写出一手烂代码的19条准则


要是想写个烂代码,咱们只需遵照这十九条准则?


「代码写得好」是对机器学习研究者及开发者最好的赞赏。其第一层意思是说,你的模型很是好,有本身的理解与修正;第二层意思是说代码的结构、命名规则、编写逻辑都很是优秀。git


咱们曾经将写代码比喻成写文章:不只须要有一个主旨,告诉别人代码的做用是什么,同时还应该在精炼与易读之间作权衡。代码过于精炼,总体逻辑难以跟随,代码过于易读,总体就显得比较臃肿。github



在精简与易读之间作权衡,第一种方法根据列表推导式能得到更精简的代码,但第二种方法更易读。web


若是说到什么是好代码,咱们确定都能说出一堆规则,例如使用一致的格式和缩进、使用清晰的变量名和方法名、在必要时提供文档与注释、不要过分精简代码等等。编程


可是对于什么是烂代码,你有比较清晰的认识吗?微信


在 GitHub 上有一个新项目,它描述了「最佳垃圾代码」的十九条关键准则。从变量命名到注释编写。这些准则将指导你写出最亮眼的烂代码。机器学习


为了保持与原 GitHub 项目一致的风格,下文没有进行转换。读者们能够以相反的角度来理解全部观点,这样就能完美避免写出垃圾代码。编程语言


项目地址:https://github.com/trekhleb/state-of-the-art-shitcode编辑器


固然,如下十九条垃圾代码书写准则并无面面俱到,若是读者们发现有一些难以忍受的烂代码习惯,也能够留言发表你的见解。函数


第一条:打字越少越好学习


若是咱们键入的东西越少,那么就有越多的时间去思考代码逻辑等问题。以下所示,「Good」表示遵循该规则的示例,Bad 表示没遵循该规则的示例。



第二条:变量/函数混合命名风格


咱们须要混合命名方法与变量,这样才能体现命名的多样性。



第三条:不要写注释


反正代码都看得懂,为何要写注释?或者说,反正没人看个人代码,为何要写注释?



第四条:使用母语写注释


若是你违反了第三条规则,那么至少写注释须要用你的母语或者其它语言。若是你的母语是英语,那么你也算违反了这条规则。既然编程语言绝大多数都是用英文,那么为何不用其它语言注释一下?



第五条:尽量混合不一样的格式


一样,为了代码的多样性,咱们须要尽量混合不一样的格式,例如单引号或双引号。若是它们的语义相同,那就应该混用。



第六条:尽量把代码写成一行


若是一系列参数与方法都是一块儿实现的,那么代码也要写在一块儿。



第七条:发现错误要保持静默


当你发现某些错误时,其余人不须要了解它,所以不须要打印出日志或 Traceback。



第八条:普遍使用全局变量


使用全局变量,是面向「全球化」不可或缺的部分。



第九条:构建备用变量


以防万一,咱们须要建立一些备用变量,在须要时随时调用它们。



第十条:Type 使用需谨慎


通常不要指定变量类型或者常常作类型检查,无类型才是最好的类型。



第十一条:准备「Plan B」


你须要准备一些运行不到的代码(unreachable code),它们能够做为你的「Plan B」。



第十二条:嵌套的三角法则


若是代码有一些嵌套结构,或者说缩进空行的结构,三角法则是最漂亮的。



第十三条:混合缩进


咱们须要避免采用缩进,由于缩进会使复杂代码在编辑器中占用更多的空间。若是必定要采用缩进,那么就使用混合缩进策略。固然,这种策略在 Python 中是行不通的,由于它靠缩进来肯定代码结构。



第十四条:不要锁住依赖项


每一次要安装新库时,更新已有的依赖项。为何要维持以前的版本呢,咱们须要时刻保持最新的第三方代码库。



第十五条:长函数比短函数好


不要将程序总体逻辑分割为一些代码块,要是 IDE 忽然不行了,它找不到必要的文件或函数怎么办。所以把代码写在一个主体函数中,而且再也不维护额外的函数导入或代码文件,那么这样的方法是最稳定的。


单个文件一万行代码是没问题的,单个函数一千行代码也是没问题的。


第十六条:代码不须要作特定测试


这些测试一般是重复且无心义的工做。


第十七条:尽可能避免重复代码


按你的想法写代码,尤为是在小团队中,毕竟这是「自由」准则。


第十八条:构建新项目不须要 README 文档


在项目前期,咱们能够暂时保持这种状态。


第十九条:保存没必要要的代码


在写代码的过程当中,常常会产生不少测试代码。这些代码也是很是重要的资料,所以不能删除掉,最多只能注释掉。


扫描下方二维码

加入优质社群一块儿交流吧!


如若二维码过时

请添加小编微信,回复关键词:[进群/加群],


-今日互动-


哪条准则最深得你心呢?欢迎文章下方留言互动




若是对你有帮助的话

                       
❤️来个「转发朋友圈「在看」,是最大的支持❤️

本文分享自微信公众号 - DataScience(DataScienceTeam)。
若有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一块儿分享。

相关文章
相关标签/搜索