干货 | 推荐一整套 Python 开发工具
干货 | 推荐一整套 Python 开发工具
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_practicescd best_practicesPython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 pipxpython3 -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 --devBlack 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=3include_trailing_comma=Trueforce_grid_wrap=0use_parentheses=Trueline_length=88我们可以这样运行这些工具：
pipenv run blackpipenv 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，W503max-line-length = 88max-complexity = 18select = 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,testignore_missing_imports=true现在我们可以运行mypy：
pipenv run mypymypy 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.pydef 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.ycachedir: $PYTHON_PREFIX/.pytest_cacherootdir: $REGENDOC_TMPDIRcollected 1 item
test_sample.py F [100%]
================================= FAILURES =================================_______________________________ test_answer ________________________________
def test_answer():> assert inc(3) == 5E assert 4 == 5E + 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 directorycd <repo_name>
# Initialise git repogit init
# Install dependenciespipenv install --dev
# Setup pre-commit and pre-push hookspipenv run pre-commit install -t pre-commitpipenv 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。