


Rendre les CLI Python plus maintenables : un voyage avec le chargement dynamique des commandes
Cet article de blog détaille une amélioration récente de l'interface de ligne de commande (CLI) de notre projet HyperGraph : un système de chargement de commandes dynamique. Initialement, l'ajout de nouvelles commandes CLI était un processus manuel en plusieurs étapes, violant les principes DRY et le principe ouvert/fermé.
Le défi : enregistrement manuel des commandes
Ajout d'une nouvelle commande impliquée :
- Création du fichier d'implémentation de la commande.
- Mise à jour des importations dans
__init__.py
. - Ajout de la commande à une liste statique dans le chargeur de commandes.
C'était fastidieux, sujet aux erreurs et nécessitait de modifier le code existant pour chaque nouvelle fonctionnalité, ce qui était loin d'être idéal.
Explorer les solutions : automatisation ou chargement dynamique
Deux solutions ont été envisagées :
- Un script d'automatisation pour gérer les modifications de fichiers.
- Un système de chargement dynamique exploitant les capacités de découverte de modules de Python.
Bien qu'un script d'automatisation semblait plus simple au départ, il ne traiterait que les symptômes, pas le défaut de conception sous-jacent.
La solution : découverte dynamique des commandes
La solution choisie était un système de chargement dynamique qui enregistre automatiquement les commandes. Le code de base est :
async def load_commands(self) -> None: implementations_package = "hypergraph.cli.commands.implementations" for _, name, _ in pkgutil.iter_modules([str(self.commands_path)]): if name.startswith("_"): # Skip private modules continue module = importlib.import_module(f"{implementations_package}.{name}") for item_name, item in inspect.getmembers(module): if (inspect.isclass(item) and issubclass(item, BaseCommand) and item != BaseCommand): command = item(self.system) self.registry.register_command(command)
Cette approche offre plusieurs avantages :
- Élimine l'enregistrement manuel des commandes.
- Maintient la compatibilité ascendante avec le code existant.
- Simplifie l'ajout de nouvelles commandes pour placer un nouveau fichier dans le répertoire
implementations
. - Exploite les bibliothèques Python standard, en adhérant à la philosophie des « piles incluses ».
Principales leçons apprises
- Évitez les solutions rapides : Alors que l'automatisation offre un soulagement à court terme, le chargement dynamique offre une solution plus durable à long terme.
-
Préserver la compatibilité : Le maintien des méthodes
CommandRegistry
originales garantit que le code existant continue de fonctionner. - Gestion robuste des erreurs : Une gestion et une journalisation complètes des erreurs sont essentielles au débogage dans un système dynamique.
Un revers mineur
Un problème mineur est survenu avec une importation de type manquante (Any
depuis typing
), soulignant l'importance d'une indication de type approfondie en Python.
Étapes futures
Bien que le système dynamique soit implémenté, un script d'automatisation reste une possibilité en tant qu'outil de développement pour générer des modèles de fichiers de commandes. Les projets futurs incluent :
- Suivi des performances de production.
- Recueillir les commentaires des développeurs.
- Mise en œuvre d'autres améliorations basées sur une utilisation réelle.
Conclusion
Cette refactorisation démontre les avantages de réévaluer les approches pour des solutions plus élégantes. Bien qu’il nécessite plus d’effort initial qu’une solution rapide, le résultat est un code plus maintenable, extensible et pythonique. Donner la priorité à la maintenabilité à long terme simplifie le développement futur.
Balises : #Python #Refactoring #CleanCode #CLI #Programming
Pour des informations techniques détaillées, reportez-vous à notre référentiel Codeberg.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Python et C ont chacun leurs propres avantages, et le choix doit être basé sur les exigences du projet. 1) Python convient au développement rapide et au traitement des données en raison de sa syntaxe concise et de son typage dynamique. 2) C convient à des performances élevées et à une programmation système en raison de son typage statique et de sa gestion de la mémoire manuelle.

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones
