---
name: python-patterns
description: Pythonic 語法習慣、PEP 8 標準、型別提示 (Type Hints) 以及建構強韌、高效且易於維護的 Python 應用程式之最佳實踐。
---

# Python 開發模式 (Python Development Patterns)

用於建構強韌、高效且易於維護的應用程式之道地 Python 模式與最佳實踐。

## 何時啟用

- 編寫新的 Python 程式碼。
- 審查 Python 程式碼。
- 重構現有的 Python 程式碼。
- 設計 Python 套件或模組。

## 核心原則

### 1. 可讀性至上 (Readability Counts)

Python 優先考慮可讀性。程式碼應當顯而易見且易於理解。

```python
# 正確：清晰且具備可讀性
def get_active_users(users: list[User]) -> list[User]:
    """從提供的清單中僅回傳活躍的使用者。"""
    return [user for user in users if user.is_active]


# 錯誤：雖然取巧但令人困惑
def get_active_users(u):
    return [x for x in u if x.a]
```

### 2. 明示優於暗示 (Explicit is Better Than Implicit)

避免使用神祕的機制；應明確表達程式碼的功能。

```python
# 正確：明示配置資訊
import logging

logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)

# 錯誤：隱藏的副作用
import some_module
some_module.setup()  # 這具體做了什麼？
```

### 3. EAFP 模式 — 請求原諒比請求許可更容易

Python 傾向於使用例外處理，而非預先檢查條件。

```python
# 正確：EAFP 風格
def get_value(dictionary: dict, key: str) -> Any:
    try:
        return dictionary[key]
    except KeyError:
        return default_value

# 錯誤：LBYL (三思而後行) 風格
def get_value(dictionary: dict, key: str) -> Any:
    if key in dictionary:
        return dictionary[key]
    else:
        return default_value
```

## 型別提示 (Type Hints)

### 基礎型別註解

```python
from typing import Optional, List, Dict, Any

def process_user(
    user_id: str,
    data: Dict[str, Any],
    active: bool = True
) -> Optional[User]:
    """處理使用者並回傳更新後的使用者物件或 None。"""
    if not active:
        return None
    return User(user_id, data)
```

### 現代型別提示 (Python 3.9+)

```python
# Python 3.9+ - 直接使用內建型別
def process_items(items: list[str]) -> dict[str, int]:
    return {item: len(item) for item in items}

# Python 3.8 及更早版本 - 需使用 typing 模組
from typing import List, Dict

def process_items(items: List[str]) -> Dict[str, int]:
    return {item: len(item) for item in items}
```

### 型別別名與 TypeVar

```python
from typing import TypeVar, Union

# 針對複雜型別建立別名
JSON = Union[dict[str, Any], list[Any], str, int, float, bool, None]

def parse_json(data: str) -> JSON:
    return json.loads(data)

# 泛型型別
T = TypeVar('T')

def first(items: list[T]) -> T | None:
    """回傳第一個項目，若清單為空則回傳 None。"""
    return items[0] if items else None
```

### 基於 Protocol 的鴨子型別 (Duck Typing)

```python
from typing import Protocol

class Renderable(Protocol):
    def render(self) -> str:
        """將物件渲染為字串。"""

def render_all(items: list[Renderable]) -> str:
    """渲染所有實作了 Renderable 協定的項目。"""
    return "\n".join(item.render() for item in items)
```

## 例外處理模式

### 具體的例外處理

```python
# 正確：捕捉特定的例外
def load_config(path: str) -> Config:
    try:
        with open(path) as f:
            return Config.from_json(f.read())
    except FileNotFoundError as e:
        raise ConfigError(f"找不到配置檔案: {path}") from e
    except json.JSONDecodeError as e:
        raise ConfigError(f"配置檔案中存在無效的 JSON: {path}") from e

# 錯誤：寬泛的 except
def load_config(path: str) -> Config:
    try:
        with open(path) as f:
            return Config.from_json(f.read())
    except:
        return None  # 靜默失敗！
```

### 例外鏈 (Exception Chaining)

```python
def process_data(data: str) -> Result:
    try:
        parsed = json.loads(data)
    except json.JSONDecodeError as e:
        # 使用 'from e' 鏈結例外以保留堆疊追蹤資訊
        raise ValueError(f"解析資料失敗: {data}") from e
```

