Python dla profesjonalistów. Debugowanie, testowanie i utrzymywanie kodu - Helion

Autor: Kristian Rother
Tytuł oryginału: Pro Python Best Practices: Debugging, Testing and Maintenance
Tłumaczenie: Radosław Meryk
ISBN: 978-83-283-3802-9
stron: 272, Format: 170x230, okładka: miękka
Data wydania: 2017-12-11
Księgarnia: Helion

Cena książki: 49,00 zł

Pobierz fragment książki » Osoby, które kupiły tę książkę, wybierały także »

Tagi: Python - Programowanie

Python istnieje już ponad 25 lat. Nie jest trudnym językiem i oferuje ogromne możliwości. Tworzenie dobrych programów w Pythonie wymaga jednak od programistów dużych umiejętności. Cykl rozwoju oprogramowania jest pełen pułapek nieznanych początkującym koderom. Mimo to w podręcznikach Pythona niewiele uwagi poświęca się debugowaniu i testowaniu, a przecież etapy te mają kluczowe znaczenie dla jakości kodu i funkcjonalności tworzonego oprogramowania.

Ta książka uczyni Cię lepszym programistą! Dzięki przedstawionym tu podstawowym praktykom stosowanym przez najbardziej profesjonalnych programistów Pythona będziesz tworzył doskonalszy kod. Zoptymalizujesz z nimi procesy debugowania programów, pisania automatycznych testów i utrzymywania oprogramowania bez nadmiernego wysiłku. Przedstawione tu techniki będą szczególnie przydatne dla programistów zajmujących się analizą danych, tworzeniem stron internetowych oraz rozwijaniem oprogramowania naukowego.

Najważniejsze zagadnienia przedstawione w książce:

błędy semantyczne i wyjątki,
sposoby eliminacji błędów i narzędzia do debugowania,
zasady i techniki testowania aplikacji,
mocne i słabe strony testów automatycznych,
mechanizm kontroli wersji,
kontrola typów i sporządzanie dokumentacji.

Ty też możesz programować w Pythonie!

Dr Kristian Rother zajmuje się programowaniem od wczesnego dzieciństwa. Jest również specjalistą w dziedzinie bioinformatyki: prowadził badania struktur 3D białek i RNA na Uniwersytecie Humboldta w Berlinie. Przez wiele lat doskonalił swoje umiejętności nauczania, a obecnie pracuje w Berlinie jako profesjonalny trener. Prowadzi szkolenia z programowania w Pythonie, uczy biochemii, statystyki, testowania aplikacji internetowych, wyszukiwarek, wygłasza prezentacje.

Osoby które kupowały "Python dla profesjonalistów. Debugowanie, testowanie i utrzymywanie kodu", wybierały także:

GraphQL. Kurs video. Buduj nowoczesne API w Pythonie 169,00 zł, (50,70 zł -70%)
Receptura na Python. Kurs Video. 54 praktyczne porady dla programist 199,00 zł, (59,70 zł -70%)
Podstawy Pythona z Minecraftem. Kurs video. Piszemy pierwsze skrypty 149,00 zł, (44,70 zł -70%)
Twórz gry w Pythonie. Kurs video. Poznaj bibliotekę PyGame 249,00 zł, (74,70 zł -70%)
Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zł, (59,70 zł -70%)

Spis treści

Python dla profesjonalistów. Debugowanie, testowanie i utrzymywanie kodu -- spis treści

