如何完美的建立一个python项目
下面有python教程栏目为大家建立一个完美的python项目，希望可以帮助到大家，一起讨论进步~
当开始一个新的Python项目时，大家很容易一头扎进去就开始编码。其实花一点时间选择优秀的库，将为以后的开发节省大量时间，并带来更快乐的编码体验。
在理想世界中，所有开发人员的关系是相互依赖和关联的（协作开发），代码要有完美的格式、没有低级的错误、并且测试覆盖了所有代码。另外，所有这些将在每次提交时都可以得到保证。（代码风格统一、类型检测、测试覆盖率高、自动检测）
在本文中，我将介绍如何建立一个可以做到这些点的项目。您可以按照步骤操作，也可以直接跳到使用cookiecutter生成项目部分（老手）。
首先，让我们创建一个新的项目目录：
mkdir best_practices cd best_practices
pipx安装Python三方库的命令行工具
Pipx是一个可用于快速安装Python三方库的命令行工具。我们将使用它来安装pipenv和cookiecutter。通过下面的命令安装pipx：
python3 -m pip install --user pipx python3 -m pipx ensurepath
使用pipenv进行依赖管理
Pipenv为您的项目自动创建和管理virtualenv（虚拟环境），并在安装/卸载软件包时从Pipfile添加/删除软件包。它还会生成非常重要的Pipfile.lock用于保证依赖的可靠性。
当你知道，你和你的队友正在使用相同的库版本时，这将会极大地提高编程的信心和乐趣。Pipenv很好地解决了使用相同的库，版本不同的这一问题，Pipenv在过去的一段时间里获得了广泛的关注和认可，你可以放心使用。安装命令如下：
pipx install pipenv
使用black和isort进行代码格式化
black可以格式化我们的代码：
Black是毫不妥协的Python代码格式化库。通过使用它，你将放弃手动调整代码格式的细节。作为回报，Black可以带来速度、确定性和避免调整Python代码风格的烦恼，从而有更多的精力和时间放在更重要的事情上。
无论你正在阅读什么样的项目，用black格式化过的代码看起来都差不多。一段时间后格式不再是问题，这样你就可以更专注于内容。
black通过减少代码的差异性，使代码检查更快。
而isort是对我们的imports部分进行排序：
isort为您导入的Python包部分（imports）进行排序，因此你不必再对imports进行手动排序。它可以按字母顺序对导入进行排序，并自动将其拆分成多个部分。
使用pipenv安装它，以便它们不会使部署混乱（可以指定只在开发环境安装）：
pipenv install black isort --dev
Black和isort并不兼容的默认选项，因此我们将让isort遵循black的原则。创建一个setup.cfg文件并添加以下配置：
[isort] multi_line_output=3 include_trailing_comma=True force_grid_wrap=0 use_parentheses=True line_length=88
我们可以使用以下命令运行这些工具：
pipenv run black pipenv run isort
使用flake8保证代码风格
Flake8确保代码遵循PEP8中定义的标准Python代码规范。使用pipenv安装：
pipenv install flake8 --dev
就像isort一样，它需要一些配置才能很好地与black配合使用。将这些配置添加到setup.cfg：
[flake8] ignore = E203, E266, E501, W503 max-line-length = 88 max-complexity = 18 select = B,C,E,F,W,T4
现在我们可以运行flake8了，命令：pipenvrunflake8。
使用mypy进行静态类型检查
Mypy是Python的非强制的静态类型检查器，旨在结合动态（或“鸭子”）类型和静态类型的优点。Mypy将Python的表达能力和便利性与功能强大的类型系统的编译时类型检查结合在一起，使用任何PythonVM运行它们，基本上没有运行时开销。
在Python中使用类型需要一点时间来适应，但是好处却是巨大的。如下：
静态类型可以使程序更易于理解和维护
静态类型可以帮助您更早地发现错误，并减少测试和调试的时间
静态类型可以帮助您在代码投入生产之前发现难以发现的错误
pipenv install mypy --dev
默认情况下，Mypy将递归检查所有导入包的类型注释，当库不包含这些注释时，就会报错。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错误。我们假设我们的代码位于以下配置的best_practices包中。将此添加到setup.cfg：
[mypy] files=best_practices,test ignore_missing_imports=true
现在我们可以运行mypy了：
pipenv run mypy
这是一个有用的备忘单。
用pytest和pytest-cov进行测试
使用pytest编写测试非常容易，消除编写测试的阻力意味着可以快速的编写更多的测试！
pipenv install pytest pytest-cov --dev
这是 pytest 网站上的一个简单示例：
# content of test_sample.py
def inc(x):
return x + 1
def test_answer():
assert inc(3) == 5
要执行它：
$ 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
我们所有的测试代码都放在test目录中，因此请将此目录添加到setup.cfg：
[tool:pytest] testpaths=test
如果还想查看测试覆盖率。创建一个新文件.coveragerc，指定只返回我们的项目代码的覆盖率统计信息。比如示例的best_practices项目，设置如下：
[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__.:
现在，我们就可以运行测试并查看覆盖率了。
pipenv run pytest --cov --cov-fail-under=100
--cov-fail-under=100是设定项目的测试覆盖率如果小于100％那将认定为失败。
pre-commit的Githooks
Githooks可让您在想要提交或推送时随时运行脚本。这使我们能够在每次提交/推送时，自动运行所有检测和测试。pre-commit可轻松配置这些hooks。
Githook脚本对于在提交代码审查之前，识别简单问题很有用。我们在每次提交时都将运行hooks，以自动指出代码中的问题，例如缺少分号、尾随空白和调试语句。通过在codereview之前指出这些问题，代码审查者可以专注于变更的代码内容，而不会浪费时间处理这些琐碎的样式问题。
在这里，我们将上述所有工具配置为在提交Python代码改动时执行（gitcommit），然后仅在推送时运行pytestcoverage（因为测试要在最后一步）。创建一个新文件.pre-commit-config.yaml，配置如下：
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
如果需要跳过这些hooks，可以运行gitcommit--no-verify或gitpush--no-verify
使用cookiecutter生成项目
现在，我们已经知道了理想项目中包含了什么，我们可以将其转换为模板从而可以使用单个命令生成一个包含这些库和配置的新项目：
pipx run cookiecutter gh:sourcery-ai/python-best-practices-cookiecutter
填写项目名称和仓库名称，将为您生成新的项目。
要完成设置，请执行下列步骤：
# Enter project directory cd# 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，可以试用上面这些工具。在编写完代码觉得没问题后，就可以执行第一次gitcommit，所有的hooks都将运行。
集成到编辑器
虽然在提交时知道项目的代码始终保持最高水准是件令人兴奋的事情。但如果在代码已全部修改完成之后（提交时），再发现有问题还是会让人很不爽。所以，实时暴露出问题要好得多。
在保存文件时，花一些时间确保代码编辑器运行这些命令。有及时的反馈，这意味着你可以在代码还有印象的时候能迅速解决引入的任何小问题。
我个人使用一些出色的Vim插件来完成此任务：
ale实时运行flake8并在保存文件时运行black、isort和mypy
与projectionist集成的vim-test在文件保存上运行pytest
到此这篇关于如何完美的建立一个python项目的文章就介绍到这了,更多相关建立一个完美的python项目内容请搜索毛票票以前的文章或继续浏览下面的相关文章希望大家以后多多支持毛票票！