python-anti-patterns

Python 反模式检查清单

常见 Python 代码错误与反模式的参考检查清单。完成实现前先检查，以便及早发现问题。

何时使用此技能

• 合并前审查代码
• 调试难以解释的问题
• 教授或学习 Python 最佳实践
• 制定团队编码规范
• 重构遗留代码

注意： 此技能侧重于应避免的做法。有关正向模式和架构的指导，请参阅 python-design-patterns 技能。

基础设施反模式

分散的超时／重试逻辑

# BAD: Timeout logic duplicated everywhere
def fetch_user(user_id):
    try:
        return requests.get(url, timeout=30)
    except Timeout:
        logger.warning("Timeout fetching user")
        return None

def fetch_orders(user_id):
    try:
        return requests.get(url, timeout=30)
    except Timeout:
        logger.warning("Timeout fetching orders")
        return None

修复： 通过装饰器或客户端包装器集中处理。

# GOOD: Centralized retry logic
@retry(stop=stop_after_attempt(3), wait=wait_exponential())
def http_get(url: str) -> Response:
    return requests.get(url, timeout=30)

双重重试

# BAD: Retrying at multiple layers
@retry(max_attempts=3)  # Application retry
def call_service():
    return client.request()  # Client also has retry configured!

修复： 只在一个层级重试。了解基础设施的重试行为。

硬编码配置

# BAD: Secrets and config in code
DB_HOST = "prod-db.example.com"
API_KEY = "sk-12345"

def connect():
    return psycopg.connect(f"host={DB_HOST}...")

修复： 使用带类型的设置和环境变量。

# GOOD
from pydantic_settings import BaseSettings

class Settings(BaseSettings):
    db_host: str = Field(alias="DB_HOST")
    api_key: str = Field(alias="API_KEY")

settings = Settings()

架构反模式

暴露内部类型

# BAD: Leaking ORM model to API
@app.get("/users/{id}")
def get_user(id: str) -> UserModel:  # SQLAlchemy model
    return db.query(UserModel).get(id)

修复： 使用 DTO／响应模型。

# GOOD
@app.get("/users/{id}")
def get_user(id: str) -> UserResponse:
    user = db.query(UserModel).get(id)
    return UserResponse.from_orm(user)

I/O 与业务逻辑混杂

# BAD: SQL embedded in business logic
def calculate_discount(user_id: str) -> float:
    user = db.query("SELECT * FROM users WHERE id = ?", user_id)
    orders = db.query("SELECT * FROM orders WHERE user_id = ?", user_id)
    # Business logic mixed with data access
    if len(orders) > 10:
        return 0.15
    return 0.0

修复： 使用仓储模式。保持业务逻辑纯粹。

# GOOD
def calculate_discount(user: User, orders: list[Order]) -> float:
    # Pure business logic, easily testable
    if len(orders) > 10:
        return 0.15
    return 0.0

错误处理反模式

裸异常处理

# BAD: Swallowing all exceptions
try:
    process()
except Exception:
    pass  # Silent failure - bugs hidden forever

修复： 捕获特定异常，并妥善记录或处理。

# GOOD
try:
    process()
except ConnectionError as e:
    logger.warning("Connection failed, will retry", error=str(e))
    raise
except ValueError as e:
    logger.error("Invalid input", error=str(e))
    raise BadRequestError(str(e))

忽略部分失败

# BAD: Stops on first error
def process_batch(items):
    results = []
    for item in items:
        result = process(item)  # Raises on error - batch aborted
        results.append(result)
    return results

修复： 同时记录成功和失败。

# GOOD
def process_batch(items) -> BatchResult:
    succeeded = {}
    failed = {}
    for idx, item in enumerate(items):
        try:
            succeeded[idx] = process(item)
        except Exception as e:
            failed[idx] = e
    return BatchResult(succeeded, failed)

缺少输入验证

# BAD: No validation
def create_user(data: dict):
    return User(**data)  # Crashes deep in code on bad input

修复： 在 API 边界尽早进行验证。

# GOOD
def create_user(data: dict) -> User:
    validated = CreateUserInput.model_validate(data)
    return User.from_input(validated)

资源反模式

未关闭资源

# BAD: File never closed
def read_file(path):
    f = open(path)
    return f.read()  # What if this raises?

修复： 使用上下文管理器。

# GOOD
def read_file(path):
    with open(path) as f:
        return f.read()

异步代码中执行阻塞操作

# BAD: Blocks the entire event loop
async def fetch_data():
    time.sleep(1)  # Blocks everything!
    response = requests.get(url)  # Also blocks!