O autorze
O recenzencie technicznym
Podziękowania
Przedmowa
Rozdział 1 Wprowadzenie
- Lekcja pokory
- Najlepsze praktyki w Pythonie
- Pochodzenie najlepszych praktyk
  - Hacking
  - Inżynieria programowania
  - Agile
  - Software Craftsmanship
- Dla kogo jest ta książka?
- O czym jest ta książka?
  - Część I. Debugowanie
  - Część II. Automatyczne testowanie
  - Część III. Utrzymanie
  - Dalsze korzyści
- Gra MazeRun
- Jak korzystać z tej książki?
  - Instalacja Pythona 3
  - Instalacja biblioteki Pygame
  - Instalacja edytora tekstu
  - Pobranie kodu źródłowego przykładów
Część I Debugowanie
Rozdział 2 Wyjątki w Pythonie
- Wyjątki są defektami, o których istnieniu wiemy
- Czytanie kodu
  - Błędy typu SyntaxError
  - Najlepsze praktyki debugowania wyjątków SyntaxError
- Analiza komunikatów o błędach
  - Typ błędu
  - Opis błędu
  - Ślad
  - Dedukcja
- Przechwytywanie wyjątków
  - Najlepsze praktyki debugowania wyjątków IOError
- Błędy i defekty
  - Skąd się biorą defekty?
- Poprawny kod
- Najlepsze praktyki
Rozdział 3 Błędy semantyczne w Pythonie
- Porównywanie rzeczywistych danych wyjściowych z oczekiwanymi
  - Defekty
- Defekty przypisania zmiennych
  - Wielokrotne inicjowanie
  - Przypadkowe przypisanie
  - Przypadkowe porównania
  - Nieprawidłowe zmienne w wyrażeniu
  - Przestawione literały w wyrażeniu
- Defekty indeksowania
  - Tworzenie nieprawidłowych indeksów
  - Użycie nieprawidłowych indeksów
- Defekty w instrukcjach przepływu sterowania
  - Defekty w wyrażeniach logicznych
  - Defekty związane z wcięciami
- Defekty w używaniu funkcji
  - Pomijanie wywołania funkcji
  - Brak instrukcji return
  - Brak przechowywania zwracanej wartości
- Propagacja błędów
- Najlepsze praktyki
Rozdział 4 Debugowanie metodą naukową
- Stosowanie metody naukowej
- Odtwarzanie błędu
- Automatyzowanie błędu
- Izolowanie defektu
  - Strategia rozbierania
  - Strategia wyszukiwania binarnego
- Uzyskiwanie pomocy
  - Czas na przerwę
  - Wyjaśnij problem komuś innemu
  - Programowanie w parach
  - Przeglądy kodu
  - Czytanie
- Sprzątanie
- Metoda naukowa i inne najlepsze praktyki
- Najlepsze praktyki
Rozdział 5 Debugowanie za pomocą instrukcji print
- Diagnozowanie, czy kod był uruchamiany
- Wyświetlanie zawartości zmiennych
  - Estetyczne wyświetlanie struktur danych
- Upraszczanie danych wejściowych
  - Zacznij od minimalnego wejścia
  - Stopniowe dodawanie większej ilości danych wejściowych
- Włączanie i wyłączanie wyświetlania wyjścia
- Kompletny kod
- Plusy i minusy używania instrukcji print
- Najlepsze praktyki
Rozdział 6 Debugowanie z funkcjami introspekcji
- Kodowanie eksploracyjne w IPythonie
  - Eksploracja plików i katalogów
  - Przegląd poleceń powłoki IPythona
- Odkrywanie przestrzeni nazw
  - Eksploracja przestrzeni nazw za pomocą polecenia dir()
  - Eksploracja przestrzeni nazw obiektów
  - Eksploracja atrybutów w programie Pythona
  - Alternatywy instrukcji dir w IPythonie
- Mechanika przestrzeni nazw
  - Python używa przestrzeni nazw dla własnych funkcji
  - Modyfikowanie przestrzeni nazw
  - Przestrzenie nazw i zasięg lokalny
  - Przestrzenie nazw są podstawową właściwością Pythona
- Używanie samodokumentujących się obiektów
