当我开始学习 Python 的时候，有些事我希望我一早就知道。我花费了很多时间才学会这些东西。我想要把这些重点都编纂到一篇文章当中。这篇文章的目标读者，是刚刚开始学习 Python 语言的有经验的程序员，想要跳过前几个月研究 Python 使用的那些他们已经在用的类似工具。包管理和标准工具这两节对于初学者来说同样很有帮助。 我的经验主要基于 Python 2.7，但是大多数的工具对任何版本都有效。 如果你从来没有使用过 Python我强烈建议你阅读 Python introduction，因为你需要知道基本的语法和类型。

包管理 Python 世界最棒的地方之一，就是大量的第三方程序包。同样，管理这些包也非常容易。按照惯例，会在 requirements.txt 文件中列出项目所需要的包。每个包占一行，通常还包含版本号。这里有一个例子，本博客使用 Pelican：

1 2 3 ; html-script: false ]pelican==3.3 Markdown pelican-extended-sitemap==1.0.0 Python 程序包有一个缺陷是，它们默认会进行全局安装。我们将要使用一个工具，使我们每个项目都有一个独立的环境，这个工具叫 virtualenv。我们同样要安装一个更高级的包管理工具，叫做 pip，他可以和 virtualenv 配合工作。 首先，我们需要安装 pip。大多数 python 安装程序已经内置了 easy_install （ python 默认的包管理工具），所以我们就使用 easy_install pip 来安装 pip。这应该是你最后一次使用 easy_install了。如果你并没有安装 easy_install，在 linux 系统中，貌似从 python-setuptools包中可以获得。 如果你使用的 Python 版本高于等于 3.3， 那么 Virtualenv 已经是标准库的一部分了，所以没有必要再去安装它了。 下一步，你希望安装 virtualenv 和 virtualenvwrapper。Virtualenv 使你能够为每个项目创造一个独立的环境。尤其是当你的不同项目使用不同版本的包时，这一点特别有用。Virtualenv wrapper 提供了一些不错的脚本，可以让一些事情变得容易。 Shell

1 ; html-script: false ]sudo pip install virtualenvwrapper 当 virtualenvwrapper 安装后，它会把 virtualenv 列为依赖包，所以会自动安装。 打开一个新的 shell，输入 mkvirtualenv test。如果你打开另外一个 shell，则你就不在这个 virtualenv 中了，你可以通过 workon test来启动。如果你的工作完成了，可以使用 deactivate来停用。

IPython IPython 是标准 Python 交互式的编程环境的一个替代品，支持自动补全，文档快速访问，以及标准交互式编程环境本应该具备的很多其他功能。 当你处在一个虚拟环境中的时候，可以很简单的使用 pip install ipython来进行安装，在命令行中使用 ipython来启动

另一个不错的功能是”笔记本”，这个功能需要额外的组件。安装完成后，你可以使用 ipython notebook，而且会有一个不错的网页 UI，你可以创建笔记本。这在科学计算领域很流行。

测试 我推荐使用 nose 或是 py.test。我大部分情况下用 nose。它们基本上是类似的。我将讲解 nose 的一些细节。 这里有一个人为创建的可笑的使用 nose 进行测试的例子。在一个以 test_开头的文件中的所有以 test_开头的函数，都会被调用：

Python

1 2 ; html-script: false ]def test_equality(): assert True == False 不出所料，当运行 nose 的时候，我们的测试没有通过。 Shell

1 2 3 4 5 6 7 8 9 10 11 12 13 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests F

FAIL: test_nose_example.test_equality

Traceback (most recent call last): File "/Users/jhaddad/.virtualenvs/test/lib/python2.7/site-packages/nose/case.py", line 197, in runTest self.test(*self.arg) File "/Users/jhaddad/.virtualenvs/test/src/test_nose_example.py", line 3, in test_equality assert True == False AssertionError

nose.tools 中同样也有一些便捷的方法可以调用 Python

1 2 3 ; html-script: false ]from nose.tools import assert_true def test_equality(): assert_true(False) 如果你想使用更加类似 JUnit 的方法，也是可以的： Python

1 2 3 4 5 6 7 8 9 10 ; html-script: false ]from nose.tools import assert_true from unittest import TestCase class ExampleTest(TestCase): def setUp(self): # setUp & tearDown are both available self.blah = False def test_blah(self): self.assertTrue(self.blah) 开始测试： Shell

1 2 3 4 5 6 7 8 9 10 11 12 13 14 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests F

FAIL: test_blah (test_nose_example.ExampleTest)

Traceback (most recent call last): File "/Users/jhaddad/.virtualenvs/test/src/test_nose_example.py", line 11, in test_blah self.assertTrue(self.blah) AssertionError: False is not true

