现对“性能优化”的把控

大家都知道 functools.lru_cache，但面试时自己手写一个简易版缓存装饰器，杀伤力更大。

def simple_cache(func):
    cache = {}
    @wraps(func)
    def wrapper(*args, **kwargs):
        # 将参数转化为可哈希的字符串作为key
        key = str(args) + str(sorted(kwargs.items()))
        if key not in cache:
            cache[key] = func(*args, **kwargs)
        return cache[key]
    return wrapper

面试加分点：告诉面试官，虽然官方库很好用，但手写能考察对 *args 和 **kwargs 的底层处理。重点指出字典的key必须是不可变类型，所以这里用字符串拼接来生成缓存键。如果能把 functools.wraps 保留原函数元数据（如 __name__ 和 __doc__）的细节讲清楚，这波面试基本就稳了。