简体中文
在一个周末学会 Python：从零开始完成一个项目
我们怎样才能快速学习一门新的编程语言呢？在这篇文章中，我们将分享我们通过构建一个完整的项目在周末学会 Python 的经历。
Gao
Founder
Founder
我们怎样才能快速学习一门新的编程语言呢？在这篇文章中，我们将分享我们通过构建一个完整的项目在周末学会 Python 的经历。
作为一个身份服务，Logto 提供跨多种编程语言和框架的流畅体验至关重要。这通常涉及到创建软件开发工具包 (SDK)。然而，当编程语言不在我们的技术堆栈之内，且团队缺乏相关经验时，打造一个健壮的 SDK 就成了一个挑战。
Python 对我们来说就是一个这样的挑战。尽管有很多 Python 用户，但我们缺乏一个 Python SDK，这是一个挥之不去的担忧。决心解决这个问题之后，我开始填补这一空白。
尽管我有多年的编程经验，Python 对我来说仍然是一个相对陌生的领域。虽然我多年前曾短暂接触过 Python 2 进行简单脚本编写，但我的知识已经过时了。然而，现在是深入学习的时候了！
根据我的经验，学习一门新编程语言最有效的方法是构建一个完整的项目。幸运的是，我们的目标很明确：构建一个用于 Web 应用的 Logto Python SDK。
而不是立即开始写代码，让我们先把它分解一下。这是列表：
看起来任务 1 的工作量最大，所以我们需要确认范围，并继续分解。这一步对于确定项目边界、避免范围蔓延和过度设计至关重要。
团队之前的工作为我节省了大量时间：
参考这些资源，我对需要做什么有了清晰的了解。尽管具体细节超出了本文的讨论范围，但我们继续前进。
我使用的是 Mac，所以已经安装了 Python。然而，我在想是否有更好的方法来管理 Python 版本（我听过版本兼容性问题的痛苦），就像 Node.js 的 nvm 一样。我很快找到了 pyenv 并直接开始安装它。
接下来的议程：包和依赖管理器。通常它们是耦合在一起的。那么为什么不使用 pip（Python 的默认包管理器）呢？如果你看看 requirements.txt，你会发现它只是一个包含版本的包列表。这对于可能会被其他项目使用的 SDK 来说不够。例如，我们可能需要为开发添加一些包，但我们不希望将它们包含在最终的 SDK 中。requirements.txt 过于简单，无法处理这个问题。
当你有其他编程语言在你的技术堆栈中时，有一个好处就是你可以搜索“Python 的等效方案”。因此，我搜索了“package.json Python 等效方案”，并找到了一个出色的候选人 Poetry：
pyproject.toml 文件，类似于 Node.js 中的 package.json。现代命令行工具通常包含一个 init 命令，专为新项目而设计。Poetry 也一样。我运行了该命令，它为我创建了一个 pyproject.toml 文件。
终于，写代码的时刻到了。以经典的“Hello, World!” 程序开始总是一个好的选择。在学习一门编程语言时，功能齐全的集成开发环境 (IDE) 并非总是必要的；一个备受社区支持的编辑器，例如 VS Code，完全足够。
考虑到我们的 SDK 侧重于 Web 应用，我从使用流行框架 Flask 编写一个简单的 Web 服务器开始。
利用 Poetry 的功能，通过运行 poetry add flask 可以轻松安装 Flask。然后，按照 Flask 的官方快速入门指南，我编写了一个 'hello.py' 文件，其中包含以下代码片段：
通过 flask --app hello run 启动服务器并在浏览器中访问 http://localhost:5000，得到了预期的结果。成功了！
作为初学者，我不急于写更多代码。相反，我能从代码片段中获取大量信息：
from x import y 来导入模块或类。new 关键字。@app.route 用作一个装饰器，将一个函数注册为路由处理程序。
def 关键字定义一个函数。如你所见，如果我们试图理解每一行代码而不是“只是让它工作”，我们可以从中学到很多东西。同时，Flask 的官方文档进一步详细解释了这个代码片段。
现在是启动项目的时候了。不久我定义了一个 LogtoClient 类，并尝试添加一些属性和方法以感受这门语言：
接着将这个类与 Flask 集成：
现在开始感觉像一个真正的项目了。但我感觉缺少了些什么：一个类型系统。
由于它是一个 SDK，加入一个类型系统将有助于用户理解 API，并减少开发过程中出错的几率。
Python 在版本 3.5 中引入了 类型提示。虽然它不像 TypeScript 那么强大，但总比没有好。我向 LogtoClient 类添加了一些类型提示：