Ran 1 test in 0.003s FAILED (failures=1)

卓越的 Mock 库包含在 Python 3 中，但是如果你在使用 Python 2，可以使用 pypi 来获取。这个测试将进行一个远程调用，但是这次调用将耗时 10s。这个例子显然是人为捏造的。我们使用 mock 来返回样本数据而不是真正的进行调用。 Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 ; html-script: false ]import mock from mock import patch from time import sleep class Sweetness(object): def slow_remote_call(self): sleep(10) return "some_data" # lets pretend we get this back from our remote api call def test_long_call(): s = Sweetness() result = s.slow_remote_call() assert result == "some_data" 当然，我们的测试需要很长的时间。 Shell

1 2 3 4 5 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests test_mock.py Ran 1 test in 10.001s OK 太慢了！因此我们会问自己，我们在测试什么？我们需要测试远程调用是否有用，还是我们要测试当我们获得数据后要做什么？大多数情况下是后者。让我们摆脱这个愚蠢的远程调用吧： Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ; html-script: false ]import mock from mock import patch from time import sleep class Sweetness(object): def slow_remote_call(self): sleep(10) return "some_data" # lets pretend we get this back from our remote api call def test_long_call(): s = Sweetness() with patch.object(s, "slow_remote_call", return_value="some_data"): result = s.slow_remote_call() assert result == "some_data" 好吧，让我们再试一次： Shell

1 2 3 4 5 6 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests test_mock.py .

Ran 1 test in 0.001s OK 好多了。记住，这个例子进行了荒唐的简化。就我个人来讲，我仅仅会忽略从远程系统的调用，而不是我的数据库调用。 nose-progressive 是一个很好的模块，它可以改善 nose 的输出，让错误在发生时就显示出来，而不是留到最后。如果你的测试需要花费一定的时间，那么这是件好事。 pip install nose-progressive并且在你的 nosetests 中添加--with-progressive

调试 iPDB 是一个极好的工具，我已经用它查出了很多匪夷所思的 bug。pip install ipdb安装该工具，然后在你的代码中 import ipdb; ipdb.set_trace()，然后你会在你的程序运行时，获得一个很好的交互式提示。它每次执行程序的一行并且检查变量。

python 内置了一个很好的追踪模块，帮助我搞清楚发生了什么。这里有一个没什么用的 python 程序： Python

1 2 3 ; html-script: false ]a = 1 b = 2 a = b 这里是对这个程序的追踪结果： Shell

1 2 3 4 5 6 7 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ python -m trace --trace tracing.py1 --- modulename: tracing, funcname: <module> tracing.py(1): a = 1 tracing.py(2): b = 2 tracing.py(3): a = b --- modulename: trace, funcname: _unsettrace trace.py(80): sys.settrace(None) 当你想要搞清楚其他程序的内部构造的时候，这个功能非常有用。如果你以前用过 strace，它们的工作方式很相像 在一些场合，我使用 pycallgraph 来追踪性能问题。它可以创建函数调用时间和次数的图表。

最后，objgraph 对于查找内存泄露非常有用。这里有一篇关于如何使用它查找内存泄露的好文。

Gevent Gevent 是一个很好的库，封装了 Greenlets，使得 Python 具备了异步调用的功能。是的，非常棒。我最爱的功能是 Pool，它抽象了异步调用部分，给我们提供了可以简单使用的途径，一个异步的 map()函数： Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 ; html-script: false ]from gevent import monkey monkey.patch_all() from time import sleep, time def fetch_url(url): print "Fetching %s" % url sleep(10) print "Done fetching %s" % url from gevent.pool import Pool urls = ["http://test.com", "http://bacon.com", "http://eggs.com"] p = Pool(10) start = time() p.map(fetch_url, urls) print time() - start 非常重要的是，需要注意这段代码顶部对 gevent monkey 进行的补丁，如果没有它的话，就不能正确的运行。如果我们让 Python 连续调用 fetch_url 3 次，通常我们期望这个过程花费 30 秒时间。使用 gevent： Python

1 2 3 4 5 6 7 8 ; html-script: false ](test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ python g.py Fetching http://test.com Fetching http://bacon.com Fetching http://eggs.com Done fetching http://test.com Done fetching http://bacon.com Done fetching http://eggs.com 10.001791954 如果你有很多数据库调用或是从远程 URLs 获取，这是非常有用的。我并不是很喜欢回调函数，所以这一抽象对我来说效果很好。

结论 好吧，如果你看到这里了，那么你很可能已经学到了一些新东西。这些工具，在过去的一年里对我影响重大。找打它们花费了不少时间，所以望本文能够减少其他人想要很好利用这门语言需要付出的努力。