Python 与 Flask 复习：装饰器、生成器、拷贝、魔法方法、加密与 Token

Python 的核心知识经常出现在后端面试和自动化脚本开发中。

装饰器

装饰器本质上是接收函数并返回新函数的函数。

def log(fn):
    def wrapper(*args, **kwargs):
        print("before")
        result = fn(*args, **kwargs)
        print("after")
        return result
    return wrapper
 
@log
def hello():
    print("hello")

@log 等价于 hello = log(hello)。

生成器

生成器使用 yield，可以按需产生值。

def count():
    yield 1
    yield 2
 
for item in count():
    print(item)

生成器适合处理大数据流，避免一次性加载全部内容。

深拷贝与浅拷贝

浅拷贝只复制第一层对象，内部引用仍共享。深拷贝会递归复制嵌套对象。

import copy
 
a = [[1], [2]]
b = copy.copy(a)
c = copy.deepcopy(a)

魔法方法

常见魔法方法包括：

__init__：初始化对象
__new__：创建对象
__del__：对象销毁时调用
__str__：字符串展示

Flask、加密与 Token

Flask 是轻量级 Python Web 框架。后端认证中常见 token 流程是：

用户登录
服务端验证账号密码
返回 token
后续请求携带 token
服务端校验 token 后返回资源

实际项目中必须配合 HTTPS、过期时间和权限控制。

延伸理解

复习这篇时，不要只记住名词，要把重点放在 装饰器、生成器、拷贝语义、魔法方法、Flask 路由、加密和 Token。这类知识如果只停留在定义层面，很容易在面试或项目中答得很散。更好的理解方式是把它放进一个具体场景：谁在调用它，输入从哪里来，失败后谁负责恢复，数据或状态会不会被重复处理。

后端设计的重点不是把接口跑通，而是让认证、校验、错误处理、幂等性、日志和版本演进都有明确位置。
接口字段要服务于业务语义，不能只是数据库表结构的直接暴露。
评审一个 API 时，至少检查正常路径、权限失败、输入非法、资源不存在和外部依赖失败。

在真实项目中，可以把它当成一个判断框架：先确认输入、约束、失败场景和可观测性，再决定具体工具或写法。如果一个方案看起来很简单，要继续追问它在规模扩大、权限变化、异常恢复和团队协作下是否仍然成立。

实践检查清单

明确这个知识点在系统中的位置：是开发时约束、运行时能力、基础设施能力，还是协作流程。
写出一个最小可运行例子，并补一个失败例子；只会写 happy path 说明理解还不够稳。
记录常见误用：例如边界条件、权限假设、性能假设、同步/异步差异或环境差异。
把概念和项目经历关联起来：如果面试被追问，可以用自己的项目说明为什么这样选。
最后用一句话总结取舍：它牺牲了什么，换来了什么。

自测问题

这个主题解决的核心问题是什么？
如果不用当前方案，还有哪些替代方案？代价是什么？
最容易出错的边界条件在哪里？
如何在代码、测试或监控中验证它真的可靠？

项目化应用场景

可以把这类知识放到一个用户系统或内容管理系统里理解：前端提交表单，后端先做认证，再做权限检查和输入校验，然后执行业务逻辑，最后返回稳定的状态码和错误结构。一个成熟后端接口不应该只考虑成功返回数据，还要考虑 token 过期、用户无权限、重复提交、参数非法、数据库写入失败和外部服务超时。接口文档、日志、监控和测试用例都应该围绕这些路径展开。

常见误区：

把认证和鉴权混为一谈。
只在前端校验输入，后端直接相信请求。
所有错误都返回 500，导致调用方无法恢复。

目录