Python装饰器通过函数替换实现行为增强：用新包装函数替代原函数，控制执行流程并保留原函数为闭包变量，但默认导致元信息丢失，需用@functools.wraps修复。
Python 装饰器本身不直接“改变”原函数的行为，而是用一个新函数替换了它——这个新函数在调用时，可以执行额外逻辑（如日志、校验、缓存），再决定是否、何时、如何调用原函数。行为变化的根源在于函数对象被重新绑定到了装饰后的版本。
装饰器本质是函数替换
使用
语法糖等价于：
也就是说，变量
func
不再指向原来的函数对象，而是指向装饰器返回的新可调用对象（通常是闭包或类实例）。后续所有对
func()
的调用，实际执行的是这个新对象的逻辑。
立即学习
“
Python免费学习笔记（深入）
”；
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
新函数控制执行流程
典型的装饰器会在内部定义一个包装函数（wrapper），它：
接收与原函数一致的参数（通过
）
可在调用原函数前插入任意代码（例如打印时间、检查权限）
可选择不调用原函数（比如权限不足时直接返回错误）
可修改传入参数或处理返回值（例如自动序列化响应）
可在调用后添加清理逻辑（如关闭数据库连接）
原函数依然存在，只是被“包裹”了
原函数通常作为自由变量保留在 wrapper 的闭包中（
作用域
），并未被销毁。你可以通过
（如果装饰器遵循标准协议）或手动保存的引用访问它。但默认情况下，外部调用走的都是 wrapper 这一层。
副作用：函数元信息丢失
由于替换为新函数，原函数的
、
、
等属性默认变成 wrapper 的，这会影响调试、文档生成和反射。解决方法是用
修饰 wrapper，自动复制这些属性。
@decoratorfunc = decorator(func)*args, **kwargsnonlocalwrapper.__wrapped____name____doc____module__@functools.wraps(func)