Python-Entwicklung im Jahr 2024: Neue Funktionen und Tools
Python feierte 2021 sein 30-jähriges Jubiläum. Der explosionsartige Anstieg der Verbreitung, des Wachstums und der zukunftsweisenden Entwicklung der Sprache ist jedoch relativ neu. Viele Funktionen von Python haben sich seit ihrer Einführung nicht verändert. Jedes Jahr und jede neue Ausgabe von Python bringen neue Möglichkeiten und Bibliotheken, die von diesen Fortschritten profitieren.
Python hat seine alten und neuen Wege. Es macht Sinn, zu lernen, wie man mit den modernsten und bequemsten Funktionen von Python arbeitet. Dieser Artikel erklärt die Schlüsselkonzepte, um modernes Python im Jahr 2024 zu schreiben. Die Software nutzt die neuesten und besten Idiome, Konzepte und Fähigkeiten von Python.
Typisierung in Python
Die neue Typisierungssyntax von Python hilft Linters und Tools zur Code-Qualität, Code vor der Laufzeit zu analysieren. Dadurch lassen sich mögliche Fehler erkennen, bevor sie auftreten. Je mehr Python-Code man erstellt, um ihn mit anderen zu teilen, desto mehr profitiert man von Typhinweisen.
Jede neue Version von Python bringt bessere Typannotationen heraus. Wer lernt, wie man Typannotationen verwendet, ist besser gerüstet, neue Typisierungsinnovationen zu nutzen. Man sollte bedenken, dass Typhinweise optional sind. Nicht jedes Projekt benötigt sie. Typhinweise helfen, größere Projekte verständlich zu machen. In einem 50-Zeilen-Skript kann man sie weglassen. Pydantic ermöglicht es, Typhinweise zur Laufzeit durchzusetzen. Viele verbreitete Python-Projekte wie FastAPI verwenden Pydantic umfangreich.
Optionen für Virtualisierungsumgebungen und Paketverwaltung
Für einfache Projekte und weniger anspruchsvolle Entwicklungsarbeiten kann man das integrierte venv-Tool von Python nutzen. Es hilft, Projekte und deren Anforderungen getrennt zu halten. Die neuesten Fortschritte in der Python-Toolchain bieten jedoch mehr Optionen:
Pyenv
Pyenv hilft, mehrere Versionen von Python zu installieren, um unterschiedliche Projektanforderungen zu erfüllen. Es ermöglicht, zwischen ihnen global oder projektweise zu wechseln. Es gibt keine offizielle Windows-Unterstützung, aber einen inoffiziellen Windows-Port.
Pipenv
Pipenv wird als „Python-Entwicklungsworkflow für Menschen“ bezeichnet. Es verwaltet eine virtuelle Umgebung und alle Abhängigkeiten für ein Projekt. Pipenv stellt sicher, dass Abhängigkeiten deterministisch sind. Pipenv ist jedoch nicht ideal für Projekte, die auf PyPI hochgeladen oder mit anderen geteilt werden sollen.
Poetry
Poetry bietet ein erweitertes Toolset im Vergleich zu Pipenv. Es verwaltet Projekte und Anforderungen und erleichtert die Bereitstellung des Projekts auf PyPI. Poetry verwaltet auch virtuelle Umgebungen, die von den Projektverzeichnissen getrennt sind.
PDM
PDM (Python Development Master) ist ein neues, topaktuelles Projekt. Es bietet eine Schnittstelle zum Einrichten eines Projekts, zur Verwaltung von Abhängigkeiten und zum Erstellen von Verteilungsartefakten. PDM verwendet den PEP 582-Standard zum lokalen Speichern von Paketen für ein Projekt.
Hatch
Hatch kümmert sich um die Projektsetup und -verwaltung. Es bietet auch ein Build-System, Tools zur Paketierung von Projekten für die Weiterverteilung auf PyPI, Testbearbeitung und viele andere nützliche Funktionen.
uv
Das experimentelle uv-Projekt ersetzt pip, venv und mehrere andere Befehlszeilen-Tools für Python. Es ist in Rust für Geschwindigkeit geschrieben und viele seiner Befehle ähneln denen von pip und anderen von ihm ersetzten Tools. Dadurch ist es relativ einfach zu erlernen.