修复： 使用原生支持异步的库。

# GOOD
async def fetch_data():
    await asyncio.sleep(1)
    async with httpx.AsyncClient() as client:
        response = await client.get(url)

类型安全反模式

缺少类型提示

# BAD: No types
def process(data):
    return data["value"] * 2

修复： 为所有公共函数添加注解。

# GOOD
def process(data: dict[str, int]) -> int:
    return data["value"] * 2

集合未标注类型

# BAD: Generic list without type parameter
def get_users() -> list:
    ...

修复： 使用类型参数。

# GOOD
def get_users() -> list[User]:
    ...

测试反模式

只测试正常路径

# BAD: Only tests success case
def test_create_user():
    user = service.create_user(valid_data)
    assert user.id is not None

修复： 测试错误条件和边界情况。

# GOOD
def test_create_user_success():
    user = service.create_user(valid_data)
    assert user.id is not None

def test_create_user_invalid_email():
    with pytest.raises(ValueError, match="Invalid email"):
        service.create_user(invalid_email_data)

def test_create_user_duplicate_email():
    service.create_user(valid_data)
    with pytest.raises(ConflictError):
        service.create_user(valid_data)

过度模拟

# BAD: Mocking everything
def test_user_service():
    mock_repo = Mock()
    mock_cache = Mock()
    mock_logger = Mock()
    mock_metrics = Mock()
    # Test doesn't verify real behavior

修复： 为关键路径编写集成测试。只模拟外部服务。

快速审查清单

完成代码前，请确认：

• 没有分散的超时／重试逻辑（已集中处理）
• 没有双重重试（应用 + 基础设施）
• 没有硬编码配置或机密信息
• 没有暴露内部类型（ORM 模型、protobuf）
• I/O 与业务逻辑没有混杂
• 没有裸 except Exception: pass
• 批处理中没有忽略部分失败
• 输入验证没有缺失
• 所有资源都已关闭（使用上下文管理器）
• 异步代码中没有阻塞调用
• 所有公共函数都有类型提示
• 集合都有类型参数
• 已测试错误处理路径
• 已覆盖边界情况

常见修复汇总

反模式	修复
分散的重试逻辑	集中使用装饰器
硬编码配置	环境变量 + pydantic-settings
暴露 ORM 模型	DTO／响应架构
I/O 与逻辑混杂	仓储模式
裸异常捕获	捕获特定异常
批处理遇错即停	返回包含成功和失败项的 BatchResult
缺少验证	使用 Pydantic 在边界处验证
未关闭资源	上下文管理器
异步代码中执行阻塞操作	原生支持异步的库
缺少类型	为所有公共 API 添加类型注解
只测试正常路径	测试错误和边界情况

---

易踩坑

• 可变默认参数会在多次调用间共享状态： def f(x=[]): — 每次调用时如果未提供 x，都会访问同一个列表。使用 x=None，并在函数内部创建列表。
• 裸写 except: 或 except Exception: 会通过 BaseException 捕获 KeyboardInterrupt — 使用裸 except 的长时间运行循环会悄无声息地拦截 Ctrl+C。
• __slots__ 可以节省内存，但会破坏 pickling、weakref 和多重继承，除非在需要时准确声明 __weakref__ 和 __dict__ 条目。
• 缓存的小整数／字符串应使用 ==，而非 is — 对小整数（-5..256）和驻留字符串，a is b 会生效；其他情况下则可能不可预测地失效。比较值时始终使用 ==。
• python -O 会移除 assert — 绝不要将其用于运行时验证；它只适用于代码内部的不变量。