五年Python三大秘訣！日常生活不可或缺的秘密武器
本文轉載自公眾號“讀芯術”(ID：AI_Discovery)
大浪淘沙沉者為金。筆者編寫Python代碼已經5年多了，經歷這么久，工具集沒有變大，反而越來越小。工具不在多，好用就行。這三種方法筆者已經堅持使用了很長時間，和其他方法不同的是，使用它們的頻率只增不減。你值得擁有!
一、秘密武器#1：快速編碼，少用Kite谷歌
大多數代碼編輯器都具有類似這樣的自動填充功能，...使用某種語言(庫)文檔來表明函數名和參數：
這不難，但如果編輯器可以瀏覽幾年的GitHub數據，并且不僅僅能自動填充函數名稱，還能完成整行代碼呢?這僅是第一個使用Kite的理由。
原因 1：代碼行填充
Kite訪問代碼庫和各個變量、常用的在線參數名稱以及文檔后，會輸出優質的語境建議：
圖源：Kite docs
上圖示例展示了Kite如何能預測編碼者需要使用的變量，即使它們一般被命名為(如b)，或更普遍的名字(如x或y)。
Kite創始人兼首席執行官Adam Smith說：“我們在Github 上已經用了50多年的時間來對所有代碼進行語義索引，構建統計類型推理，以及深度使用此語義信息的豐富統計模型。”
原因 2：在本地私密運行
最重要的是，它在本地運行，因此可以快速獲得提示，離線也能工作，并且代碼不會發送到云端。
對于網絡情況異常和在閉信源代碼庫工作的人來說，這一點非常重要。
原因 3：文檔編程助手
如果你從來沒聽過"RTFM"這個詞，那可能因為沒有在第一代開發者身邊工作過。
向高級開發人員討教是很有必要的，甚至去StackOverflow查找答案之前閱讀文檔。Kite Copilot讓文檔變得十分簡單，其與編輯器同時運行，實時顯示文檔中光標掠過的任何對象/函數等。
結果
筆者使用Kite多年，它改進得也越來越好。其擁有超過1,700萬美元的投資，不會輕易倒閉，而且它的工具是完全免費的。你只需要給編輯器下載Kite插件，或下載copilot(編碼助手)，就能安裝插件。
二、秘密武器#2：用Mypy檢查代碼
編碼Python 是動態的，簡單解釋就是：編碼者可以隨時將任何變量變為任何數據類型(字符串、整數等)。
- # These two variable types aredeclared the exact same way
- # Python figures out the data type on it's own, dynamically# string
- var_name = "string here"# integer
- var_name = 1234
相對的是靜態類型的語言，其中它的變量必須有一個特定的數據類型，并且始終遵循它。
- # Many languages require the datatype to be declared too# string
- str var_name = "string here"# integer
- int var_name = 1234
1. 動態編碼的優點/缺點
動態編碼的優點是，你可以偷懶，并且能減少亂碼。但它缺點很多且不小：
- 通常在開發周期后期會出現錯誤
- 由于Python不斷計算類型，編碼效果會降低
- 傳遞代碼更不穩定，因為其他人可能不知道其中的變量是哪些或可能成為哪些數據類型
- 函數會更不穩定，因為它們的輸入和輸出可以在沒有警告的情況下更改數據類型
2. Python 中的靜態鍵入
打開Mypy，這是一個免費的Python模塊，讓你能在Python 內部靜態編碼。發出pip install mypy指令后, 下面就是其使用示例：
- # Declaring a function using normaldynamic typing, without mypy
- def iter_primes():
- # code here# Declaring the samefunction with mypy static typing
- from typing import Iteratordef iter_primes() -> Iterator[int]:
- # code here
利用mypy 示例，能指定函數返還整數的迭代器。這種簡單變化通過強制實施一致輸出，使函數更具有預測性。
與僅使用文檔不同，其他開發人員只需查看輸出的將是什么數據類型，如果不符合該定義，則代碼出錯。
3. 結果
列出靜態類型以幫你減輕將來痛苦的所有方法有難度，但mypy文檔具有出色的解答常見問題的能力，優缺點都不少。
如果你在一個把穩定性放在第一位的代碼生產庫工作，一定要試試myby。
三、秘密武器#3：用Sonarlint快速查找錯誤，編寫更簡單的函數
現在每個編輯器都有某種類型的錯誤檢查或內置的"linter"，可以用來查看代碼，通常無需運行，并能預測可能存在的錯誤。這就是靜態代碼分析。
VS代碼中的默認 Python Linter
動態代碼分析實際上嘗試運行/編譯代碼的某些部分，以查看其是否正常工作，但它會自動在后臺運行。它不是猜測，它事實上知道代碼是否會出錯，以及確切的錯誤是什么。
SonarLint是動態代碼分析中最好的，有超多優點：
1. 已注釋或未命名的代碼
對于代碼庫里滿滿的輸出定義、已注釋代碼，以及未使用的函數，筆者十分愧疚。但正是如此，才會時刻警醒，留下深刻印象，方便查找。
2. 不執行命令代碼
與未命名的代碼略有不同，不執行命令代碼將會在編碼者創建不可能評估時發出預警。這十分有必要，否則會導致進行幾個小時的調試，這是筆者最喜歡的預警之一。
示例：
- a = Noneif a == None or not a or a:
- this_will_always_get_called()
- else:
- # sonarlint will warn you about thisline never being executed
- this_will_never_get_called()
3. 安全風險
代碼庫中的巨大數據庫將不斷實時更新安全風險，能警告使用者所面臨的任何已知漏洞風險。
安全風險問題是小概率事件，基本不可能給我們留下印象。因此，每個人都應該行動起來持續追蹤。SonarLint是一個偉大的開端。
圖源：unsplash
4. 認知復雜
這個話題十分有趣，筆者可以針對它寫一篇完整的文章。
簡單解釋就是，有人創建了一個數學公式，這個公式可以對代碼的閱讀/理解難易程度進行評分。
它非常有用，還易于理解。每次SonarLint要求編碼者"降低認知復雜性"時，它都會對編碼者的不規范操作簡單解釋，比如"無法定義，嵌套異常"。
5. 結果
筆者發現這比基礎屏蔽和lint練習更有用，編碼者也能編寫更為人性化的代碼。這就是Pythonic!!
心動不如行動，趕快用起來吧！
