强烈推荐| 工程化必备的几个 Python 开发工具

最新推荐文章于 2023-11-24 11:58:30 发布

Sitin涛哥

最新推荐文章于 2023-11-24 11:58:30 发布

阅读量473

点赞数

640

文 | Brendan Maginnis 译 | EarlGrey

推荐 | 编程派公众号（ID：codingpy）

原文：https://sourcery.ai/blog/python-best-practices/

在开始一个新的Python项目时，很容易不做规划直接进入编码环节。花费少量时间，用最好的工具设置项目，将节省大量时间并带来更快乐的编码体验。

在理想的世界中，所有开发人员使用的依赖库都是相同的，代码将被完美地格式化，禁止常见错误，并且测试将涵盖所有内容。此外，每次提交代码时都会确保符合这些要求。

在本文中，我将介绍如何设置一个这样的理想项目。你可以跟随我的步骤操作，也可以直接开始安装pipx和pipenv，然后生成新项目。

让我们创建一个新的项目目录：

mkdir best_practices	
cd best_practices

Python命令行工具与pipx

Pipx是一个方便的实用程序，允许快速安装python命令行工具。我们将用它来安装 pipenv 和 cookiecutter 。

python3 -m pip install --user pipx	
python3 -m pipx ensurepath

使用 pipenv 进行依赖管理

Pipenv自动为您的项目创建和管理virtualenv，以及在安装/卸载软件包时从Pipfile添加/删除软件包。它还生成了非常重要的Pipfile.lock文件，用于生成确定性构建。

知道你和你的同事正在使用相同的库版本，可以极大提升信心。Pipenv 可以实现这个点，因此在过去一年多里得到了大量开发者的青睐

pipx install pipenv

使用 black 和 isort 进行代码格式化

Black是代码格式化工具：

Black是不妥协的Python代码格式化程序。通过使用它，意味着您同意放弃对手动格式化细节的控制。作为回报，Black 为你提供速度和确定性，并且无需处理 pycodestyle 的繁琐提示。你将有更多的时间，来处理更重要的事情。

无论是什么项目，Black 格式化后的代码看起来都是一样的。习惯之后，你不会再注意到格式的问题，可以专注于内容。

Black产生的代码差异最小，可以加速代码审查。

isort则用来处理 import 的排序：

isort是可以按字母顺序对 import 进行排序，并自动分成多个部分。

让我们使用pipenv安装它们为开发依赖库，这样就不会让部署版本变得更复杂：

pipenv install black isort --dev

Black 和 isort 的默认选项之间有冲突，因此我们将覆盖 isort 的选项配置，使用 Black 的配置。创建一个 setup.cfg文件并添加此配置：

[isort]	
multi_line_output=3	
include_trailing_comma=True	
force_grid_wrap=0	
use_parentheses=True	
line_length=88

我们可以这样运行这些工具：

pipenv run black	
pipenv run isort

用flake8强化风格

Flake8确保我们的代码遵循PEP8的约定。使用pipenv安装：

pipenv install flake8 --dev

就像isort一样，它需要一些配置才能与 Black 配合使用。将此配置添加到 setup.cfg：

[flake8]	
ignore = E203，E266，E501，W503	
max-line-length = 88	
max-complexity = 18	
select = B，C，E，F，W，T4

现在我们可以使用 pipenv run flake8运行flake8。

使用 mypy 检查静态类型

Mypy是Python的一个可选静态类型检查器，旨在结合动态（或“鸭子”）类型和静态类型的好处。Mypy将Python的表现力和便利性与强大的类型系统和编译时类型检查相结合。Mypy对标准Python程序进行类型检查，使用 Python VM 运行 mypy 基本没有运行时的开销。

在Python中使用类型需要慢慢习惯，但好处是巨大的。mypy 官网这样写道：

静态类型可以使程序更容易理解和维护
静态类型可以帮助您更早地发现错误，并减少测试和调试
静态类型可以帮助您在代码投入生产之前找到难以发现的错误

    pipenv install mypy --dev

默认情况下，Mypy将递归检查所有类型注释的导入，这会导致库不包含这些注释时出错。我们需要将mypy配置为仅在我们的代码上运行，并忽略没有类型注释的导入的任何错误。我们假设代码存在于以下配置的 best_practices包中。将如下配置添加到 setup.cfg：

