


Introduction
Comme indiqué dans l'article précédent, la version simpliste regorge de problèmes, notamment d'évolutivité, de maintenabilité et d'extensibilité.
Une extension simple de la version Ø consiste à essayer de masquer les détails de configuration Python derrière une classe de propriété. Il s'agit d'implémenter une pseudo-classe de données qui expose un ensemble de propriétés qui permettent à un développeur d'effectuer simplement des appels de propriété set et get pour récupérer et conserver les valeurs de propriété.
Du point de vue des responsables, cette implémentation devrait prendre en charge les fonctionnalités suivantes.
- Autoriser la création automatique de sections de configuration si elles sont manquantes
- Autoriser la création automatique de valeurs de propriété si elles sont manquantes
- Les propriétés doivent être implémentées à la fois en lecture et en écriture.
- Afin d'éviter les coûts de démarrage pour ce qui précède lorsqu'une application instancie cette classe tout au long de l'application, cette classe doit être un Singleton.
Représentation de classe
Le diagramme de classe UML suivant décrit une classe qui répondrait aux exigences de l'introduction. La classe ConfiguratonProperties répond aux exigences 1 et 2 avec les méthodes protégées .createMissingSections et .createMissingKeys
Créer des implémentations
Créer des sections manquantes
Le code suivant montre l'implémentation. Notez que des sections supplémentaires nécessitent des mises à jour du code de cette méthode
SECTION_GENERAL: str = 'General' SECTION_DATABASE: str = 'Database' def _createMissingSections(self): """ Create missing sections. Add additional calls for each defined section """ self._createMissingSection(SECTION_GENERAL) self._createMissingSection(SECTION_DATABASE)
Le code de section manquant est le suivant.
def _createMissingSection(self, sectionName: str): """ Only gets created if it is missing Args: sectionName: The potential section to create """ hasSection: bool = self._configParser.has_section(sectionName) self.logger.info(f'hasSection: {hasSection} - {sectionName}') if hasSection is False: self._configParser.add_section(sectionName)
Créer des clés manquantes
Le code suivant montre l'implémentation. Notez encore une fois que si nous ajoutons une section supplémentaire, le développeur doit ajouter une boucle supplémentaire pour la nouvelle section.
GENERAL_PREFERENCES: Dict[str, str] = { 'debug': 'False', 'logLevel': 'Info' } DATABASE_PREFERENCES: Dict[str, str] = { 'dbName': 'example_db', 'dbHost': 'localhost', 'dbPort': '5432' } def _createMissingKeys(self): """ Create missing keys and their values. Add additional calls for each defined section. """ for keyName, keyValue in GENERAL_PREFERENCES.items(): self._createMissingKey(sectionName=SECTION_GENERAL, keyName=keyName, defaultValue=keyValue) for keyName, keyValue in DATABASE_PREFERENCES.items(): self._createMissingKey(sectionName=SECTION_DATABASE, keyName=keyName, defaultValue=keyValue)
Le code clé manquant est le suivant. Notez que toutes les clés manquantes sont immédiatement conservées.
def _createMissingKey(self, sectionName: str, keyName: str, defaultValue: str): """ Only gets created if it is missing. The configuration file is updated immediately for each missing key and its value Args: sectionName: The section name where the key resides keyName: The key name defaultValue: Itsß value """ if self._configParser.has_option(sectionName, keyName) is False: self._configParser.set(sectionName, keyName, defaultValue) self._saveConfiguration()
Propriétés de classe
Des exemples d'implémentations pour l'exigence 3 suivent.
Propriétés de chaîne
Notez que la définition d'une propriété écriture directe dans le fichier de configuration en définissant la propriété et en la rendant immédiatement persistante. Les propriétés de lecture sont effectivement lues en raison de la façon dont nous écrivons immédiatement les propriétés définies.
@property def dbName(self) -> str: return self._configParser.get(SECTION_DATABASE, 'dbName') @dbName.setter def dbName(self, newValue: str): self._configParser.set(SECTION_DATABASE, 'dbName', newValue) self._saveConfiguration()
Propriétés entières
Les propriétés entières utilisent la méthode .getint pour récupérer la valeur. Lors de la définition de la propriété, le développeur doit la convertir manuellement en chaîne.
@property def dbPort(self) -> int: return self._configParser.getint(SECTION_DATABASE, 'dbPort') @dbPort.setter def dbPort(self, newValue: int): self._configParser.set(SECTION_DATABASE, 'dbPort', str(newValue)) self._saveConfiguration()
Propriétés booléennes
Les propriétés booléennes utilisent la méthode .getboolean pour récupérer leur valeur. Lors de la définition de la propriété, le développeur doit la convertir manuellement en chaîne.
SECTION_GENERAL: str = 'General' SECTION_DATABASE: str = 'Database' def _createMissingSections(self): """ Create missing sections. Add additional calls for each defined section """ self._createMissingSection(SECTION_GENERAL) self._createMissingSection(SECTION_DATABASE)
Propriétés d'énumération
Je ne couvrirai pas les propriétés d’énumération dans cet article. Il existe deux manières de les conserver, par leur nom ou par leur valeur. Chaque mécanisme nécessite une manière légèrement différente de désérialiser les valeurs en un type d'énumération.
Accès et modification des propriétés
L'extrait de code suivant montre comment accéder aux propriétés et les modifier.
def _createMissingSection(self, sectionName: str): """ Only gets created if it is missing Args: sectionName: The potential section to create """ hasSection: bool = self._configParser.has_section(sectionName) self.logger.info(f'hasSection: {hasSection} - {sectionName}') if hasSection is False: self._configParser.add_section(sectionName)
L'extrait ci-dessus produit le résultat suivant
GENERAL_PREFERENCES: Dict[str, str] = { 'debug': 'False', 'logLevel': 'Info' } DATABASE_PREFERENCES: Dict[str, str] = { 'dbName': 'example_db', 'dbHost': 'localhost', 'dbPort': '5432' } def _createMissingKeys(self): """ Create missing keys and their values. Add additional calls for each defined section. """ for keyName, keyValue in GENERAL_PREFERENCES.items(): self._createMissingKey(sectionName=SECTION_GENERAL, keyName=keyName, defaultValue=keyValue) for keyName, keyValue in DATABASE_PREFERENCES.items(): self._createMissingKey(sectionName=SECTION_DATABASE, keyName=keyName, defaultValue=keyValue)
Conclusion
Le code source de cet article est ici. La classe de support SingletonV3 est ici
Le résultat de la mise en œuvre m'a d'abord laissé satisfait en tant que consommateur du code. J'ai pu obtenir et définir des propriétés typées. Cependant, en tant que responsable du code, je devais mettre à jour manuellement les structures de données du code et les boucles de code chaque fois que j'ajoutais de nouvelles sections et de nouvelles propriétés. De plus, tout ce que j'en ai vraiment retiré, c'est un mécanisme/modèle à utiliser chaque fois que j'ai besoin de nouvelles propriétés de configuration dans différentes applications.
Avantages
- Accès facile et sécurisé aux propriétés de l'application
- L'invocation du singleton dans différentes parties de mon application a fourni un accès cohérent et fiable aux propriétés, quelle que soit la partie de l'application qui modifiait les valeurs
Inconvénients
- Les mises à jour pour ajouter de nouvelles propriétés étaient fastidieuses
- Beaucoup de code de plaque passe-partout
- Aucune réutilisation dans diverses applications. En gros, je viens d'avoir un modèle
Voir mon prochain article qui documente une implémentation alternative pour remédier aux inconvénients que j'ai répertoriés, tout en conservant les avantages.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Les applications du monde réel de Python incluent l'analyse des données, le développement Web, l'intelligence artificielle et l'automatisation. 1) Dans l'analyse des données, Python utilise des pandas et du matplotlib pour traiter et visualiser les données. 2) Dans le développement Web, les cadres Django et Flask simplifient la création d'applications Web. 3) Dans le domaine de l'intelligence artificielle, Tensorflow et Pytorch sont utilisés pour construire et former des modèles. 4) En termes d'automatisation, les scripts Python peuvent être utilisés pour des tâches telles que la copie de fichiers.