  - Dostęp do ciągów dokumentacyjnych za pomocą instrukcji help()
  - Opisy obiektów w IPythonie
- Analizowanie typów obiektów
  - Sprawdzanie tożsamości obiektu
  - Sprawdzanie egzemplarzy i podklas
- Praktyczne wykorzystanie introspekcji
  - Znajdowanie literówek za pomocą introspekcji
  - Łączenie funkcji introspekcji
  - Introspekcja w dużych i małych programach
- Najlepsze praktyki
Rozdział 7 Korzystanie z interaktywnego debugera
- Interaktywny debuger ipdb
  - Instalowanie ipdb
- Uruchamianie debugera
  - Uruchamianie ipdb z wiersza polecenia
  - Uruchamianie ipdb z poziomu programu
  - Debugowanie post mortem
  - Uruchamianie debugera w odpowiedzi na wyjątki
  - Naprawa defektu
- Komendy w wierszu poleceń debugera
  - Inspekcja zmiennych
  - Ocena wartości wyrażeń Pythona
  - Krokowe uruchamianie kodu
  - Wznawianie działania programu
- Używanie pułapek
  - Przeglądanie i usuwanie pułapek
  - Pułapki warunkowe
- Konfigurowanie ipdb
- Przykład sesji ipdb
  - Dodawanie funkcji sterowania grą
  - Krokowe uruchamianie kodu
  - Usuwanie defektu
  - To działa!
  - Czy teraz program nie ma defektów?
- Inne narzędzia do debugowania
  - pdb debuger Pythona
  - Środowisko IDE PyCharm
  - ipdbplugin
  - pudb
  - wdb
  - Pasek narzędzi Django Debug
  - cProfile
- Najlepsze praktyki
Część II Automatyczne testowanie
Rozdział 8 Pisanie automatycznych testów
- Instalacja frameworka py.test
- Pisanie funkcji testowej
  - Uruchamianie testów
  - Pisanie testu, który nie przechodzi
  - Spraw, aby test przeszedł
  - Testy pomyślne a testy niepomyślne
- Pisanie oddzielnych funkcji testowych
- Asercje dostarczają przydatnych danych wyjściowych
- Testowanie występowania wyjątków
- Przypadki brzegowe
  - Złożone przypadki brzegowe
- Korzyści wynikające z automatycznego testowania
- Inne frameworki testowe w Pythonie
  - unittest
  - nose
  - doctest
  - Pisanie bloku __main__
- Najlepsze praktyki
Rozdział 9 Organizowanie danych testowych
- Używanie fikstur
  - Parametr scope
- Parametryzacja testów
  - Wiele parametrów
  - Fikstury z parametrami
- Makiety
- Testowanie plików wynikowych
  - Sprzątanie po testach
  - Używanie plików tymczasowych
  - Porównywanie plików wynikowych z danymi testowymi
    - Moduł filecmp
    - Moduł difflib
  - Najlepsze praktyki testowania dużych plików
- Generowanie losowych danych testowych
- Gdzie przechowywać dane testowe?
  - Moduły danych testowych
  - Katalogi danych testowych
  - Bazy danych testowych
- Najlepsze praktyki
Rozdział 10 Pisanie zestawu testów
- Moduły testowe
- Klasy testów
  - Refaktoryzacja funkcji testowych
  - Fikstury w klasach testowych
- W jaki sposób testy znajdują testowany kod?
- Wiele pakietów testowych
- Automatyczne wykrywanie testów
- Uruchamianie zestawu testów
  - Częściowe uruchomienie
    - Uruchamianie modułów i pakietów testowych
    - Uruchamianie klas testowych
    - Uruchamianie pojedynczych testów
      - Wybieranie testów za pomocą słów kluczowych
    - Analiza testów zakończonych niepowodzeniem
    - Ponowne uruchamianie testów
- Obliczanie pokrycia testami
  - Zestaw testów wymaga utrzymania
- Najlepsze praktyki
Rozdział 11 Najlepsze praktyki testowania
