详细内容或原文请订阅后点击阅览
构建一个在生产前捕获错误的 Python 工作流程
使用现代工具在软件生命周期的早期识别缺陷。构建在生产之前捕获错误的 Python 工作流程一文首先出现在 Towards Data Science 上。
来源:走向数据科学那些可以让您几乎立即感到高效的语言。
这就是它如此受欢迎的一个重要原因。从想法到工作代码的转变可以非常快。您不需要大量的脚手架来测试一个想法。一些输入解析，可能是一些函数，将它们缝合在一起，通常几分钟之内你就会得到一些有用的东西。
缺点是，Python 在有时您不希望它出现的地方也可能非常宽容。
当字典键不存在时，它会很高兴地假设它存在。它将允许您传递形状略有不同的数据结构，直到最终在运行时崩溃。它会让拼写错误存在的时间比应有的时间长。也许，它会偷偷地让代码“正确”，但对于实际使用来说仍然太慢。
这就是为什么我对一般代码开发工作流程而不是对任何单一测试技术更感兴趣。
当人们谈论代码质量时，谈话通常直接进入测试。测试很重要，我经常使用它们，但我认为它们不应该承担全部负担。如果大多数错误在代码运行之前就被发现，那就更好了。也许一旦保存代码文件就应该发现一些问题。其他的，当您将更改提交到 GitHub 时。如果这些都通过了，也许您想要运行一系列测试来验证代码是否正常运行并且性能是否足以承受现实世界的接触。
在本文中，我想介绍一组可用于构建 Python 工作流程以自动执行上述任务的工具。不是一个巨大的企业设置或一个复杂的 DevOps 平台。只是一个实用、相对简单的工具链，可帮助在部署到生产之前捕获代码中的错误。
当你“快速行动并打破常规”时，这样的代码有很多值得喜欢的地方。它简短易读，甚至可能适用于您尝试的前几个示例输入。