Python est largement utilisé dans les domaines de la science des données, du développement Web et des scripts d'automatisation. 1) Dans la science des données, Python simplifie le traitement et l'analyse des données à travers des bibliothèques telles que Numpy et Pandas. 2) Dans le développement Web, les cadres Django et Flask permettent aux développeurs de créer rapidement des applications. 3) Dans les scripts automatisés, la simplicité de Python et la bibliothèque standard le rendent idéal.

La flexibilité de Python se reflète dans les systèmes de prise en charge et de type dynamique multi-paradigmes, tandis que la facilité d'utilisation provient d'une syntaxe simple et d'une bibliothèque standard riche. 1. Flexibilité: prend en charge la programmation orientée objet, fonctionnelle et procédurale, et les systèmes de type dynamique améliorent l'efficacité de développement. 2. Facilité d'utilisation: La grammaire est proche du langage naturel, la bibliothèque standard couvre un large éventail de fonctions et simplifie le processus de développement.

Python est très favorisé pour sa simplicité et son pouvoir, adaptés à tous les besoins des débutants aux développeurs avancés. Sa polyvalence se reflète dans: 1) Facile à apprendre et à utiliser, syntaxe simple; 2) Bibliothèques et cadres riches, tels que Numpy, Pandas, etc.; 3) Support multiplateforme, qui peut être exécuté sur une variété de systèmes d'exploitation; 4) Convient aux tâches de script et d'automatisation pour améliorer l'efficacité du travail.

Oui, apprenez Python en deux heures par jour. 1. Élaborer un plan d'étude raisonnable, 2. Sélectionnez les bonnes ressources d'apprentissage, 3. Consolider les connaissances apprises par la pratique. Ces étapes peuvent vous aider à maîtriser Python en peu de temps.


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Listes Sec
SecLists est le compagnon ultime du testeur de sécurité. Il s'agit d'une collection de différents types de listes fréquemment utilisées lors des évaluations de sécurité, le tout en un seul endroit. SecLists contribue à rendre les tests de sécurité plus efficaces et productifs en fournissant facilement toutes les listes dont un testeur de sécurité pourrait avoir besoin. Les types de listes incluent les noms d'utilisateur, les mots de passe, les URL, les charges utiles floues, les modèles de données sensibles, les shells Web, etc. Le testeur peut simplement extraire ce référentiel sur une nouvelle machine de test et il aura accès à tous les types de listes dont il a besoin.

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Télécharger la version Mac de l'éditeur Atom
L'éditeur open source le plus populaire

MinGW - GNU minimaliste pour Windows
Ce projet est en cours de migration vers osdn.net/projects/mingw, vous pouvez continuer à nous suivre là-bas. MinGW : un port Windows natif de GNU Compiler Collection (GCC), des bibliothèques d'importation et des fichiers d'en-tête librement distribuables pour la création d'applications Windows natives ; inclut des extensions du runtime MSVC pour prendre en charge la fonctionnalité C99. Tous les logiciels MinGW peuvent fonctionner sur les plates-formes Windows 64 bits.