装饰器中异常捕获需在内层函数用 try/except 包裹 func(args, *kwargs)，保留返回值、捕获 exception 而非裸 except，并用 @functools.wraps(func) 保持原函数元信息；异步函数需专用 async wrapper。
装饰器里怎么写异常捕获逻辑
核心是用 try/except 包住 func(*args, **kwargs) 调用，再把异常处理逻辑（比如记录日志、返回默认值、重新抛出）放在 except 块里。别直接在装饰器函数体顶层写 try，那会捕获装饰器自身初始化时的错误，不是目标函数的。
常见错误：漏掉 return —— 如果原函数有返回值，但装饰器里没显式返回，就变成 None；或者只处理了部分异常类型，结果 ValueError 捕到了，KeyError 却冒泡出去了。
- 必须保留原函数的返回值：
return func(*args, **kwargs) - 建议捕获
Exception而非裸except:，避免吞掉KeyboardInterrupt或SystemExit - 如果想透传原异常，用
raise不带参数，保持 traceback 不变
如何让装饰器支持自定义异常处理行为
靠闭包加参数。外层函数接收处理策略（如日志级别、默认返回值、是否重试），内层才是真正作用于目标函数的装饰器。这样就能复用同一套异常捕获骨架，适配不同场景。
典型使用场景：API 接口函数统一返回 {"code": 500, "msg": "xxx"}；数据清洗函数遇到脏数据时跳过并打日志，不中断流程。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 参数命名要直白，比如
default_return=None、log_level="warning" - 避免在装饰器里做耗时操作（如网络请求），否则所有被装饰函数都会被拖慢
- 注意参数默认值别用可变对象（如
default_return=[]），会导致状态跨调用污染
@functools.wraps(func) 为什么不能省
不加它，被装饰函数的 __name__、__doc__、__annotations__ 全都变成内层闭包函数的，调试、IDE 提示、自动文档生成全失效。这不是风格问题，是实际协作中会立刻踩的坑。
错误现象：help(my_func) 显示的是 wrapper 的空文档；用 pytest 测函数名时匹配不到；类型检查工具报 “no type hints found”。
- 必须在内层函数上加
@functools.wraps(func) - 导入别漏：
from functools import wraps - 如果用了多层装饰器（比如先
@retry再@catch_error），每一层都要加wraps
异步函数（async def）怎么用异常装饰器
普通装饰器对 async def 函数无效——它返回的是协程对象，不是直接执行结果。必须写一个专门处理 await 的版本，用 async/await 包裹调用，并在 except 后用 await 执行异步日志等操作。
容易忽略的点：同步日志库（如内置 logging）在异步上下文中可用，但异步日志库（如 aiologger）才真正适配高并发场景；若装饰器里混用阻塞调用（如 time.sleep），会卡住整个 event loop。
- 函数签名得是
async def wrapper(...)，内部用await func(...) - 不要用
loop.run_in_executor包同步操作来“打补丁”，这增加复杂度且易出错 - 测试时得用
asyncio.run()或pytest-asyncio，普通assert会直接断言协程对象而非结果
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