### 自定義例外階層

```python
class AppError(Exception):
    """所有應用程式錯誤的基底例外。"""
    pass

class ValidationError(AppError):
    """當輸入驗證失敗時拋出。"""
    pass

class NotFoundError(AppError):
    """當找不到請求的資源時拋出。"""
    pass

# 使用方式
def get_user(user_id: str) -> User:
    user = db.find_user(user_id)
    if not user:
        raise NotFoundError(f"找不到使用者: {user_id}")
    return user
```

## 上下文管理器 (Context Managers)

### 資源管理

```python
# 正確：使用上下文管理器
def process_file(path: str) -> str:
    with open(path, 'r') as f:
        return f.read()

# 錯誤：手動管理資源
def process_file(path: str) -> str:
    f = open(path, 'r')
    try:
        return f.read()
    finally:
        f.close()
```

### 自定義上下文管理器

```python
from contextlib import contextmanager
import time

@contextmanager
def timer(name: str):
    """用於計算程式區塊執行時間的上下文管理器。"""
    start = time.perf_counter()
    yield
    elapsed = time.perf_counter() - start
    print(f"{name} 耗時 {elapsed:.4f} 秒")

# 使用方式
with timer("資料處理"):
    process_large_dataset()
```

## 解析式 (Comprehensions) 與產生器 (Generators)

### 清單解析式

```python
# 正確：使用清單解析式進行簡易轉換
names = [user.name for user in users if user.is_active]

# 錯誤：手動迴圈
names = []
for user in users:
    if user.is_active:
        names.append(user.name)

# 過於複雜的解析式應展開處理
# 錯誤：過於複雜
result = [x * 2 for x in items if x > 0 if x % 2 == 0]

# 正確：使用產生器函式或展開迴圈以利閱讀
def filter_and_transform(items: Iterable[int]) -> list[int]:
    result = []
    for x in items:
        if x > 0 and x % 2 == 0:
            result.append(x * 2)
    return result
```

### 產生器表達式

```python
# 正確：使用產生器進行惰性求值
total = sum(x * x for x in range(1_000_000))

# 錯誤：建立了一個巨大的中間清單
total = sum([x * x for x in range(1_000_000)])
```

### 產生器函式

```python
def read_large_file(path: str) -> Iterator[str]:
    """逐行讀取大型檔案。"""
    with open(path) as f:
        for line in f:
            yield line.strip()

# 使用方式
for line in read_large_file("huge.txt"):
    process(line)
```

## 資料類別 (Data Classes) 與具名元組 (Named Tuples)

### 資料類別 (Data Classes)

```python
from dataclasses import dataclass, field
from datetime import datetime

@dataclass
class User:
    """使用者實體，自動生成 __init__, __repr__, 與 __eq__。"""
    id: str
    name: str
    email: str
    created_at: datetime = field(default_factory=datetime.now)
    is_active: bool = True

# 使用方式
user = User(
    id="123",
    name="Alice",
    email="alice@example.com"
)
```

### 具名元組 (Named Tuples)

```python
from typing import NamedTuple

class Point(NamedTuple):
    """不可變的 2D 座標點。"""
    x: float
    y: float

    def distance(self, other: 'Point') -> float:
        return ((self.x - other.x) ** 2 + (self.y - other.y) ** 2) ** 0.5

# 使用方式
p1 = Point(0, 0)
p2 = Point(3, 4)
print(p1.distance(p2))  # 5.0
```

## 裝飾器 (Decorators)

### 函式裝飾器

```python
import functools
import time
from typing import Callable

def timer(func: Callable) -> Callable:
    """用於計時函式執行時間的裝飾器。"""
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        elapsed = time.perf_counter() - start
        print(f"{func.__name__} 執行耗時 {elapsed:.4f} 秒")
        return result
    return wrapper
```

## 並發模式 (Concurrency Patterns)

### I/O 密集型任務使用執行緒 (Threading)

```python
import concurrent.futures

def fetch_url(url: str) -> str:
    """擷取 URL 內容（I/O 密集型操作）。"""
    import urllib.request
    with urllib.request.urlopen(url) as response:
        return response.read().decode()

def fetch_all_urls(urls: list[str]) -> dict[str, str]:
    """使用執行緒池並行擷取多個 URL。"""
    with concurrent.futures.ThreadPoolExecutor(max_workers=10) as executor:
        future_to_url = {executor.submit(fetch_url, url): url for url in urls}
        results = {}
        for future in concurrent.futures.as_completed(future_to_url):
            url = future_to_url[future]
            try:
                results[url] = future.result()
            except Exception as e:
                results[url] = f"錯誤: {e}"
    return results
```

