因为高阶函数的存在，可以接受函数传参，这就让不改变原有函数的前提下，“装饰”原有函数成为可能。也就是增强其功能。
不带参数的装饰器实现不带参数的装饰器至少需要这样两步操作：
可以看出，不带参数的装饰器实现有两个步骤：
- 传入原函数名
- 传入原函数参数列表，增加功能代码，调用原函数
两个步骤之间的链接，是用return返回函数名进行指向（闭包）。
类比不带参数的装饰器实现步骤，每一次传参，就需要定义一次函数，并完成内外层函数的指向调用，类似与递归。
因此不难想象，当我们本身的装饰器也需要参入特定参数时，我们就需要把不带参数的装饰器再进行一次封装，在传入原函数前，增加一个传参和指向的过程。
如下：
可以看出，带参数的装饰器实现就多了一个传送装饰参数的过程，就多了一层。
不带参数的装饰器
def log_decorator(f):
def wrapper(*args,**kw):
print '%s()...'%f.__name__
return f(*args,**kw)
return wrapper
带参数的装饰器
def log(prefix):
def log_decorator(f):
def wrapper(*args,**kw):
print '[%s]%s()...'%(prefix,f.__name__)
return f(*args,**kw)
return wrapper
return log_decorator
从上面两个实例对比可以看出，带参数与不带参数，就是多了一层封装，多的这一层，提供了传参的入口。
类装饰器类装饰器，相比函数装饰器，具有灵活度大、高内聚、封装性等优点。
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
print 'class decorator runing'
self._func()
print 'class decorator ending'
@Foo
def bar():
print 'bar'
bar()使用装饰器极大复用了代码，但是也有缺点就是原函数元信息不见了，比如函数的docstring、name、参数列表
装饰器
def logged(func):
def with_logging(*args, **kwargs):
print func.__name__ + 'was called'
return func(*args, **kwargs)
return with_logging
函数
@logged
def f(x):
"""does some math"""
return x + x*x
# 等价于f = logged(f)不难发现，函数f被with_logging取代了，当然它的docstring,name就是变成了with_logging函数的信息了。
print f.__name__ # 'with_logging'
print f.__doc__# 'None'怎么解决，这里有个functools.wraps，wraps本身也是一个装饰器，它能把元函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。
from functools import wraps
def logged(func):
@wraps(func)
def with_logging(*args, **kwargs):
print func.__name__ + 'was called'
return func(*args, **kwargs)
return with_logging
@logged
def f(x):
"""does some math"""
return x + x*x
print f.__name__# 'f'
print f.__doc__ # 'does some math'@staticmethod
@classmethod
@property
装饰器的顺序@a
@b
@c
def f():
pass
# 等效于
f = a(b(c(f)))