Verwendung des modernen pyproject.toml-Formats
Beim Erstellen neuer Projekte, die in einem Teamumfeld bearbeitet oder an andere weitergegeben werden sollen (z. B. über PyPI), sollte man das moderne pyproject.toml-Format verwenden. Es können weiterhin die ältere requirements.txt-Datei neben pyproject.toml verwendet werden. Letztere deckt jedoch einen breiteren Anwendungsbereich ab und macht die Projekte zukunftskompatibel.
Neue Python-Syntax
Die Evolution von Python hat viele neue Ergänzungen zur Sprache selbst gebracht. Die letzten paar Versionen von Python haben nützliche syntaktische Konstruktionen hinzugefügt. Sie ermöglichen leistungsstärkeres und prägnanteres Programmieren. Obwohl sie nicht obligatorisch sind, lohnt es sich, sie kennenzulernen.
Pattern Matching
Strukturelles Pattern Matching, das in Python 3.10 eingeführt wurde, ermöglicht es, Entscheidungen über den Kontrollfluss basierend auf dem Inhalt oder der Struktur von Objekten zu treffen. Es ist mehr als nur „switch/case für Python“. Es ist eine Möglichkeit, basierend auf Typen oder den Formen von Typen (z. B. eine Liste mit einem int und einem string) abzugleichen, anstatt auf Werten.
Der ‚Walross-Operator‘
Der Walross-Operator (:=), der in Python 3.8 hinzugefügt wurde, führt Zuweisungsausdrücke ein. Es ist eine Möglichkeit, einem Variablen einen Wert zuzuweisen und dann in einem Schritt einen Test auf die Variable anzuwenden. Dies führt zu weniger ausführlichem Code, wie z. B. beim Überprüfen des Rückgabewerts einer Funktion und gleichzeitiger Beibehaltung der Ergebnisse.
Positionale Parameter
Positionale Parameter, eine kleine, aber nützliche Ergänzung zur Syntax von Python, ermöglichen es, anzugeben, welche Funktionsparameter als positionale und nicht als Schlüsselargumente angegeben werden müssen. Diese Funktion soll die Klarheit verbessern und die zukünftige Entwicklung einer Codebasis erleichtern.
Python-Tests
Das Schreiben von Tests für eine Codebasis ist wie tägliches Zähneputzen. Jeder stimmt zu, dass es eine gute Sache ist, aber nur wenige tun es tatsächlich. Moderne Python-Codebasen verdienen es, Test-Suiten zu haben. Die aktuellen Tools für Tests machen das Erstellen von Test-Suiten einfacher denn je.
Unittest
Python hat sein eigenes integriertes Testframework, unittest. Es ist nicht schlecht als Standard, aber sein Design und Verhalten sind veraltet.
Pytest
Das Pytest-Framework hat sich als häufige Alternative etabliert. Es ist flexibler und erfordert weniger Boilerplate. Pytest verfügt über viele Add-Ons, um seine Funktionalität zu erweitern, z. B. für das Testen von asynchronem Code.
Code-Abdeckung
Ein wichtiger Bestandteil von Tests ist die Code-Abdeckung. Sie zeigt, wie viel der Codebasis tatsächlich von den Tests abgedeckt wird. Das Modul Coverage ist dafür da. Pytest wird sogar mit einem Plug-In geliefert, um damit zu arbeiten.
Fazit
Python bleibt eine der vielseitigsten und zugänglichsten Programmiersprachen. Sie eignet sich sowohl für Anfänger als auch für erfahrene Entwickler. Die kontinuierliche Weiterentwicklung der Sprache und ihrer Tools stellt sicher, dass Python auch in den kommenden Jahren eine führende Rolle in der Softwareentwicklung spielen wird. Mit neuen Funktionen wie strukturellem Pattern Matching, modernen Typisierungssyntaxen und verbesserten Werkzeugen für Virtualisierungsumgebungen und Paketverwaltung bleibt Python für eine Vielzahl von Anwendungen relevant und zukunftssicher.
