在Python中使用契约devise
我正在寻找开始在工作中使用大量基于Python的项目的DBC，并想知道其他人有什么经验。 到目前为止，我的研究成果如下：
- http://www.python.org/dev/peps/pep-0316/ – PEP 316是为了标准化Pythondevise合同而推迟的。 这个PEPbuild议使用文档。
- http://www.wayforward.net/pycontract/ – Python合同。 这似乎是一个完整的，但没有维护的框架使用文档。
- http://www.nongnu.org/pydbc/ – 使用元类实现契约的PyDBC。 也没有维持几年。
我的问题是：你用Python的DBC成熟的生产代码？ 它的工作效果如何？值得付出吗？ 你会推荐哪些工具？
你find的PEP还没有被接受，所以没有一个标准或可接受的方法来做到这一点（然而，你可以自己实施PEP！）。 但是，有几种不同的方法，正如你所发现的那样。
也许最轻量级只是简单地使用Python装饰器。 Python Decorator库中有一组用于前/后条件的装饰器 ，可以直接使用。 以下是该页面的一个示例：
>>> def in_ge20(inval): ... assert inval >= 20, 'Input value < 20' ... >>> def out_lt30(retval, inval): ... assert retval < 30, 'Return value >= 30' ... >>> @precondition(in_ge20) ... @postcondition(out_lt30) ... def inc(value): ... return value + 1 ... >>> inc(5) Traceback (most recent call last): ... AssertionError: Input value < 20 现在，你提到类不variables。 这些有点困难，但是我会这样做的方式是定义一个可调用来检查不variables，然后像post-condition装饰器那样检查每个方法调用结束时的不variables。 作为第一个剪辑，你可以直接使用后置装饰器。
以我的经验来看，即使没有语言支持，按合同devise也是值得的。 对于没有被覆盖的断言的方法，以及docstrings对于前置条件和后置条件都是足够的。 对于被覆盖的方法，我们将方法分为两部分：检查前置条件和后置条件的公共方法，以及提供实现的受保护方法，并可能被子类覆盖。 这里是后者的一个例子：
class Math: def square_root(self, number) """ Calculate the square-root of C{number} @precondition: C{number >= 0} @postcondition: C{abs(result * result - number) < 0.01} """ assert number >= 0 result = self._square_root(number) assert abs(result * result - number) < 0.01 return result def _square_root(self, number): """ Abstract method for implementing L{square_root()} """ raise NotImplementedError()
我从软件工程收音机devise合同的一集（ http://www.se-radio.net/2007/03/episode-51-按合同devise/ ）。 他们还提到需要语言支持，因为断言对确保Liskov替代原则没有帮助，尽pipe我上面的例子旨在certificate另外一些。 我还应该提到C ++ pimpl（私有实现）成语作为灵感的来源，尽pipe这有一个完全不同的目的。
在我的工作中，我最近把这种契约检查重构成了一个更大的阶级体系（合同已经被logging，但没有经过系统的testing）。 现有的unit testing显示，合同被多次违反。 我只能断定这应该是很久以前的事了，一旦按合同devise，unit testing覆盖率就会更高。 我希望任何尝试这种技术组合的人都能做出同样的观察。
更好的工具支持可能会在未来为我们提供更多的动力，我对此表示欢迎。
我没有使用Python的合同devise，所以我不能回答你所有的问题。 不过，我花了一些时间看最近版本的合同库，它看起来不错。
在reddit上有关于这个库的一些讨论。
虽然不是完全按合同devise ，但一些testing框架倾向于属性testing方法在概念上非常接近。
随机testing，如果某些属性保留在运行时允许轻松检查：
- 不变
- input和输出值的域
- 其他前置和后置条件
对于Python，有一些QuickCheck风格的testing框架：
- 薪水
- QC
