总览

项目结构

README.rst
LICENSE
setup.py
requirements.txt   # 或者pipfile
sample/__init__.py
sample/core.py
sample/helpers.py
docs/conf.py
docs/index.rst
tests/test_basic.py
tests/test_advanced.py

核心代码在./sample/，如果核心的文件只有一个，可以直接放在项目根目录下./sample.py。
License: 开源许可，也可以不要开源许可发布。
docs：包参考文档。
tests: 单元测试。
Makefile：管理任务。

混乱的代码结构

多重混乱的循环依赖

furn.py

from workers import Carpenter

class Table():
  pass
class Chair():
  pass

workers.py

from furn import Table,Chair

class Carpenter():
  pass

如果非要使用循环依赖，那只能使用不太好的方式来导入：在method和function中导入使用。

隐藏耦合

因为有太多关联，每次修改Table的实现，都需要小心翼翼，容易造成Carpenter的代码逻辑问题。

大量使用全局变量或上下文

不显示的传递，而使用大量的全局状态，如height, width, type, wood，这些全局状态容易被代理快速的修改了。一旦被莫名修改后，还需要仔细的检查，能够访问这些全局变量的地方(或者是远程的代码修改了这些全局的状态)。

面条式代码(Spaghetti code)

源代码的控制流程复杂，条件句和循环语句中互相嵌套，混乱而难以理解, 大量重复的代码，没有适当的分割，被视为套管程序。python的缩进特性使得它很难维护这样的代码，最好的方式就是不要写太多这样的代码。

Python中更可能出现混沌代码(Ravioli code)

这类代码包含上百段相似的逻辑碎片，通常是缺乏合适结构的类或对象，如果写代码时弄不清具体的逻辑，就可能出现混沌代码。

模块

Python模块是最主要的抽象层之一，抽象层允许将代码分为不同部分，每个部分包含相关的数据与功能。
例如在项目中，一层控制用户操作相关接口，另一层处理底层数据操作。

为了保持风格的一致，模块名称应该保持简短，小写，不要使用特殊字符等。不叫用.符号，影响python路径查找(my.spam.py的模块名称误让python以为要找my文件夹下的spam)。

不要使用下划线来组织命名空间，使用子模块更好：

# OK
import library.plugin.foo
# not OK
import library.foo_plugin

python导入模块原理

import modu会从当前文件夹寻找modu.py文件，如未找到，python解释器会从’path’中递归去寻找，仍然未找到，则抛出ImportError。
找到该模块，解释器会在隔离的范围执行该模块，任何顶级modu声明都会被执行，包括其他的imports，模块中的函数和类的定义存储在模块的字典中,在模块命名空间的调用者，可以直接调用模块中的变量，函数，和类。

在其他很多语言中，导入文件的逻辑是，解释器会将该文件的代码复制一份到调用的文件中，这与python是有很大的不同的。python中，导入的module在一个独立的命名空间中，这表示，不需要担心覆盖了当前同名的函数等。

不要使用*导入所有的模块:from modu import *,使用import *使代码难以阅读和且无法很好的区分依赖。使用 from modu import func清晰的说明想导入具体的哪个模块，将其放入全局的命名空间中。

糟糕的导入方法：

[...]
from modu import *
[...]
x = sqrt(4)  # Is sqrt part of modu? A builtin? Defined above?

好一些的导入方法：

from modu import sqrt
[...]
x = sqrt(4)  # sqrt may be part of modu, if not redefined in between

最好的示范：

import modu
[...]
x = modu.sqrt(4)  # sqrt is visibly part of modu's namespace

packages

python提供了非常直观的包系统，即简单地将模块管理机制扩展到一个目录上。任何包含了__init__.py文件的目录，组成了python的包。

import pack.modu首先找到pach目录下的__init__.py文件,执行所有顶层声明，然后再找到pack/modu.py文件，执行其所有顶层声明。执行完这些所有的操作，modu.py中定义的variable, function, class，在pack.modu的命名空间中都变成了可用状态。

一个常见的问题是__init__.py添加太多的代码，当项目的结构越来越复杂，包含子包，子包有包含更深层次的包，当导入深层次中的包时，就需要执行很多的__init__.py文件。

