Python中闭包与装饰器的区别：阶乘缓存实现效果差异解析

差异本质来自函数调用链路的绑定对象不同，和缓存逻辑本身的写法无关：

• 闭包实现的场景下，全局作用域里的factorial始终是没有缓存能力的原始函数。你在run_closure中执行f = cache(factorial)时，只是创建了一个带缓存逻辑的局部包装对象f，并没有修改全局factorial的绑定。
• 当你调用f(5)时，缓存wrapper发现5不在缓存表，就会执行传入的原始func（也就是没包装过的factorial）计算结果。这个原始factorial内部的递归逻辑return n * factorial(n - 1)，找的是全局作用域下的原始factorial，完全不会经过你写的缓存wrapper。
• 整个计算过程中，只有你手动调用f()的路径会经过缓存判断，递归计算的4!、3!、2!这些中间值，根本没有机会被写入缓存表。缓存表里最终只会存入你手动通过f调用的两个值：第一次调用f(5)时存入的5!结果，第二次调用f(4)时临时计算并存入的4!结果，自然不会出现中间值的缓存命中。

补个验证：如果在闭包实现里，在f = cache(factorial)之后手动加上一句global factorial; factorial = f，把全局的factorial绑定也替换成带缓存的wrapper，这时候递归路径就会完全走缓存逻辑，最终输出就和装饰器实现完全一致了。

而装饰器实现能达到预期效果，是因为：

• Python执行@cache语法的等价逻辑是factorial = cache(factorial)，这一步直接把全局作用域下的factorial标识符，从原始函数替换成了带缓存的wrapper。
• 这时候factorial内部递归调用的factorial(n-1)，匹配到的就是全局作用域下的wrapper，每一层递归都会触发缓存判断，计算出的0!、1!、2!……直到5!的所有结果，都会被存入缓存表，后续的重复调用自然可以直接命中缓存。

• 闭包是Python的语法特性：指的是内部函数可以捕获并持有外部函数作用域的局部变量，哪怕外部函数执行完毕返回了，这些被捕获的变量依然可以被内部函数访问。它是实现带状态函数、缓存逻辑的基础能力，本身没有强制的执行规则。
• 装饰器是基于闭包实现的设计模式：它的核心约定是在不修改原函数源码、不改变原函数调用方式的前提下，用包装后的增强函数，替换原函数在原作用域的标识符绑定，从而让所有原函数的调用路径，都能自动触发附加的增强逻辑。

内容的提问来源于stack exchange，提问作者cmjdxy