Python Version 3.5 führt „Typhinweise“ ein, um den Code lesbarer zu machen und es Entwicklern zu erleichtern, den Code des anderen zu verstehen.
In stark typisierten Sprachen wie Java und C ist die Abhängigkeitsinversion (DI – Dependency Inversion) eine wichtige Technologie, in schwach typisierten Sprachen ist sie jedoch schwierig zu implementieren.
Die Kernidee der Abhängigkeitsinversion ist: Klassen sollten sich nicht auf bestimmte Implementierungen verlassen, sondern auf Abstraktionen. Denn Abstraktionen (Schnittstellen oder abstrakte Klassen) sind relativ stabile Verträge.
Schlechtes Beispiel:
<code class="language-python">class GasStation: def fill_tank(car, amount): car.fill(amount)</code>
In diesem Beispiel kann die Tankstelle nur Autos betanken. Erschwerend kommt hinzu, dass, da die Funktion fill_tank
keinen definierten Typ hat, ein beliebiger Wert übergeben werden kann und der Fehler erst zur Laufzeit entdeckt wird.
Gutes Beispiel:
<code class="language-python">from typing import Protocol class Vehicle(Protocol): def fill(amount: int) -> None: ... class GasStation: def fill_tank(vehicle: Vehicle, amount: int) -> None: vehicle.fill(amount)</code>
In diesem Beispiel definieren Sie zunächst die abstrakte Klasse Vehicle
(mit typing.Protocol
). Die GasStation
-Funktion von fill_tank
ist nicht mehr auf eine bestimmte Fahrzeugklasse angewiesen, sondern auf die Vehicle
-Schnittstelle, wird damit allgemeiner und kann jedes Fahrzeug betanken, das die fill
-Methode implementiert.
Ich habe das Typhinweissystem von Python genutzt und eine Bibliothek namens PyDIT (Python Dependency Injection with Types) erstellt, die die Verwendung der Abhängigkeitsumkehr vereinfacht.
Angenommen, Sie benötigen eine Datenbankschnittstelle zum Speichern von Benutzerdaten. Unabhängig davon, ob Sie PostgreSQL, MySQL, OracleDB, eine In-Memory-Datenbank oder eine NoSQL-Datenbank verwenden, müssen Sie eine Datenbankverbindungsklasse implementieren und die Funktionen zum Lesen, Schreiben und Löschen von Datensätzen bereitstellen .
<code class="language-python">from time import sleep from typing import TypedDict from typing_extensions import override from uuid import UUID from src.configs.di import pydit from src.adapters.repositories.interfaces.user import UserRepository from src.constants.injection import MEMORY_REPOSITORY_CONFIG_TOKEN from src.domain.user.models.user import UserModel class ConfigType(TypedDict): delay: int class MemoryUserRepository(UserRepository): __users: dict[UUID, UserModel] = {} def __init__(self): self.__delay = self.config.get("delay", 0.2) @pydit.inject(token=MEMORY_REPOSITORY_CONFIG_TOKEN) def config(self) -> ConfigType: # TODO: supress return type error pass @override def get_by_id(self, *, id_: UUID) -> UserModel: sleep(self.__delay) user = self.__users.get(id_) if user is None: raise ValueError("User not found") return user @override def save(self, *, data: UserModel) -> None: sleep(self.__delay) self._check_pk_conflict(pk=data.id) self.__users[data.id] = data @override def list_(self) -> list[UserModel]: return list(self.__users.values()) def _check_pk_conflict(self, *, pk: UUID) -> None: if pk not in self.__users: return raise ValueError("Primary key conflicts: DB alrady has a user with this ID")</code>
Um sicherzustellen, dass der Code nichts mit der Datenbanktechnologie zu tun hat, definieren Sie eine Schnittstelle, der alle Datenbankklassen folgen müssen:
<code class="language-python">from abc import abstractmethod from typing import Protocol from uuid import UUID from src.domain.user.models.user import UserModel class UserRepository(Protocol): @abstractmethod def get_by_id(self, *, id_: UUID) -> UserModel: pass @abstractmethod def save(self, *, data: UserModel) -> None: pass @abstractmethod def list_(self) -> list[UserModel]: pass</code>
Als nächstes initialisieren Sie die Abhängigkeiten für die Injektion:
<code class="language-python">from src.adapters.repositories.in_memory.user import MemoryUserRepository from src.constants.injection import MEMORY_REPOSITORY_CONFIG_TOKEN from .di import pydit from .get_db_config import get_db_config def setup_dependencies(): pydit.add_dependency(get_db_config, token=MEMORY_REPOSITORY_CONFIG_TOKEN) pydit.add_dependency(MemoryUserRepository, "UserRepository")</code>
Fügen Sie abschließend die Abhängigkeiten in das Modul ein, das den Benutzer erstellt:
<code class="language-python">from typing import cast from src.adapters.repositories.interfaces.user import UserRepository from src.configs.di import pydit from src.domain.user.models.create_user import CreateUserModel from src.domain.user.models.user import UserModel from src.domain.user.services.create import CreateUserService from src.domain.user.services.list import ListUsersService class UserModule: @pydit.inject() def user_repository(self) -> UserRepository: return cast(UserRepository, None) def create(self, data: CreateUserModel) -> None: CreateUserService(self.user_repository).execute(data) def list_(self) -> list[UserModel]: return ListUsersService().execute()</code>
Abhängigkeiten werden als Eigenschaften eingefügt und können über self
oder module.user_repository
aufgerufen werden.
Dieses Beispiel ist einfach, aber PyDIT kann auf eine Vielzahl von Projektkonfigurationen, Codeabstraktionen und SOLID-Prinzipszenarien angewendet werden. Willkommen beim Ausprobieren und beisteuern von Code!
Code-Repository: Github
LinkedIn: Marcelo Almeida (MrM4rc)
PyPI: python-pydit
Das obige ist der detaillierte Inhalt vonDie Auswirkungen der Eingabe in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!