现在看起来好多了。但当涉及到像具有预定义键的对象这类复杂类型时，挑战就来了。例如，我们需要定义一个 LogtoConfig 类来表示配置对象：
看起来还好，但很快我们就需要面对从 JSON 编码、解码和验证对象的问题了。
经过一些研究，我选择了 pydantic 作为解决方案。它是一个数据验证库，可与类型提示一起使用。它支持各种 JSON 功能，而无需编写繁琐的样板代码。
因此，LogtoConfig 类可以被重写为：
这也教会了我通过在类名后加上括号来进行 Python 中的类继承。
在 Logto SDK 中，我们需要向 Logto 服务器发出 HTTP 请求。如果你有 JavaScript 经验，“回调地狱”这个词可能会响起。这是处理异步操作时常见的问题。现代编程语言提供了类似 Promise 或 coroutine 的解决方案。
幸运的是，Python 自带了 async 和 await 解决方案。在使用它们之前，需要确保与流行框架的兼容性。在 Flask 中，可以通过安装 async 额外组件并使用 async def 替代 def 来完成：
然后我们可以使用 await 来等待异步操作的结果。
HTTP 请求是一个有趣的话题。几乎每种编程语言都有本地解决方案，但开发者通常为了方便使用第三方库。一些例子如下：
XMLHttpRequest vs. fetch vs. axiosURLSession vs. AlamofireHttpURLConnection vs. OkHttpPython 也是如此。我的决定是使用 aiohttp ，因为它支持 async 和 await，并且很受欢迎。
在 Copilot 出现之前，我们现在应该来到了编写业务逻辑的枯燥部分。在 SDK 规范和其他 SDK 的帮助下，我可以在编写代码之前为每个方法编写描述性注释。
这不仅增加了代码的可读性，也帮助开发者通过代码智能在 IDE 或编辑器中理解 API。
例如，考虑 generateCodeChallenge 方法，注释可以写成：
这对大型语言模型 (LLM) 形成了一个很好的提示：通过清晰的注释组成方法定义。而 Copilot 也没有让人失望：
可能需要进行一些调整，但这并不重要。它已经改变了游戏规则。
这基本上是第一天取得的进展。这是漫长的一天，但有了现代工具和技术，远比我预期的要好得多。
基于第一天的工作，业务逻辑迅速完成了。但对于一个 SDK 来说，这还远远不够。这是第二天的任务列表：
单元测试多次拯救了我们，所以我不会跳过它。以下是编写单元测试时的常见考虑：
带着这些问题，我发现内置的 unittest 模块在某些情况下显得不足。因此，我选择了 pytest 作为测试框架。它支持异步测试，并且看起来已经足够成熟。
这个旅程向我揭示了一些有趣的新概念，比如 fixture。这也有助于写其他语言代码时的思维方式。
每种语言都有其代码格式化风格。就个人而言，一致的格式化能让我感到开心和舒适；这也有助于代码审查和协作。
而不是浏览“最佳”风格的争论，我决定选择一个有主见的格式化器并坚持使用它。
Black 看起来是一个不错的选择。唯一的烦恼是无法修改制表符大小。但这不是什么大问题，我选择了适应它。
作为一个 SDK，它应该兼容流行的 Python 版本。通过搜索“python 版本使用统计”，我决定使用 Python 3.8 作为最低版本。
现在环境管理器的作用就体现出来了。我可以通过运行 pyenv local 3.8 和 poetry env use 3.8 轻松切换 Python 版本。然后，我可以运行测试来揭示兼容性问题。
持续集成保证了每次代码更改的质量。由于我们的仓库托管在 GitHub 上，GitHub Actions 是自然而然的选择。
核心工作流遵循简单明确的原则：
GitHub Actions 拥有良好的社区支持，因此只需几分钟就能构建 工作流。
通过使用矩阵策略，我们可以在不同的 Python 版本上运行工作流，甚至在不同的操作系统上运行。
最后一步是发布 SDK。对于公共包，这通常可以通过提交到官方特定语言的包注册表来完成。例如，Node.js 的 npm，Python 的 PyPI，还有 Swift 的 CocoaPods。
Poetry 是我的指路明星。只需运行 poetry publish 即可将包发布到 PyPI。就是这么简单。
这是一次充满挑战的旅程。如果没有开源社区的帮助，那将会困难得多。向所有的贡献者致以敬意！
这里有一些普遍的收获：
你可以在 这个仓库 中找到最终的成果。使用相同的策略，我还快速构建了 Logto PHP SDK。如果你有任何建议，请不要犹豫告诉我们。
希望本文对学习一门新编程语言有所帮助。快乐黑客！