如何分析 Python 代码来识别有问题的区域?
-
01-07-2019 - |
题
我有一个跨多个项目的大型源存储库。我想制作一份有关源代码健康状况的报告,确定需要解决的问题领域。
具体来说,我想调用具有高圈复杂度的例程,识别重复,并且可能运行一些类似 lint 的静态分析来发现可疑(因此可能是错误的)构造。
我该如何着手构建这样的报告?
其他提示
对于圈复杂度,您可以使用 radon
: https://github.com/rubik/radon
(使用 pip
安装它: pip install radon
)
此外它还具有以下特点:
- 原始指标(包括 SLOC、注释行、空白行等)
- 霍尔斯特德指标(全部)
- 可维护性指数(Visual Studio 中使用的)
对于静态分析有 皮林特 和 py检查器. 。我个人使用 pylint,因为它似乎比 pychecker 更全面。
对于圈复杂度你可以尝试 这个 Perl 程序, , 或这个 文章 其中引入了一个 python 程序来执行相同的操作
当您需要了解一个新项目时,Pycana 非常有用!
皮卡纳 (Python Code Analyzer)是Python简单代码分析仪的奇特名称,该名称在执行代码后创建类图。
看看它怎么运作:http://pycana.sourceforge.net/
输出:
谢谢 派德夫, , 你可以 集成木柱 在里面 Eclipse集成开发环境 真的很容易,每次保存修改的文件时都会获得一份代码报告。
使用 薄片8, ,它在一个工具中提供了 pep8、pyflakes 和圈复杂度分析
有一个工具叫克隆挖掘者 这可以帮助您找到类似的代码片段。
为了检查圈复杂度,当然有 mccabe
包裹。
安装:
$ pip install --upgrade mccabe
用法:
$ python -m mccabe --min=6 path/to/myfile.py
请注意上面的阈值 6。每 这个答案, ,分数 >5 可能应该简化。
输出示例 --min=3
:
68:1: 'Fetcher.fetch' 3
48:1: 'Fetcher._read_dom_tag' 3
103:1: 'main' 3
它也可以选择通过以下方式使用 皮林特·麦卡布 或者 pytest-mccabe, , ETC。
不隶属于 StackOverflow