留空__init__.py是最好的做法，如果子包或者更深层次的包不需要共享任何代码时。

当要导入嵌套的生层次的包时，可以给包命个别名，之后使用别名，不使用冗长的包名

import very.deep.module as mod

面向对象

In Python, everything is an object。

Functions, classes, strings，其它任意类型都是对象，他们有类型，可以作为参数传递，有方法，有属性。

选择编程范式：

1. 使用面向对象：当有对象(windows, buttons, avatars)需要相对长的生命周期在计算机的内存中时
2. 使用纯函数：

• 纯函数的结果是确定的：给定一个输入，输出总是固定相同。
• 当需要重构或优化时，纯函数更易于更改或替换。
• 纯函数更容易做单元测试：很少需要复杂的上下文配置和之后的数据清除工作。
• 纯函数更容易操作、修饰和分发。

装饰器

装饰器是一个函数或类，它可以 包装(或装饰)一个函数或方法。被’装饰’的函数或方法会替换原来的函数或方法。

原始方法写装饰器

def foo():
    # do something

def decorator(func):
    # 操作函数
    return func

foo = decorator(foo)  # 手动装饰

使用@decorators语法更清晰

@decorator
def bar():
    # Do something
# bar() 是装饰器

这个机制对于分离概念和避免外部不相关逻辑“污染”主要逻辑很有用处。

您需要在table中储存一个函数的结果，并且下次能直接使用该结果，而不是再计算一次。这显然不属于函数的逻辑部分。

Context Managers

为人熟知的示例

 with open('file.txt') as f:
    contents = f.read()

两种方式实现

使用class(处理简单操作的情况建议用这种)

class CustomOpen(object):
    def __init__(self, filename):  # 首先被实例化
        self.file = open(filename)

    def __enter__(self):  # 然后，调用enter，返回值在 as f 语句中被赋给 f
        return self.file

    def __exit__(self, ctx_type, ctx_value, ctx_traceback):  #with块中的代码执行完i调用exit
        self.file.close()

# 使用自定义的context
with CustomOpen('file') as f:
    contents = f.read()

使用generator(封装的逻辑量很大建议用这种)

from contextlib import contextmanager

@contextmanager
def custom_open(filename): # custom_open 函数一直运行到 yield 语句
    f = open(filename)
    try:
        yield f  # 运行到这里将控制权返回给 with 语句
    finally:   # with块代码执行完后，执行finally
        f.close()

with custom_open('file') as f:    # 控制权到with后 as f 部分将yield的 f 赋值给f
    contents = f.read()

动态类型

python是动态类型语言，变量没有固定的类型。变量不是计算机内存中的一段，而是指向该类型对象的某个名称或者tag。

例如：’a’ 设置指向value 1, 随后设置指向 value ‘a string’, 随后设置指向一个function.

要避免同一个变量指向不同的东西!

Bad

a = 1
a = 'a string'
def a():
    pass  # Do something

Good

count = 1
msg = 'a string'
def func():
    pass  # Do something

可变和不可变类型

可变类型:可变类型允许内容的内部修改,有对应使其变化的对象函数,如：lists、dictionaries
不可变类型：无对应使其变化的对象函数，无对应使其变化的对象函数：tuple、x=2(变量x指向2)

string也是不可变类型，要连接字符串有以下几种方法：

最差：使用+操作符，效率最差

nums = ""
for n in range(20):
    nums += str(n)
print nums

好：使用append方法

nums = []
for n in range(20):
    nums.append(str(n))
print "".join(nums)  

更好: 列表推导式，使用join

nums = [str(n) for n in range(20)]
print "".join(nums)

使用 join() 并不总是最好的选择, 要分情况：

foo = 'foo'
bar = 'bar'

foobar = foo + bar  # 好，预先 确定数量的字符串创建一个新的字符串时，更快

foo += 'ooo'  # 不好,添加到已存在字符串的情况下，使用join更好
foo = ''.join([foo, 'ooo'])

最好：使用map

nums = map(str, range(20))
print "".join(nums)

还可以使用格式化字符串连接确定数量的字符串字符：

foo = 'foo'
bar = 'bar'

foobar = '%s%s' % (foo, bar) # OK
foobar = '{0}{1}'.format(foo, bar) # better
foobar = '{foo}{bar}'.format(foo=foo, bar=bar) # best