【Python数据分析300个实用技巧】156.高级技巧与黑科技之元编程必学：用装饰器注入日志功能-CSDN博客

本文链接：https://blog.csdn.net/jrckkyy/article/details/147385920

在这里插入图片描述

元编程魔改代码：三行装饰器实现全自动日志追踪，从此告别print调试大法！本文将手把手教你用装饰器实现日志自动注入，掌握函数执行追踪、参数捕获、异常监控的终极解决方案

装饰器基础速通
日志注入核心原理
多层级日志处理
实战优化技巧

嗨，你好呀，我是你的老朋友精通代码大仙。接下来我们一起学习Python数据分析中的300个实用技巧，震撼你的学习轨迹！

“代码千万行，日志第一行；调试两小时，定位两分钟！” 是不是经常遇到线上bug却找不到现场日志？还在用print大法调试函数执行流程？今天我们就用元编程黑科技，让日志功能像寄生虫一样自动注入每个函数！

1. 装饰器基础速通

点题：理解装饰器的寄生特性

装饰器本质上是个函数包装器，能在不修改原函数代码的前提下，给函数套上新的行为外壳

痛点案例

新手常犯的硬编码日志错误：

def transfer_money(amount):
    print(f"[LOG] 开始执行transfer_money")
    # 业务逻辑
    print(f"[LOG] transfer_money执行完毕")

当项目有上百个函数时，手动添加日志语句会导致：

代码重复率爆炸
改日志格式要全局搜索替换
容易遗漏关键函数

解决方案

基础装饰器模板：

def log_decorator(func):
    def wrapper(*args, **kwargs):
        print(f"开始执行 {func.__name__}")
        result = func(*args, **kwargs)
        print(f"{func.__name__} 执行完毕")
        return result
    return wrapper

@log_decorator
def transfer_money(amount):
    # 干净的业务代码
    pass

小结

装饰器就像代码的"寄生虫"，在不破坏宿主的情况下增强功能

2. 日志注入核心原理

点题：利用函数元信息实现智能日志

痛点场景

当遇到异常时，传统写法：

try:
    transfer_money(100)
except Exception as e:
    print(f"转账失败: {str(e)}")
    raise

这种写法需要在每个业务函数外围包裹try-catch，破坏代码可读性

进阶方案

带异常捕获的装饰器：

def smart_logger(func):
    def wrapper(*args, **kwargs):
        start_time = time.perf_counter()
        try:
            print(f"[{func.__name__}] 输入参数: {args} {kwargs}")
            result = func(*args, **kwargs)
            elapsed = time.perf_counter() - start_time
            print(f"[{func.__name__}] 成功执行 | 耗时{elapsed:.3f}s")
            return result
        except Exception as e:
            print(f"[{func.__name__}] 执行失败: {str(e)}")
            raise
    return wrapper

实战效果

@smart_logger
def divide(a, b):
    return a / b

divide(10, 0)  # 自动输出：[divide] 输入参数: (10, 0) {}  
               # [divide] 执行失败: division by zero

小结

装饰器能自动捕获函数的完整生命周期事件，实现零侵入监控

3. 多层级日志处理

点题：应对复杂场景的日志需求

类方法装饰器

def class_logger(cls):
    for name, method in cls.__dict__.items():
        if callable(method):
            setattr(cls, name, smart_logger(method))
    return cls

@class_logger
class BankService:
    def transfer(self, amount):
        pass
    
    @classmethod
    def check_balance(cls):
        pass

异步函数支持

def async_logger(func):
    async def wrapper(*args, **kwargs):
        print(f"开始执行异步函数 {func.__name__}")
        result = await func(*args, **kwargs)
        print(f"异步函数 {func.__name__} 完成")
        return result
    return wrapper

参数过滤技巧

def sensitive_logger(blacklist=["password"]):
    def decorator(func):
        def wrapper(*args, **kwargs):
            safe_kwargs = {k: "***" if k in blacklist else v 
                          for k, v in kwargs.items()}
            print(f"参数: {safe_kwargs}")
            return func(*args, **kwargs)
        return wrapper
    return decorator

4. 实战优化技巧

性能优化方案

使用functools.wraps保留元数据：

from functools import wraps

def log_decorator(func):
    @wraps(func)  # 保留函数文档等元信息
    def wrapper(*args, **kwargs):
        #...

日志分级控制

LOG_LEVEL = "DEBUG"

def debug_logger(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        if LOG_LEVEL == "DEBUG":
            print(f"[DEBUG] 输入参数: {args}")
        return func(*args, **kwargs)
    return wrapper

日志格式化最佳实践

def json_logger(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        log_data = {
            "timestamp": datetime.now().isoformat(),
            "function": func.__name__,
            "module": func.__module__,
            "args": args,
            "kwargs": kwargs
        }
        print(json.dumps(log_data))
        return func(*args, **kwargs)
    return wrapper