- Rodzaje automatycznych testów
  - Testy jednostkowe
  - Testy integracyjne
  - Testy akceptacyjne
  - Testy regresji
  - Testy wydajności
  - Optymalizacja wydajności
- Podejście najpierw test
  - Pisanie testów według specyfikacji
  - Pisanie testów według defektów
  - Rozwój oprogramowania sterowany testami (TDD)
- Zalety automatycznego testowania
  - Testowanie oszczędza czas
  - Testowanie dodaje precyzji
  - Dzięki testowaniu współpraca staje się łatwiejsza
- Ograniczenia automatycznego testowania
  - Testowanie wymaga sprawdzalnego kodu
  - Testowanie nie działa dobrze w przypadku projektów, które szybko się zmieniają
  - Testowanie nie udowadnia poprawności
- Programy trudne do testowania
  - Liczby losowe
  - Graficzne interfejsy użytkownika
  - Dane wyjściowe złożone lub o dużej objętości
  - Współbieżność
  - Sytuacje, gdy automatyczne testy zawodzą
- Inne możliwości dla automatycznego testowania
  - Tworzenie prototypów
  - Przeglądy kodu
  - Listy kontrolne
  - Procesy promujące poprawność
  - Wnioski
- Najlepsze praktyki
Część III Utrzymanie
Rozdział 12 Kontrola wersji
- Wprowadzenie do pracy z systemem git
  - Tworzenie repozytorium
  - Dodawanie plików do repozytorium
  - Śledzenie zmian w plikach
  - Przenoszenie i usuwanie plików
  - Odrzucanie zmian
- Przeglądanie historii kodu
  - Pobieranie starszych commitów
  - Powrót do najświeższego commita
- Publikowanie kodu w serwisie GitHub
  - Rozpoczynanie projektu w serwisie GitHub
  - Korzystanie z serwisu GitHub z pozycji pojedynczego programisty
  - Praca w projektach rozpoczętych przez innych
  - Projekty z wieloma programistami
  - Scalanie zmian wprowadzonych przez dwie osoby
  - Żądania pobrania
- Korzystanie z gałęzi
  - Scalanie gałęzi
- Konfigurowanie systemu git
  - Ignorowanie plików
  - Ustawienia globalne
- Przykłady użycia
  - Dwadzieścia znaków: mały projekt o małym ruchu
  - Python: wielki projekt z codziennymi commitami
  - grep: projekt długoterminowy
- Inne systemy kontroli wersji
  - Mercurial
  - Subversion (SVN)
  - CVS (Concurrent Versions Software)
  - Bitbucket
  - Sourceforge
- Najlepsze praktyki
Rozdział 13 Konfigurowanie projektu w Pythonie
- Tworzenie struktury projektu za pomocą narzędzia pyscaffold
  - Instalacja narzędzia pyscaffold
- Typowe katalogi w projekcie Pythona
  - Katalogi utworzone przez pyscaffold
    - Główny katalog pakietu Pythona
    - Katalog tests/
    - Katalog docs/
    - Katalog .git/
  - Katalogi nieutworzone przez pyscaffold
    - Katalog bin/
    - Katalogi build/, dist/ i sdist/
    - Katalog .hg/
    - Katalogi danych
- Pliki
  - Pliki utworzone przez pyscaffold
    - README.rst
    - setup.py
    - AUTHORS.rst
    - LICENSE.rst
    - MANIFEST.in
    - versioneer.py
    - requirements.txt
    - .coveragerc
    - .gitattributes i .gitignore
  - Pliki, które nie są tworzone przez pyscaffold
- Ustawianie numerów wersji programu
- Zarządzanie środowiskiem projektu Pythona za pomocą virtualenv
  - Instalacja narzędzia virtualenv
  - Podłączanie projektu do środowiska virtualenv
  - Praca z projektem virtualenv
  - Instalowanie pakietów w środowisku virtualenv
  - Opuszczanie sesji środowiska virtualenv
