Deply：保持 Python 架构干净

目前golang学习网上已经有很多关于文章的文章了，自己在初次阅读这些文章中，也见识到了很多学习思路；那么本文《Deply：保持 Python 架构干净》，也希望能帮助到大家，如果阅读完后真的对你学习文章有帮助，欢迎动动手指，评论留言并分享~

大型 python 项目通常会演变成难以维护的复杂代码库。跟踪进口、层以及谁依赖谁很快就会变得一团糟。 deply 随时为您提供帮助。它分析您的代码结构并强制实施架构规则，确保您的 python 项目即使在增长时也保持干净、模块化且易于维护。

为什么建筑执法很重要

python 的灵活性使得如果我们不小心的话很容易引入意大利面条式代码。添加新模块、装饰器，甚至更改类的继承方式可能会在大型团队中引入微妙的依赖问题。通过自动检查强制执行的清晰边界有助于保持较高的代码质量。这种方法提高了可读性和团队生产力。

什么是部署？

deply 是一个独立的工具：

1. 允许您在 yaml 配置中定义项目层（如视图、模型、服务）。
2. 通过规则（例如，class_inherits、decorator_usage、file_regex）将代码元素收集到这些层中。
3. 强制执行架构策略以防止意外的耦合或命名错误。

为什么不使用其他工具？

• pydeps：专注于可视化导入。
• import-linter：检查导入约束。
• pytestarch 或 pytest-archon：依赖于为架构编写基于代码的测试。
• tach（基于 rust）：与语言无关的方法，可能与 python 细节不完全一致。

deply 的优势在于它超越了导入，还考虑了装饰器、类继承、文件模式等等。其基于 yaml 的配置可以更轻松地合并到 ci 管道中，而无需编写新的测试文件。

0.5.2 中的新功能

1. 升级的收集器：更灵活的方式来定义类和函数，包括高级正则表达式模式。
2. 性能提升：deply 现在的运行速度比以前快 10 倍。将其与 ci 集成不会减慢您的构建速度。
3. 扩展规则：对继承、装饰器使用和命名约定进行额外检查，让您可以设计细粒度的策略。

安装

pip install deply

您将获得最新版本，当前为 0.5.2。

部署配置 (deply.yaml)

在项目根目录中创建一个 deply.yaml 文件。至少，定义要分析的路径、要排除的任何文件、层和规则。下面是一个类似 django 项目的示例片段。

deply:
  paths:
    - /path/to/your/project

  exclude_files:
    - ".*\\.venv/.*"

  layers:
    - name: models
      collectors:
        - type: bool
          any_of:
            - type: class_inherits
              base_class: "django.db.models.model"
            - type: class_inherits
              base_class: "django.contrib.auth.models.abstractuser"

    - name: views
      collectors:
        - type: file_regex
          regex: ".*/views_api.py"

  ruleset:
    views:
      disallow_layer_dependencies:
        - models
      enforce_function_decorator_usage:
        - type: bool
          any_of:
            - type: bool
              must:
                - type: function_decorator_name_regex
                  decorator_name_regex: "^hasperm$"
                - type: function_decorator_name_regex
                  decorator_name_regex: "^extend_schema$"
            - type: function_decorator_name_regex
              decorator_name_regex: "^staticmethod$"

工作原理：

1. models层收集继承自django的model或abstractuser的类。
2. 视图层从以views_api.py结尾的文件中收集代码。
3. 规则：
4. disallow_layer_dependency：视图层不能直接依赖模型。
5. enforce_function_decorator_usage：视图中的所有函数都需要（hasperm和extend_schema）或静态方法。

运行部署

配置准备就绪后，运行：

deply analyze

• --config=another_config.yaml 允许您指定不同的文件。
• --report-format=text|json|github-actions 控制违规的显示方式。

其他示例

类命名：

service:
  enforce_class_naming:
    - type: class_name_regex
      class_name_regex: ".*service$"

服务层中的所有类都必须以service结尾。

函数命名：

tasks:
  enforce_function_naming:
    - type: function_name_regex
      function_name_regex: "^task_.*"

任务中的所有函数都必须以task_开头。

专业提示：将多个条件与 bool 结合起来形成高级逻辑（must、any_of、must_not），确保您可以制定高度具体的规则。

持续集成集成

向您的 ci 管道添加一个步骤：

deply analyze

如果发现任何架构违规，您的管道可能会失败。

包起来

deply 旨在帮助您在架构违规变成耗时的重构之前捕获它们。通过自动化这些检查，即使在大型团队中，您也可以保持清晰的分层设计。

• github：https://github.com/vashkatsi/deply
• pypi：https://pypi.org/project/deply/

请随意测试并根据自己的需要调整配置。如果您有疑问或想法，请查看存储库以获取有关提交问题或贡献的详细信息。快乐编码！

以上就是《Deply：保持 Python 架构干净》的详细内容，更多关于的资料请关注golang学习网公众号！