


Emacs untuk Python dan Puisi Menggunakan `basedpyright-langserver`
Saya amat berpuas hati dengan persediaan emacs semasa saya untuk Python, tetapi saya mendapati persediaan agak rumit. Saya akan mendokumenkan persediaan saya di sini untuk diri saya pada masa hadapan dan untuk mana-mana Pythonista lain yang mencari konfigurasi emac yang kukuh.
Mengapa basedpyright?
Sehingga ke tahap ini, saya telah menggunakan mypy --strict pada baris arahan untuk semua keperluan semakan taip saya, tetapi mypy agak perlahan walaupun untuk pangkalan kod yang sangat kecil, malah dalam mod --strict ia bukan seperti tegas mungkin. Ia juga bukan pelayan bahasa, yang saya mahukan untuk persediaan emacs saya.
basedpyright ialah garpu pyright dengan beberapa peningkatan yang sangat baik dalam kedua-dua semakan dan dalam kebolehpercayaan. Ia adalah penyemak taip yang pantas dan sangat ketat dengan beberapa keupayaan linting yang baik sebagai tambahan.
Satu-satunya kelemahan yang saya alami ialah ia tidak bermain dengan baik seperti mypy dengan pelanggan boto3-stubs untuk AWS dan ia menggunakan # pyright: abaikan komen dan bukannya standard # type: abaikan komen, tetapi Saya boleh menghadapi isu tersebut demi pengalaman semakan jenis yang ketat.
Mengkonfigurasi projek Puisi anda untuk berfungsi dengan basedpyright atau pyright
Jika anda mempunyai projek sedia ada yang menggunakan Puisi, anda pasti mahu bermain-main sedikit dengan persekitaran maya anda.
Pergi ke akar setiap projek anda dan jalankan arahan berikut:
poetry config --local virtualenvs.in-project true
Ini akan mencipta fail poetry.toml jika fail itu belum wujud dan menambah tetapan yang sepadan.
Ini, walau bagaimanapun, akan tidak sebenarnya menggerakkan persekitaran maya anda yang sedia ada. Untuk membolehkan perubahan ini berkuat kuasa, anda perlu mengalih keluar persekitaran maya sedia ada anda, yang boleh anda temui dengan menjalankan
poetry env info --path
Jangan lupa tambahkan laluan .venv ke .gitignore anda dan konfigurasi untuk sebarang alatan lain yang mungkin anda gunakan, seperti pycodestyle, atau anda akan mendapat agak huru-hara.
Seterusnya, anda harus menambah bahagian konfigurasi pada pyproject.toml anda untuk memberitahu basedpyright tempat mencari persekitaran maya anda.
[tool.pyright] venv=".venv" venvPath="."
Anda juga boleh melakukan ini dalam fail pyrightconfig.json jika, tidak seperti saya, anda masih belum berasa terlalu sibuk dengan fail konfigurasi untuk alatan pembangunan Python yang berbeza.
Memasang basedpyright sebagai pelayan bahasa
Satu perkara yang sangat menarik tentang basedpyright berbanding pyright ialah ia membina kebergantungan nodejs sebagai roda, jadi anda boleh yakin bahawa basedpyright harus berfungsi pada mesin anda tidak kira sama ada anda telah memasang nodejs.
Untuk pengasingan, biasanya idea yang baik untuk memasang pakej Python boleh laku menggunakan pipx dan bukannya pip. Mari teruskan dan lakukan itu .
pipx install basedpyright
Untuk pemeriksaan kewarasan, pertimbangkan untuk berlari
basedpyright --version
Memasang basedpyright juga memberi anda akses kepada arahan basedpyright-langserver, tetapi itu tidak benar-benar ditulis untuk pengguna berinteraksi, jadi jika anda menjalankanbasedpyright-langserver ataubasedpyright-langserver --version atau sesuatu, anda akan mendapat surih tindanan nodejs.
Mengkonfigurasi emac untuk menggunakan basedpyright-langserver
Saya akan menganggap anda sebagai pembaca tahu cara memasang pakej daripada MELPA dan mempunyai cara pilihan untuk melakukannya. Berikut adalah semua pakej yang anda perlukan:
- syarikat
- mod-lsp
- lsp-pyright
- lsp-ui
- mod-python
Dapatkan yang dipasang dan kemudian buka ~/.emacs anda atau ~/.emacs.d/init.el anda dan tambahkan yang berikut:
;; lsp global settings (add-hook 'after-init-hook 'global-company-mode) (setq lsp-auto-guess-root t) ;; python (require 'lsp-mode) (setq lsp-pyright-langserver-command "basedpyright") (add-hook 'python-mode-hook (lambda () (require 'lsp-pyright) (lsp)))
Sepatutnya itu sahaja yang anda perlukan.
Petua umum untuk menyahpepijat mod lsp
Jika anda rasa anda telah menyediakan semuanya dengan betul dan anda masih menghadapi masalah mendapatkan mod lsp untuk mencari pakej yang sepatutnya tersedia dalam Puisi, satu perkara yang anda mungkin cuba ialah masuk dan memadam anda ~/.emacs.d/.lsp-session-v1. Ini akan mempunyai kesan menyebabkan mod lsp melupakan akar projek dan memaksanya mencarinya semula.
Selamat mengekod!
Saya harap ini telah memberi anda permulaan yang baik pada persekitaran pembangunan Python anda. Jika anda mempunyai sebarang soalan, saya seorang pemula dengan semua ini, dan saya mungkin tidak dapat membantu anda, tetapi saya akan mempertimbangkan permintaan gabungan jika anda mempunyai sebarang petua atau helah tambahan untuk menggunakan basedpyright dengan emacs.
Atas ialah kandungan terperinci Emacs untuk Python dan Puisi Menggunakan `basedpyright-langserver`. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