[mypy]	
files=best_practices,test	
ignore_missing_imports=true

现在我们可以运行mypy：

pipenv run mypy

mypy 的速查表：https://mypy.readthedocs.io/en/latest/cheatsheetpy3.html

使用pytest和pytest-cov进行测试

使用pytest编写测试非常容易，并且消除编写测试的阻力，意味着我们会编写更多的测试！

pipenv install pytest pytest-cov --dev

以下是pytest网站的一个简单示例：

# content of test_sample.py	
def inc(x):	
    return x + 1	
def test_answer():	
    assert inc(3) == 5

执行示例：

$ pipenv run pytest	
=========================== test session starts ============================	
platform linux -- Python 3.x.y, pytest-5.x.y, py-1.x.y, pluggy-0.x.y	
cachedir: $PYTHON_PREFIX/.pytest_cache	
rootdir: $REGENDOC_TMPDIR	
collected 1 item	
test_sample.py F                                                     [100%]	
================================= FAILURES =================================	
_______________________________ test_answer ________________________________	
    def test_answer():	
>       assert inc(3) == 5	
E       assert 4 == 5	
E        +  where 4 = inc(3)	
test_sample.py:6: AssertionError	
========================= 1 failed in 0.12 seconds =========================

所有的测试都应该放在 test目录中，所以将这个配置添加到 setup.cfg：

[tool:pytest]	
testpaths=test

我们还想检查测试覆盖了多少代码。创建一个新文件 .coveragerc，用来返回应用程序代码的覆盖率统计信息，我们再次假设代码位于 best_practices模块中：

[run]	
source = best_practices	
[report]	
exclude_lines =	
    # Have to re-enable the standard pragma	
    pragma: no cover	
    # Don't complain about missing debug-only code:	
    def __repr__	
    if self\.debug	
    # Don't complain if tests don't hit defensive assertion code:	
    raise AssertionError	
    raise NotImplementedError	
    # Don't complain if non-runnable code isn't run:	
    if 0:	
    if __name__ == .__main__.:

我们现在可以运行测试并报告覆盖率

pipenv run pytest --cov --cov-fail-under=100

如果对应用程序代码的测试覆盖率低于100％，则会失败。

pre-commit 的 Git 钩子

Git钩子允许您在任何时候提交或推送时运行脚本。这就可以支持我们在每次提交/推送时，自动运行所有的格式化和测试。pre-commit可以帮助我们轻松配置这些钩子：

在提交代码审查之前，Git钩子脚本可以帮助识别简单问题。每次提交时运行钩子，自动指出代码中的问题，例如缺少分号，尾随空格和调试语句。在代码审查之前指出这些问题，可以让代码审查者专注于代码架构的变化，而不是浪费时间检查格式问题。

在这里，我们配置在提交Python 文件修改时，执行上述所有检查，并且仅在推送时运行pytest覆盖率测试，因为耗时可能较长。创建一个新文件 .pre-commit-config.yaml：

repos:	
- repo: local	
  hooks:	
  - id: isort	
    name: isort	
    stages: [commit]	
    language: system	
    entry: pipenv run isort	
    types: [python]	
  - id: black	
    name: black	
    stages: [commit]	
    language: system	
    entry: pipenv run black	
    types: [python]	
  - id: flake8	
    name: flake8	
    stages: [commit]	
    language: system	
    entry: pipenv run flake8	
    types: [python]	
    exclude: setup.py	
  - id: mypy	
    name: mypy	
    stages: [commit]	
    language: system	
    entry: pipenv run mypy	
    types: [python]	
    pass_filenames: false	
  - id: pytest	
    name: pytest	
    stages: [commit]	
    language: system	
    entry: pipenv run pytest	
    types: [python]	
  - id: pytest-cov	
    name: pytest	
    stages: [push]	
    language: system	
    entry: pipenv run pytest --cov --cov-fail-under=100	
    types: [python]	
    pass_filenames: false

如果你需要跳过这些钩子，你可以运行 git commit--no-verify或 git push--no-verify

使用cookiecutter生成项目

我们已经看到了理想项目都使用了哪些工具，可以将其固化为一个模板，只需要1个命令即可生成新项目：

pipx run cookiecutter gh:sourceryai/python-best-practices-cookiecutter

填写项目名称和仓库名称，即可使用模板为你生成项目。

要完成设置，请按照下列步骤操作：

# Enter project directory	
cd <repo_name>	
# Initialise git repo	
git init	
# Install dependencies	
pipenv install --dev	
# Setup pre-commit and pre-push hooks	
pipenv run pre-commit install -t pre-commit	
pipenv run pre-commit install -t pre-push

模板项目包含一个非常简单的Python文件和测试来试用这些工具。一旦你对代码感到满意，你就可以做第一个 git commit，这时所有的钩子都会运行。

往期阅读

640?wx_fmt=jpeg