装饰器处理带参数函数的关键在于用args和*kwargs通用接收并传递参数；装饰器自身带参数需三层嵌套；用@functools.wraps可保持原函数元信息；类型提示需配合ParamSpec严谨继承。
装饰器处理带参数函数的关键，在于让装饰器内部的包装函数（wrapper）能接收并传递任意参数，而不是写死参数名或数量。
用 *args 和 **kwargs 通用接收
这是最常用也最稳妥的方式。包装函数不关心原函数具体要几个参数、是位置还是关键字，统一用 *args 接收所有位置参数，**kwargs 接收所有关键字参数，再原样传给被装饰函数。
例如：
def log_call(func):
def wrapper(*args, **kwargs):
print(f"调用 {func.__name__}，参数：{args}, {kwargs}")
result = func(*args, **kwargs)
print(f"{func.__name__} 返回：{result}")
return result
return wrapper
@log_call
def add(a, b, c=10):
return a + b + c
add(1, 2) # 输出：调用 add，参数：(1, 2), {'c': 10}
add(5, y=3, x=1) # 也能正常工作（只要原函数支持这些参数）
装饰器自身带参数时：多套一层函数
如果想让装饰器能接收配置（比如日志级别、重试次数），就需要三层嵌套：最外层接收装饰器参数，中间返回真正的装饰器，最内层是 wrapper。
关键点是中间层必须返回一个可调用对象（即装饰器），它接收被装饰函数并返回 wrapper。
例如：
def retry(max_attempts=3):
def decorator(func):
def wrapper(*args, **kwargs):
for i in range(max_attempts):
try:
return func(*args, **kwargs)
except Exception as e:
if i == max_attempts - 1:
raise e
print(f"第 {i+1} 次尝试失败，重试中...")
return wrapper
return decorator
@retry(max_attempts=2)
def fetch_data(url):
模拟可能失败的操作
raise ConnectionError("网络错误")
保持原函数元信息（__name__、__doc__ 等）
直接写 wrapper 会导致 help(add) 显示的是 wrapper 的信息，而非原函数。用 @functools.wraps(func) 可自动复制元数据。
推荐写法：
from functools import wrapsdef log_call(func): @wraps(func) # 这一行很重要 def wrapper(*args, *kwargs): print(f"调用 {func.name}") return func(args, **kwargs) return wrapper
@log_call def greet(name): """向某人打招呼""" return f"Hello, {name}"
print(greet.doc) # 正确输出："向某人打招呼" print(greet.name) # 正确输出："greet"
处理有类型提示的函数
若原函数带类型注解（如 def calc(x: int, y: float) -> str:），wrapper 本身也应保留这些提示，否则静态检查工具（如 mypy）可能报错。使用 @wraps 后，类型提示默认不会自动继承，但大多数现代类型检查器能通过 functools.wraps 推断。更严谨的做法是手动标注 wrapper 的签名（需配合 typing 模块和 ParamSpec，Python 3.10+）：
from typing import Callable, TypeVar, ParamSpec from functools import wrapsP = ParamSpec('P') R = TypeVar('R')
def log_call(func: Callable[P, R]) -> Callable[P, R]: @wraps(func) def wrapper(*args: P.args, *kwargs: P.kwargs) -> R: print(f"调用 {func.name}") return func(args, **kwargs) return wrapper
