装饰器（Decorator）

装饰器可以理解为：不改原函数代码，在外面“包一层”，给函数增加额外能力（比如日志、计时、缓存、权限判断）。

它之所以能做到，是因为 Python 里函数也是对象：能作为参数传递、也能作为返回值返回。

最小例子：给函数加日志

装饰器本质是一个函数：接收一个函数 func，返回一个新函数 wrapper。

等价写法（更直观）：

functools.wraps：保留函数名与注释（推荐）

如果不做处理，装饰后函数的 __name__、__doc__ 会变成 wrapper 的信息。用 functools.wraps 可以保留原信息（很多库/工具依赖这个）。

带参数的装饰器：装饰器工厂

想写 @log_call(prefix="DEBUG") 这种形式，需要多一层：外层先接收装饰器参数，返回真正的装饰器。

多个装饰器的顺序（常见坑）

写成：

@A
@B
def f(): ...

等价于：

f = A(B(f))

也就是 离函数更近的 @B 先应用，外层再套 @A。

LeetCode 高价值用法：lru_cache 记忆化

递归 DFS / 状态 DP 很常见：同一个状态会重复算。用 functools.lru_cache 可以把结果缓存起来，显著提速。

二维/多参数状态也一样：

小结

• 装饰器：接收函数、返回“包了一层的新函数”，常用 *args, **kwargs 做通用转发。
• @wraps：强烈建议加，保留原函数元信息。
• 带参数装饰器：多一层“装饰器工厂”。
• 刷题常用：@lru_cache(None) 做记忆化，提升递归 DP/DFS 性能。