答案。

在Python中，高阶函数装饰器是一个接受另一个函数（或类）并返回一个新函数（或新修改类）的函数。装饰器通常用于实现“包装”模式，可以在不改变现有函数源代码的情况下，为现有函数添加额外的逻辑（例如，日志记录、缓存、权限检查等）。

为了保留原始函数的名称、文档和其他元数据，建议使用functools.wraps函数：

import functools

def log_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print(f'Calling {func.__name__}')
        return func(*args, **kwargs)
    return wrapper

@log_decorator
def add(a, b):
    """Add two numbers"""
    return a + b

print(add(2, 3))            # Output: Calling add 
 5
print(add.__name__)         # Output: add
print(add.__doc__)          # Output: Add two numbers

关键点：如果没有functools.wraps，包装函数将失去原始的名称、文档和其他元数据， 这会对调试和自动文档生成产生负面影响。

陷阱问题。

如果装饰一个函数而不使用functools.wraps，函数的__name__和__doc__属性会发生什么？

答案： 它们将从内部包装函数（通常是“wrapper”）继承，您将失去原始的元数据。

def simple_decorator(func):
    def wrapper(*args, **kwargs):
        return func(*args, **kwargs)
    return wrapper

@simple_decorator
def f():
    """This is docstring"""
    pass

print(f.__name__)   # Output: 'wrapper' (不是'f')
print(f.__doc__)    # Output: None (而不是'This is docstring')

由于不了解主题细微差别而导致的真实错误示例。

故事

在一个项目中实现了复杂的装饰器系统用于API端点的日志记载，但没有应用functools.wraps。结果，自动生成的文档（Swagger/OpenAPI）和反射工具显示所有端点的名称为'wrapper'，而文档消失了。这大大增加了维护、测试和支持的难度。

故事

在使用pytest编写单元测试时，自动发现测试失败：使用装饰器（没有wraps）装饰的测试函数未被发现，因为它们的__name__不正确。原因是pytest根据名称查找函数。

故事

在跟踪异常堆栈时，堆栈跟踪总是指向“wrapper”，无法辨别究竟是哪个函数引发了错误，因为根元数据由于缺少用户自定义装饰器中的functools.wraps而丢失。

什么是Python中的高阶函数装饰器，它们如何实现“包装”模式，以及在处理函数的元数据/文档时应考虑哪些事项？

答案。

陷阱问题。

由于不了解主题细微差别而导致的真实错误示例。