設定代碼品質工具
在開發 ReadmeGenie 時,我的目標是透過自動檢查和格式化設定來確保一致的程式碼品質。在考慮了幾種工具之後,我選擇 Ruff 作為 linter,選擇 Black 作為程式碼格式化程式。儘管 Ruff 還可以處理 linting 和格式化,但我決定將 Black 設定為單獨的格式化程序,以獲得這兩種工具的配置經驗。下面,我將分享我為什麼選擇這些工具、如何為我的專案配置它們、我面臨的挑戰以及我在過程中學到的經驗教訓。
1. 工具選擇
為什麼是拉夫?
Ruff 是 Python 的快速 linter,它支援其他 linter(例如 Flake8 和 Pyflakes)的各種 linting 規則,並提供顯著的效能改進。它是高度可自訂的,這使我能夠指定混合規則,同時確保與黑色格式的兼容性。 Ruff 的速度和可擴展性設計非常適合優先考慮效率而不犧牲品質的專案。
- Ruff 文件:https://github.com/charliermarsh/ruff
為什麼是黑色?
Black 是一種 Python 格式化程序,嚴格執行一種格式化樣式,有助於減少程式碼樣式的討論和不一致。雖然 Ruff 提供基本的格式化功能,但 Black 的專用方法提供了一些優勢:
- 一致性:黑色強制執行嚴格、標準的風格,最大限度地減少對程式碼格式的爭論。
廣泛採用:黑色被廣泛使用,使其更容易整合到大多數開發工作流程中,特別是在協作專案中。
黑色文件:https://github.com/psf/black
2. 項目設定
為了確保 Ruff 和 Black 在 ReadmeGenie 中無縫工作,我在 pyproject.toml 和
中配置了它們
.pre-commit-config.yaml,允許開發人員在提交時自動格式化和檢查程式碼。
pyproject.toml 中 Ruff 和 Black 的配置
此設定確保 Ruff 僅用於 linting,Black 用於格式化:
# pyproject.toml # Set up black as formatter [tool.black] line-length = 88 target-version = ["py311"] # Set up ruff as linter only [tool.ruff] # Exclude directories that don’t need linting (e.g., virtual environments) exclude = [ "venv/", "__pycache__/" ] fix = true # Enable specific linting rules select = ["F", "E", "W", "B", "I", "S"] # Example codes: F=flake8, E=errors, W=warnings, B=bugbear, I=import, S=safety # Exclude Black-compatible rules to avoid conflicts with Black's formatting. ignore = ["E501", "E203", "E231"] # Exclude Black-incompatible style issues
- 忽略:黑色處理特定樣式,因此我們在 Ruff 中排除了這些規則。
- 修復:使 Ruff 能夠盡可能修復問題,將格式保留為黑色。
添加 Ruff 和 Black 的預提交鉤子
使用預先提交掛鉤,我配置了 .pre-commit-config.yaml 以在每次提交時強制執行 linting 和格式化:
# .pre-commit-config.yaml repos: - repo: https://github.com/psf/black rev: 23.1.0 hooks: - id: black - repo: https://github.com/charliermarsh/ruff-pre-commit rev: v0.7.1 hooks: - id: ruff
3. 從命令列運行 Ruff 和 Black
透過上述設置,您可以使用以下命令:
- 奔跑魯夫:
# pyproject.toml # Set up black as formatter [tool.black] line-length = 88 target-version = ["py311"] # Set up ruff as linter only [tool.ruff] # Exclude directories that don’t need linting (e.g., virtual environments) exclude = [ "venv/", "__pycache__/" ] fix = true # Enable specific linting rules select = ["F", "E", "W", "B", "I", "S"] # Example codes: F=flake8, E=errors, W=warnings, B=bugbear, I=import, S=safety # Exclude Black-compatible rules to avoid conflicts with Black's formatting. ignore = ["E501", "E203", "E231"] # Exclude Black-incompatible style issues
- 奔跑黑色:
# .pre-commit-config.yaml repos: - repo: https://github.com/psf/black rev: 23.1.0 hooks: - id: black - repo: https://github.com/charliermarsh/ruff-pre-commit rev: v0.7.1 hooks: - id: ruff
這些命令將修復應用於所有 Python 文件,確保一致的樣式和品質檢查。
4.VS代碼集成
為了在儲存時自動執行 Ruff 和 Black,我在 .vscode/settings.json 中新增了以下設定:
ruff check . --fix
此設定使 Black 成為預設格式化程序,而 Ruff 成為 VS Code 中唯一活動的 linter,允許兩者運行
儲存後自動。
5. 發現和修復
設定完成後,Ruff 和 Black 發現了幾個問題:
- 行長度 (E501):Ruff 最初標記了長行,Black 自動格式化。
- 未使用的導入和變數:Ruff 捕捉了幾個未使用的導入和變數。
- 縮排和樣式一致性:黑色應用一致的間距和縮進,增強可讀性。
6. 挑戰
一個值得注意的挑戰是了解某些風格在 Ruff 和 Black 之間不相容。例如:
- 行長度 (E501):Ruff 最初標記了超過 88 個字元的長行,Black 透過換行來處理 線。為了防止衝突,我將 E501 加到 Ruff 的忽略清單中。儘管如此,Ruff 有時會標記 E501 錯誤 如果黑棋沒有應用預期的斷點。這些差異強調了調整每種工具的重要性 配置並理解它們可能重疊的地方。
7. 經驗教訓
同時使用 Ruff 和 Black 是提高程式碼品質的好方法。這是我學到的:
- 一致性:黑色固執己見的風格減少了程式碼樣式的歧義。
- 自動化:預先提交掛鉤可以節省時間並確保格式一致。
- 編輯器整合:配置 Ruff 和 Black 在 VS Code 中保存時運行,簡化了開發。
- 相容性:學習如何解決像 E501 這樣的衝突,教會了我有關工具配置的知識,並提供了幫助 微調專案工作流程。
以上是設定代碼品質工具的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

Python和C 各有優勢,選擇應基於項目需求。 1)Python適合快速開發和數據處理,因其簡潔語法和動態類型。 2)C 適用於高性能和系統編程,因其靜態類型和手動內存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。

Python在科學計算中的應用包括數據分析、機器學習、數值模擬和可視化。 1.Numpy提供高效的多維數組和數學函數。 2.SciPy擴展Numpy功能,提供優化和線性代數工具。 3.Pandas用於數據處理和分析。 4.Matplotlib用於生成各種圖表和可視化結果。

Python在Web開發中的關鍵應用包括使用Django和Flask框架、API開發、數據分析與可視化、機器學習與AI、以及性能優化。 1.Django和Flask框架:Django適合快速開發複雜應用,Flask適用於小型或高度自定義項目。 2.API開發:使用Flask或DjangoRESTFramework構建RESTfulAPI。 3.數據分析與可視化:利用Python處理數據並通過Web界面展示。 4.機器學習與AI:Python用於構建智能Web應用。 5.性能優化:通過異步編程、緩存和代碼優
