⚡

Python设计模式Skill python-design-patterns

Python设计模式技能专注于应用KISS、单一职责、组合优于继承等设计原则，帮助开发者编写可维护、可扩展和高质量的Python代码。适用于软件架构设计、代码重构、抽象决策和代码质量优化。关键词：Python设计模式、软件架构、代码可维护性、KISS、SRP、组合、重构、抽象层次、代码质量、Python开发。

架构设计 0 次安装 0 次浏览 更新于 3/22/2026

名称: python-design-patterns 描述: Python设计模式包括KISS、关注点分离、单一职责和组合优于继承。在做出架构决策、重构代码结构或评估抽象适当性时使用。

Python设计模式

使用基本设计原则编写可维护的Python代码。这些模式帮助您构建易于理解、测试和修改的系统。

何时使用此技能

  • 设计新组件或服务
  • 重构复杂或纠缠的代码
  • 决定是否创建抽象
  • 在继承和组合之间选择
  • 评估代码复杂性和耦合
  • 规划模块化架构

核心概念

1. KISS (保持简单)

选择最简单的可行解决方案。复杂性必须由具体需求证明。

2. 单一职责 (SRP)

每个单元应该只有一个改变的理由。将关注点分离到专注的组件中。

3. 组合优于继承

通过组合对象而不是扩展类来构建行为。

4. 三的规则

在抽象之前等待直到有三个实例。重复通常比过早抽象更好。

快速开始

# 简单胜于聪明
# 而不是工厂/注册模式:
FORMATTERS = {"json": JsonFormatter, "csv": CsvFormatter}

def get_formatter(name: str) -> Formatter:
    return FORMATTERS[name]()

基本模式

模式 1: KISS - 保持简单

在添加复杂性之前，问：更简单的解决方案是否可行？

# 过度设计：带注册的工厂
class OutputFormatterFactory:
    _formatters: dict[str, type[Formatter]] = {}

    @classmethod
    def register(cls, name: str):
        def decorator(formatter_cls):
            cls._formatters[name] = formatter_cls
            return formatter_cls
        return decorator

    @classmethod
    def create(cls, name: str) -> Formatter:
        return cls._formatters[name]()

@OutputFormatterFactory.register("json")
class JsonFormatter(Formatter):
    ...

# 简单：只使用字典
FORMATTERS = {
    "json": JsonFormatter,
    "csv": CsvFormatter,
    "xml": XmlFormatter,
}

def get_formatter(name: str) -> Formatter:
    """通过名称获取格式化器。"""
    if name not in FORMATTERS:
        raise ValueError(f"未知格式: {name}")
    return FORMATTERS[name]()

工厂模式在这里添加代码而没有添加价值。将模式留到解决实际问题时使用。

模式 2: 单一职责原则

每个类或函数应该只有一个改变的理由。

# 不好：处理程序做所有事情
class UserHandler:
    async def create_user(self, request: Request) -> Response:
        # HTTP解析
        data = await request.json()

        # 验证
        if not data.get("email"):
            return Response({"error": "需要邮箱"}, status=400)

        # 数据库访问
        user = await db.execute(
            "INSERT INTO users (email, name) VALUES ($1, $2) RETURNING *",
            data["email"], data["name"]
        )

        # 响应格式化
        return Response({"id": user.id, "email": user.email}, status=201)

# 好：分离关注点
class UserService:
    """仅业务逻辑。"""

    def __init__(self, repo: UserRepository) -> None:
        self._repo = repo

    async def create_user(self, data: CreateUserInput) -> User:
        # 仅业务规则
        user = User(email=data.email, name=data.name)
        return await self._repo.save(user)

class UserHandler:
    """仅HTTP关注点。"""

    def __init__(self, service: UserService) -> None:
        self._service = service

    async def create_user(self, request: Request) -> Response:
        data = CreateUserInput(**(await request.json()))
        user = await self._service.create_user(data)
        return Response(user.to_dict(), status=201)

现在HTTP更改不影响业务逻辑，反之亦然。

模式 3: 关注点分离

将代码组织成具有明确职责的独立层。

┌─────────────────────────────────────────────────────┐
│  API层 (处理程序)                                    │
│  - 解析请求                                          │
│  - 调用服务                                          │
│  - 格式化响应                                        │
└─────────────────────────────────────────────────────┘
                        │
                        ▼
┌─────────────────────────────────────────────────────┐
│  服务层 (业务逻辑)                                   │
│  - 领域规则和验证                                    │
│  - 协调操作                                          │
│  - 尽可能使用纯函数                                  │
└─────────────────────────────────────────────────────┘
                        │
                        ▼
┌─────────────────────────────────────────────────────┐
│  仓库层 (数据访问)                                   │
│  - SQL查询                                           │
│  - 外部API调用                                       │
│  - 缓存操作                                          │
└─────────────────────────────────────────────────────┘

每层仅依赖于其下的层：

# 仓库：数据访问
class UserRepository:
    async def get_by_id(self, user_id: str) -> User | None:
        row = await self._db.fetchrow(
            "SELECT * FROM users WHERE id = $1", user_id
        )
        return User(**row) if row else None

# 服务：业务逻辑
class UserService:
    def __init__(self, repo: UserRepository) -> None:
        self._repo = repo

    async def get_user(self, user_id: str) -> User:
        user = await self._repo.get_by_id(user_id)
        if user is None:
            raise UserNotFoundError(user_id)
        return user

# 处理程序：HTTP关注点
@app.get("/users/{user_id}")
async def get_user(user_id: str) -> UserResponse:
    user = await user_service.get_user(user_id)
    return UserResponse.from_user(user)

