[ Python ] 如何编写一个高效的 @NotNull 装饰器？

from functools import wraps
from typing import Any, Callable, TypeVar, ParamSpec, cast

P = ParamSpec('P')
R = TypeVar('R')

class NullArgumentError(ValueError):
    """自定义异常，用于表示参数为None的错误"""
    pass

def not_null(*arg_names: str) -> Callable[[Callable[P, R]], Callable[P, R]]:
    """
    装饰器工厂函数，检查指定参数是否为None
    
    Args:
        *arg_names: 要检查的参数名称列表
        
    Returns:
        装饰器函数
    """
    def decorator(func: Callable[P, R]) -> Callable[P, R]:
        # 获取函数签名信息
        import inspect
        sig = inspect.signature(func)
        
        @wraps(func)
        def wrapper(*args: Any, **kwargs: Any) -> R:
            # 绑定参数到签名
            bound_args = sig.bind(*args, **kwargs)
            bound_args.apply_defaults()
            
            # 检查指定的参数
            for arg_name in arg_names:
                if arg_name in bound_args.arguments:
                    value = bound_args.arguments[arg_name]
                    if value is None:
                        raise NullArgumentError(
                            f"参数 '{arg_name}' 不能为None (函数: {func.__name__})"
                        )
            
            return func(*args, **kwargs)
        
        return cast(Callable[P, R], wrapper)
    return decorator

# 使用示例
@not_null('name', 'value')
def process_data(name: str, value: int, optional: str = None) -> str:
    """处理数据的示例函数"""
    return f"{name}: {value} (optional: {optional})"

# 测试
try:
    print(process_data("test", 100))  # 正常
    print(process_data("test", 100, "extra"))  # 正常
    print(process_data(None, 100))  # 抛出异常
except NullArgumentError as e:
    print(f"错误: {e}")

try:
    print(process_data("test", None))  # 抛出异常
except NullArgumentError as e:
    print(f"错误: {e}")

这个装饰器的核心思路是：使用inspect.signature获取函数签名，在调用时绑定参数并检查指定参数是否为None。@wraps保留了原函数的元数据，TypeVar和ParamSpec确保了类型安全。

关键点：

1. 装饰器工厂：not_null()返回真正的装饰器，可以指定要检查的参数名
2. 参数绑定：通过sig.bind()正确处理位置参数和关键字参数
3. 异常处理：自定义NullArgumentError提供清晰的错误信息
4. 类型安全：使用泛型保持原函数的类型签名

这样写既保持了装饰器的通用性，又通过类型提示确保了代码的可靠性。