  - Konfigurowanie uruchamiania i dezaktywacji środowiska virtualenv
    - Ustawienie zmiennej PYTHONPATH
- Instalowanie Pygame z virtualenv
- Najlepsze praktyki
Rozdział 14 Porządkowanie kodu
- Kod zorganizowany i niezorganizowany
  - Entropia oprogramowania: przyczyny niezorganizowanego kodu
- Jak rozpoznać niezorganizowany kod?
  - Czytelność
  - Niedoskonałości strukturalne
  - Redundancja
  - Słabości projektu
- Porządkowanie instrukcji Pythona
  - Pogrupuj instrukcje importu
  - Pogrupuj stałe
  - Usuń niepotrzebne wiersze
  - Zastosuj opisowe nazwy zmiennych
  - Idiomatyczny kod Pythona
- Refaktoryzacja
  - Wyodrębnianie funkcji
  - Tworzenie prostego interfejsu wiersza polecenia
  - Podział programów na moduły
- Uporządkowany kod
- PEP8 i pylint
  - Komunikaty ostrzegawcze
  - Ocena punktowa kodu
- Zrób tak, żeby działało, zrób to dobrze, zrób tak, żeby działało szybko
  - Zrób tak, żeby działało
  - Zrób to dobrze
  - Zrób tak, żeby działało szybko
- Przykłady dobrze zorganizowanego kodu
- Najlepsze praktyki
Rozdział 15 Dekompozycja zadań programistycznych
- Dekompozycja zadań programowania jest trudna
- Proces dekompozycji zadań programowania
- Napisz historyjkę użytkownika
- Dodaj szczegóły do opisu
  - Kryteria akceptacji
  - Opisy przypadków użycia
- Sprawdź wymagania niefunkcjonalne
- Identyfikowanie problemów
  - Niepełne informacje
  - Wiedza specjalistyczna
  - Zmiany istniejącego kodu
  - Przewidywanie przyszłych zmian
- Wybór architektury
- Identyfikowanie komponentów programu
- Implementacja
- Inne narzędzia planowania
  - Plan projektu na jednej stronie
  - Śledzenie spraw
  - Kanban
- Najlepsze praktyki
Rozdział 16 Statyczne typowanie w języku Python
- Słabe strony dynamicznego typowania
  - Sygnatury funkcji
  - Granice wartości
  - Semantyczne znaczenie typów
  - Typy złożone
- Czy w Pythonie jest możliwe silniejsze typowanie?
- Asercje
- NumPy
- Bazy danych
- Integracja kodu w języku C
- Cython
- Wskazówki typowania
  - mypy
- Której metody kontroli typów używać?
- Najlepsze praktyki
Rozdział 17 Dokumentacja
- Dla kogo piszemy dokumentację?
- Sphinx: narzędzie do tworzenia dokumentacji dla języka Python
  - Konfigurowanie Sphinksa
  - Pliki utworzone przez program Sphinx
  - Tworzenie dokumentacji
    - Budowanie dokumentacji HTML
    - Budowanie dokumentacji PDF
    - Budowanie dokumentacji EPUB
- Pisanie dokumentacji
  - Dyrektywy
  - Organizowanie dokumentów
  - Przykłady kodu
  - Generowanie dokumentacji na podstawie ciągów docstring
- Testy dokumentacji
- Konfigurowanie Sphinksa
  - Wpisy Todo
    - Tworzenie listy Todo
  - Budowanie warunkowe
  - Zmiana wyglądu i wrażenia
- Jak napisać dobrą dokumentację?
  - Sekcje tekstu w dokumentacji technicznej
    - Streszczenie
    - Wymagania wstępne i instalacja
    - Pierwsze kroki
    - Receptury
    - Studia przypadków
    - Dokumentacja techniczna
    - Dokumentacja projektowa
    - Aspekty prawne
      - Przykłady dobrej dokumentacji
- Inne narzędzia do tworzenia dokumentacji
  - MkDocs
  - Notatniki Jupyter
  - GitBook
  - Read the Docs
  - pydoc
  - S5
  - pygments
  - doctest
  - PyPDF2
  - pandoc
- Najlepsze praktyki