模式 4: 组合优于继承

通过组合对象而不是继承来构建行为。

# 继承：僵化且难以测试
class EmailNotificationService(NotificationService):
    def __init__(self):
        super().__init__()
        self._smtp = SmtpClient()  # 难以模拟

    def notify(self, user: User, message: str) -> None:
        self._smtp.send(user.email, message)

# 组合：灵活且可测试
class NotificationService:
    """通过多个渠道发送通知。"""

    def __init__(
        self,
        email_sender: EmailSender,
        sms_sender: SmsSender | None = None,
        push_sender: PushSender | None = None,
    ) -> None:
        self._email = email_sender
        self._sms = sms_sender
        self._push = push_sender

    async def notify(
        self,
        user: User,
        message: str,
        channels: set[str] | None = None,
    ) -> None:
        channels = channels or {"email"}

        if "email" in channels:
            await self._email.send(user.email, message)

        if "sms" in channels and self._sms and user.phone:
            await self._sms.send(user.phone, message)

        if "push" in channels and self._push and user.device_token:
            await self._push.send(user.device_token, message)

# 易于用假对象测试
service = NotificationService(
    email_sender=FakeEmailSender(),
    sms_sender=FakeSmsSender(),
)

高级模式

模式 5: 三的规则

在抽象之前等待直到有三个实例。

# 两个相似函数？先别抽象
def process_orders(orders: list[Order]) -> list[Result]:
    results = []
    for order in orders:
        validated = validate_order(order)
        result = process_validated_order(validated)
        results.append(result)
    return results

def process_returns(returns: list[Return]) -> list[Result]:
    results = []
    for ret in returns:
        validated = validate_return(ret)
        result = process_validated_return(validated)
        results.append(result)
    return results

# 这些看起来相似，但等等！它们实际上相同吗？
# 不同的验证、不同的处理、不同的错误...
# 重复通常比错误的抽象更好

# 只有在第三个案例后，才考虑是否有真正的模式
# 但即使那时，有时明确比抽象更好

模式 6: 函数大小指导

保持函数专注。在函数符合以下情况时提取：

  • 超过20-50行（根据复杂性变化）
  • 服务于多个不同目的
  • 有深度嵌套的逻辑（3+级）
# 太长，多个关注点混合
def process_order(order: Order) -> Result:
    # 50行验证...
    # 30行库存检查...
    # 40行支付处理...
    # 20行通知...
    pass

# 更好：由专注的函数组成
def process_order(order: Order) -> Result:
    """通过完整工作流程处理客户订单。"""
    validate_order(order)
    reserve_inventory(order)
    payment_result = charge_payment(order)
    send_confirmation(order, payment_result)
    return Result(success=True, order_id=order.id)

模式 7: 依赖注入

通过构造函数传递依赖以实现可测试性。

from typing import Protocol

class Logger(Protocol):
    def info(self, msg: str, **kwargs) -> None: ...
    def error(self, msg: str, **kwargs) -> None: ...

class Cache(Protocol):
    async def get(self, key: str) -> str | None: ...
    async def set(self, key: str, value: str, ttl: int) -> None: ...

class UserService:
    """带注入依赖的服务。"""

    def __init__(
        self,
        repository: UserRepository,
        cache: Cache,
        logger: Logger,
    ) -> None:
        self._repo = repository
        self._cache = cache
        self._logger = logger

    async def get_user(self, user_id: str) -> User:
        # 先检查缓存
        cached = await self._cache.get(f"user:{user_id}")
        if cached:
            self._logger.info("缓存命中", user_id=user_id)
            return User.from_json(cached)

        # 从数据库获取
        user = await self._repo.get_by_id(user_id)
        if user:
            await self._cache.set(f"user:{user_id}", user.to_json(), ttl=300)

        return user

# 生产环境
service = UserService(
    repository=PostgresUserRepository(db),
    cache=RedisCache(redis),
    logger=StructlogLogger(),
)

# 测试环境
service = UserService(
    repository=InMemoryUserRepository(),
    cache=FakeCache(),
    logger=NullLogger(),
)

模式 8: 避免常见反模式

不要暴露内部类型：

# 不好：泄露ORM模型到API
@app.get("/users/{id}")
def get_user(id: str) -> UserModel:  # SQLAlchemy模型
    return db.query(UserModel).get(id)

# 好：使用响应模式
@app.get("/users/{id}")
def get_user(id: str) -> UserResponse:
    user = db.query(UserModel).get(id)
    return UserResponse.from_orm(user)

不要混合I/O与业务逻辑：

# 不好：SQL嵌入业务逻辑
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)
    # 业务逻辑与数据访问混合

# 好：仓库模式
def calculate_discount(user: User, order_history: list[Order]) -> float:
    # 纯业务逻辑，易于测试
    if len(order_history) > 10:
        return 0.15
    return 0.0

最佳实践总结

  1. 保持简单 - 选择最简单的可行解决方案
  2. 单一职责 - 每个单元有一个改变的理由
  3. 分离关注点 - 具有明确目的的不同层
  4. 组合优于继承 - 组合对象以获得灵活性
  5. 三的规则 - 在抽象之前等待
  6. 保持函数小 - 20-50行（根据复杂性变化），一个目的
  7. 注入依赖 - 构造函数注入以实现可测试性
  8. 在抽象之前删除 - 移除死代码，然后考虑模式
  9. 测试每层 - 每个关注点的隔离测试
  10. 明确胜于聪明 - 可读的代码胜过优雅的代码