停止写作混乱的python：干净的代码速成课程
编写有效的python很容易。但是编写python干净，可读和可维护的？这就是这个速成课程的目的。
来源:KDnuggets如果您已经在Python进行了编码一段时间，那么您可能已经掌握了基础知识，并构建了一些项目。现在，您正在查看您的代码思考：“这有效，但是...这并不是我在代码审查中自豪地展示的。”我们都去过那里。
但是，随着您进行编码，编写干净的代码变得与编写功能代码一样重要。在本文中，我编辑了可以帮助您从“它运行，不要触摸”到“这实际上可以维护”的实用技术。
🔗链接github上的代码
链接到GitHub上的代码1。明确模型数据。不要传递dicts
字典在Python中是超级灵活的，这正是问题所在。当您在整个代码中传递原始词典时，您会诱使错别字，关键错误以及有关实际存在的数据的困惑。
而不是：
def process_user（user_dict）：
如果user_dict ['status'] =='active'：＃如果缺少'状态'怎么办？
send_email（user_dict ['email']）＃如果某些地方是'邮件'怎么办？
＃是“名称”，“ full_name”或“用户名”？谁知道！
log_activity（f“处理{user_dict ['name']}”）
此代码不健壮，因为它假设没有验证的字典键。它没有针对错别字或丢失键的保护，这将在运行时导致keyError例外。也没有关于期望哪些领域的文件。
keyError
这样做：
从数据级导入数据级
从输入导入可选
@DataClass
班级用户：
id：int
电子邮件：str
full_name：str
状态：Str
last_login：可选[dateTime] =无
def process_user（用户：用户）：
如果user.status =='active'：
send_email（user.email）
log_activity（f“处理{user.full_name}”）
Python的@DataClass装饰器可为您提供清洁，明确的结构，并使用最少的样板。您的IDE现在可以为属性提供自动完成，如果缺少需要的字段，您将立即遇到错误。
@dataclass
带有枚举：
黑色