python-idiomslisted

# Python 惯用法 ## 何时用 - 写新的 Python 函数、类或模块时。 - Review Python 代码、发现有 C 风格循环或裸 `except` 时。 - 设计数据结构、选择容器类型时。 - 配置项目依赖或虚拟环境时。 - 给已有 Python 代码加类型注解或重构时。 ## 核心规则 ### 1. 用语言特性，不写 C 风格循环 **规则：** 优先使用列表/字典/集合推导式、`enumerate`、`zip`、生成器表达式；凡是靠下标手动累加的循环，基本都有更地道的写法。 **为什么：** AI 生成 Python 代码时极容易退化成 Java/C 风格：`for i in range(len(arr)): result.append(arr[i] * 2)`。这种写法既啰嗦又容易因下标越界出 bug，而且完全没有利用 Python 的高阶抽象。读者一眼扫过去就知道这段代码不是"Python 人"写的。 **怎么做：** - 遍历并需要下标 → `enumerate(seq)`，不要 `range(len(seq))`。 - 同时遍历两个序列 → `zip(a, b)`，不要双重下标。 - 构建新列表/字典 → 推导式；数据量大且只消费一次 → 生成器表达式（括号版）。 - 需要累积结果 → 考虑 `map`/`filter`/`itertools`，但可读性优先于炫技。 --- ### 2. 善用标准库与类型注解；函数职责单一，避免可变默认参数陷阱 **规则：** 能用标准库解决的不造轮子；所有公开函数加类型注解；函数只做一件事；默认参数值若是可变对象（`list`/`dict`/`set`）必须用 `None` 代替。 **为什么：** AI 常见错误之一是把可变对象直接当默认参数：`def add_item(item, bucket=[]):`——这个 `bucket` 在所有调用间共享，函数第二次调用时里面已经有上次留下的数据，是 Python 最经典的"幽灵 bug"。类型注解则让 mypy 在运行前就能发现大量错误。 **怎么做：** - 可变默认参数一律写 `param: list | None = None`，函数体内 `if param is None: param = []`。 - 用 `collections.defaultdict`、`pathlib.Path`、`dataclasses.dataclass` 代替手写字典嵌套、字符串拼路径、裸 `__init__`。 - 类型注解遵循 PEP 604（`X | Y`）和 PEP 585（`list[int]`），Python 3.10+ 不再需要从 `typing` 导入基础类型。 --- ### 3. 异常用具体类型，资源用 `with`；不裸 `except` **规则：** 捕获异常时必须指定类型（`except ValueError`），禁止裸 `except:` 或 `except Exception as e: pass`；打开文件、网络连接、数据库游标等资源必须用 `with` 语句管理。 **为什么：** 裸 `except` 会吞掉 `KeyboardInterrupt`、`SystemExit` 等非异常信号，导致程序无法正常终止；同时把真正的 bug 掩盖掉，让问题在更下游以更难理解的形式爆发。AI 在不确定异常类型时倾向于写 `except Exception`，这是懒惰的防御，不是可靠的错