### CPU 密集型任務使用多進程 (Multiprocessing)

```python
def process_data(data: list[int]) -> int:
    """CPU 密集型計算。"""
    return sum(x ** 2 for x in data)

def process_all(datasets: list[list[int]]) -> list[int]:
    """使用多個進程處理多個資料集。"""
    with concurrent.futures.ProcessPoolExecutor() as executor:
        results = list(executor.map(process_data, datasets))
    return results
```

## 專案與套件組織

### 標準專案佈局

```
myproject/
├── src/                      # 原始碼目錄
│   └── mypackage/
│       ├── __init__.py
│       ├── main.py
│       ├── api/
│       │   ├── __init__.py
│       │   └── routes.py
│       ├── models/
│       │   ├── __init__.py
│       │   └── user.py
│       └── utils/
│           ├── __init__.py
│           └── helpers.py
├── tests/                    # 測試目錄
│   ├── __init__.py
│   ├── conftest.py
│   ├── test_api.py
│   └── test_models.py
├── pyproject.toml            # 專案配置設定
├── README.md
└── .gitignore
```

### 匯入慣例 (Import Conventions)

```python
# 正确：匯入順序 — 標準函式庫、第三方套件、本地模組
import os
import sys
from pathlib import Path

import requests
from fastapi import FastAPI

from mypackage.models import User
from mypackage.utils import format_name
```

## 記憶體與效能

### 使用 __slots__ 提升記憶體效率

```python
# 錯誤：一般類別使用 __dict__（耗費更多記憶體）
class Point:
    def __init__(self, x: float, y: float):
        self.x = x
        self.y = y

# 正確：使用 __slots__ 減少記憶體消耗
class Point:
    __slots__ = ['x', 'y']

    def __init__(self, x: float, y: float):
        self.x = x
        self.y = y
```

### 避免在迴圈中進行字串拼接

```python
# 錯誤：字串不可變性導致 O(n²) 複雜度
result = ""
for item in items:
    result += str(item)

# 正確：使用 join 達成 O(n) 複雜度
result = "".join(str(item) for item in items)
```

## Python 工具整合

### 必要指令

```bash
# 程式碼格式化
black .
isort .

# 靜態分析 (Linter)
ruff check .
pylint mypackage/

# 型別檢查
mypy .

# 執行測試
pytest --cov=mypackage --cov-report=html

# 安全性掃描
bandit -r .
```

## 常見語法習慣 (Idioms) 快速參考

| 語法習慣 | 說明描述 |
|-------|-------------|
| **EAFP** | 請求原諒比請求許可更容易 |
| **上下文管理器** | 使用 `with` 語句管理資源 |
| **清單解析式** | 用於簡易的資料轉換 |
| **產生器** | 用於惰性求值與大型資料集處理 |
| **型別提示** | 註解函式簽名以提升安全性 |
| **資料類別** | 提供自動生成方法的資料容器 |
| **__slots__** | 優化物件記憶體占用 |
| **f-strings** | 引進自 Python 3.6 的強化字串格式化 |
| **pathlib.Path** | 引進自 Python 3.4 的物件導向路徑操作 |
| **enumerate** | 在迴圈中同時獲取索引與元素 |

## 應避免的反模式

```python
# 錯誤：可變物件作為預設參數 (Mutable default arguments)
def append_to(item, items=[]):
    items.append(item)
    return items

# 正確：使用 None 並在函式內部建立新清單
def append_to(item, items=None):
    if items is None:
        items = []
    items.append(item)
    return items

# 錯誤：使用 type() 檢查型別
if type(obj) == list:
    process(obj)

# 正確：使用 isinstance
if isinstance(obj, list):
    process(obj)

# 錯誤：使用 == 與 None 進行比較
if value == None:
    process()

# 正確：使用 is 判斷身分
if value is None:
    process()

# 錯誤：使用星號匯入 (import *)
from os.path import *

# 正確：明確匯入所需項目
from os.path import join, exists
```

**請記住**：Python 程式碼應具備可讀性、明確性，並遵循「最小驚訝原則」。當遇到疑慮時，應優先考慮清晰度而非技術上的取巧。