向您展示一个 Python cookiecutter,用于在 Python 中快速启动 Polylith。如果您不知道什么是 Polylith,请阅读文档,对于不耐烦的读者:
Polylith 是一种软件架构,旨在构建简单、可维护、可测试和可扩展的后端系统。它通过在系统规模上应用功能思维来实现这一点,将代码视为可以组合成功能的构建块。
python-polylith 是允许我们在 Python 中实现此功能的工具。
我不会详细介绍这种方法的优点。在本文中,我向您介绍诗歌-poly-cc,这是一个非常有主见的 cookiecutter,用于使用 python-polylith 启动项目。
您可以首先安装 cookiecutter 并使用以下命令生成项目:
cookiecutter https://github.com/ybenitezf/poetry-poly-cc.git
回答问题,你就很好了。你最终应该得到类似的结果:
. ├── LICENSE ├── README.md ├── bases ├── build-packages.sh ├── components ├── development │ └── __init__.py ├── poetry.toml ├── projects ├── pyproject.toml ├── update-locks.sh └── workspace.toml
第一步包含在 README.md 中:
- 安装诗歌:https://python-poetry.org/docs/#installation
- 添加polylith工具:https://davidvujic.github.io/python-polylith-docs/installation/
奔跑
git init poetry install # install pre-commit hook poetry run pre-commit install # install pre-commit dependencies poetry run pre-commit run -a
包含什么
- Poetry 配置为在项目文件夹中创建 virtualenv(请参阅诗歌.toml)
- pytest 作为测试依赖项添加,还包括 pytest 的一些好东西:pytest-mock、pytest-cov 和 pytest-asyncio
- 预提交和 ruff 作为开发依赖项。
- mypy 用于静态类型检查,与预提交集成
- 支持脚本 build-packages.sh 和 update-locks.sh
- 推荐的 vscode 扩展
以上是用于快速启动 Polylith 的 Cookiecutter的详细内容。更多信息请关注PHP中文网其他相关文章!

Linux终端中查看Python版本时遇到权限问题的解决方法当你在Linux终端中尝试查看Python的版本时,输入python...

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

该教程建立在先前对美丽汤的介绍基础上,重点是简单的树导航之外的DOM操纵。 我们将探索有效的搜索方法和技术,以修改HTML结构。 一种常见的DOM搜索方法是EX

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途

本文指导Python开发人员构建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等库详细介绍,强调输入/输出处理,并促进用户友好的设计模式,以提高CLI可用性。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

适用于 Eclipse 的 SAP NetWeaver 服务器适配器
将Eclipse与SAP NetWeaver应用服务器集成。

MinGW - 适用于 Windows 的极简 GNU
这个项目正在迁移到osdn.net/projects/mingw的过程中,你可以继续在那里关注我们。MinGW:GNU编译器集合(GCC)的本地Windows移植版本,可自由分发的导入库和用于构建本地Windows应用程序的头文件;包括对MSVC运行时的扩展,以支持C99功能。MinGW的所有软件都可以在64位Windows平台上运行。

Dreamweaver CS6
视觉化网页开发工具

WebStorm Mac版
好用的JavaScript开发工具