Python Idioms

Python 惯用法

何时用

• 写新的 Python 函数、类或模块时。
• Review Python 代码、发现有 C 风格循环或裸 except 时。
• 设计数据结构、选择容器类型时。
• 配置项目依赖或虚拟环境时。
• 给已有 Python 代码加类型注解或重构时。

核心规则

1. 用语言特性，不写 C 风格循环

规则： 优先使用列表/字典/集合推导式、enumerate、zip、生成器表达式；凡是靠下标手动累加的循环，基本都有更地道的写法。

为什么： AI 生成 Python 代码时极容易退化成 Java/C 风格：for i in range(len(arr)): result.append(arr[i] * 2)。这种写法既啰嗦又容易因下标越界出 bug，而且完全没有利用 Python 的高阶抽象。读者一眼扫过去就知道这段代码不是"Python 人"写的。

怎么做：

• 遍历并需要下标 → enumerate(seq)，不要 range(len(seq))。
• 同时遍历两个序列 → zip(a, b)，不要双重下标。
• 构建新列表/字典 → 推导式；数据量大且只消费一次 → 生成器表达式（括号版）。
• 需要累积结果 → 考虑 map/filter/itertools，但可读性优先于炫技。

2. 善用标准库与类型注解；函数职责单一，避免可变默认参数陷阱

规则： 能用标准库解决的不造轮子；所有公开函数加类型注解；函数只做一件事；默认参数值若是可变对象（list/dict/set）必须用 None 代替。

为什么： AI 常见错误之一是把可变对象直接当默认参数：def add_item(item, bucket=[]):——这个 bucket 在所有调用间共享，函数第二次调用时里面已经有上次留下的数据，是 Python 最经典的"幽灵 bug"。类型注解则让 mypy 在运行前就能发现大量错误。

怎么做：

• 可变默认参数一律写 param: list | None = None，函数体内 if param is None: param = []。
• 用 collections.defaultdict、pathlib.Path、dataclasses.dataclass 代替手写字典嵌套、字符串拼路径、裸 __init__。
• 类型注解遵循 PEP 604（X | Y）和 PEP 585（list[int]），Python 3.10+ 不再需要从 typing 导入基础类型。

3. 异常用具体类型，资源用 with；不裸 except

规则： 捕获异常时必须指定类型（except ValueError），禁止裸 except: 或 except Exception as e: pass；打开文件、网络连接、数据库游标等资源必须用 with 语句管理。

为什么： 裸 except 会吞掉 KeyboardInterrupt、SystemExit 等非异常信号，导致程序无法正常终止；同时把真正的 bug 掩盖掉，让问题在更下游以更难理解的形式爆发。AI 在不确定异常类型时倾向于写 except Exception，这是懒惰的防御，不是可靠的错误处理。

怎么做：

• 明确知道可能抛什么 → 精确 except，必要时记录日志后重新 raise。
• 确实需要兜底 → except Exception as e: logger.error(...); raise —— 记录后重抛，不静默吞掉。
• 所有有 close() 的对象 → with 语句；若对象不支持上下文管理器，用 contextlib.closing 包装。

4. 虚拟环境 + 锁定依赖；遵循 PEP 8 与项目既有风格

规则： 项目必须有虚拟环境（venv/poetry/uv）；依赖版本必须锁定（requirements.txt 精确版本或 poetry.lock）；代码风格服从 PEP 8，同时与项目已有风格保持一致，不随意引入新的格式规则。

为什么： AI 常见问题：在系统 Python 环境下直接 pip install，或者在 requirements.txt 里写 requests>=2.0（范围依赖），导致不同机器的依赖版本不同，代码在 CI 上跑通在生产上崩。另一类问题是在只用单引号的项目里突然改成双引号，污染 git blame，引起不必要的 review 争议。

怎么做：

• 新项目 → python -m venv .venv，或用 uv init；提交 requirements.txt（pip freeze > requirements.txt）或 poetry.lock。
• 代码格式由 ruff/black 统一，CI 跑检查；不手动与 formatter 对抗。
• 进入已有项目先看 pyproject.toml/setup.cfg 了解风格约定，再动手。

5. 数据结构选对，不滥用全局

规则： 去重用 set，成员判断用 set/dict（O(1)），建模用 dataclass/NamedTuple，配置聚合用类而非散落的模块级变量；不用全局变量传递运行时状态。

为什么： AI 最常见的性能 bug：用 list 做成员判断——if item in big_list——在列表有几万条时变成 O(n) 查找，线上表现与本地测试差几个数量级。另一类错误是把运行时状态（当前用户、请求上下文）塞进模块全局变量，多线程/异步场景下造成竞态。

怎么做：

• 频繁成员查询 → 提前转成 set 或 dict。
• 需要给一组相关字段建模 → @dataclass，不要裸 dict（键名不受类型检查保护）。
• 需要在函数间传递状态 → 显式参数或类属性，不要模块全局变量；异步场景用 contextvars.ContextVar。

正例 / 反例

反例：C 风格循环 + 可变默认参数

# 反例 — 下标循环、裸 except、可变默认参数、无类型注解
def process(items, result=[]):          # ❌ 可变默认参数，调用间共享
    for i in range(len(items)):         # ❌ C 风格，应用 enumerate
        try:
            result.append(items[i].strip().upper())
        except:                         # ❌ 裸 except，吞掉所有异常
            pass
    return result

# 正例 — 地道 Python
from __future__ import annotations


def process(items: list[str], result: list[str] | None = None) -> list[str]:
    if result is None:          # ✅ 安全默认参数
        result = []
    for item in items:          # ✅ 直接迭代，无下标
        try:
            result.append(item.strip().upper())
        except AttributeError as e:     # ✅ 具体异常类型
            raise ValueError(f"期望字符串，得到 {type(item)}") from e
    return result

反例：用 list 做成员查询

# 反例 — O(n) 成员查询，数据量大时极慢
BLOCKED_USERS = ["alice", "bob", "charlie", ...]   # 假设有几万条

def is_blocked(username: str) -> bool:
    return username in BLOCKED_USERS    # ❌ list.__contains__ 是 O(n)

# 正例 — O(1) 查询
BLOCKED_USERS: set[str] = {"alice", "bob", "charlie", ...}  # ✅ set

def is_blocked(username: str) -> bool:
    return username in BLOCKED_USERS    # ✅ set.__contains__ 是 O(1)

自查清单

• 有没有 for i in range(len(...))？能否换成 enumerate 或直接迭代？
• 所有公开函数是否都有类型注解，且注解与实现一致？
• 是否存在可变默认参数（list/dict/set 直接作为默认值）？
• 每处 except 是否指定了具体异常类型，没有静默吞掉错误？
• 所有文件/连接/锁等资源是否用 with 语句管理？
• 成员判断用的是 set/dict 而非 list？
• 没有把运行时状态存入模块全局变量？