Jacin Blog

Python 开发

分类下的全部文章

Python 开发
17 分钟

定时任务(python)

这篇笔记梳理了在 Python 中实现定时任务的常见路径，适用于需要定期采集数据、固定时间发送通知、周期清理缓存或在常驻服务中触发后台逻辑的场景。内容先从 while True 加 time.sleep 的最小实现讲起，说明它无需依赖、控制直接，但会阻塞当前线程，且任务执行耗时会影响间隔，也不适合“每天几点几分”这类精确调度。随后对比 schedule 库的用法，展示 every().seconds、day.at、monday.at 等轻量语法，并解释 run_pending 加 sleep(1) 的轮询机制，强调 sleep 只是检查间隔，不等于改变任务周期。更完整的方案部分聚焦 APScheduler，说明 BlockingScheduler、BackgroundScheduler、AsyncIOScheduler 等调度器差异，以及 interval、cron、date 三类触发方式、内部任务计划表、轮询 tick、线程池执行和任务持久化能力。后半部分给出 asyncio 自定义调度示例，通过固定时间列表计算下一次运行时间，并结合 Redis 有序集合、去重 key 和 setex 过期时间实现订阅推送检查。整体结论是：脚本或一次性小任务可以用 schedule，少量异步任务且需要和 Redis 协调时可自定义 asyncio，但服务常驻、需要异步、cron、并发和更好维护性的场景更适合 APScheduler。

Python 开发
11 分钟

APScheduler解析

这篇笔记围绕 APScheduler 在 asyncio 项目中的定时任务注册方式展开，重点解释 AsyncIOScheduler 如何配合协程函数实现固定时间或固定间隔执行。示例以一个 ScheduleService 为入口，维护 08:00、12:00、18:00 三个固定时间，通过 add_job 注册 CronTrigger，并在服务启动后让 asyncio 事件循环持续运行。文中强调一个容易踩坑的点：即使使用 AsyncIOScheduler，add_job 接收的 job 仍应是普通同步可调用对象，因此需要用 wrapper 或 lambda 包装 async def，再在内部调用 asyncio.create_task 将协程提交到当前事件循环。机制部分把 APScheduler 拆成任务注册、触发器转换、调度器循环检查时间、到点执行函数几个阶段，说明 cron、interval、date 等触发条件会被保存为内部调度计划。后半部分给出常见异步写法，包括每天 10:30、每周一 9:00、每小时第 5 分钟执行，以及使用 IntervalTrigger 每 5 分钟执行一次。对于需要在 Python 异步服务中加入轻量定时任务的后端开发者，这篇内容能帮助判断协程任务应如何封装、触发器参数如何填写，以及为什么调度循环代码不需要自己手写。

Python 开发
11 分钟

装饰器的使用

这篇笔记聚焦 Python 装饰器的基本机制与进阶写法，适合已经掌握函数定义、参数传递并希望理解框架中路由、权限、缓存等语法来源的开发者。文章先把装饰器解释为“接收函数并返回新函数”的高阶函数，说明它能在不改动原函数代码的前提下加入日志、性能统计、权限校验、重试等横切逻辑，并列举了 staticmethod、classmethod、property、functools.lru_cache 等内置示例。核心部分区分了定义阶段和调用阶段：加载 Python 文件时会立即执行 decorator(func)，把原始函数对象传入并返回 wrapper，再用 wrapper 替换原函数；真正调用函数时，才进入 wrapper 并间接执行原始 func。进阶部分说明多个装饰器的嵌套顺序等价于 decorator1(decorator2(my_func))，也展示了带参数装饰器通过“参数函数 → decorator → wrapper”的三层结构实现可配置行为。文章还专门讨论同步装饰器装饰 async def 的边界：装饰器本身可以是同步函数，因为它只在定义阶段接收函数对象，但包装后的执行阶段必须判断 coroutine，并在异步路径中正确 await，否则会造成调用语义不安全。最后通过 functools.wraps 保留函数名和文档等元信息，帮助读者把装饰器从语法糖理解为函数对象替换、包装执行和元信息维护的组合机制。

Macbook配置开发环境
Python 开发
9 分钟

Macbook配置开发环境

这份笔记面向在 MacBook 上搭建 Python 后端开发环境的开发者，背景是本地工具链、编辑器、终端和 GitHub 连接配置较多，容易在新机器或多项目环境中反复踩坑。内容先给出 VS Code/Cursor 的 Python 调试配置示例，包括用 debugpy 启动 FastAPI 的 uvicorn 模块、调试当前文件、设置 PYTHONPATH，以及在 settings.json 中指定项目虚拟环境解释器、额外分析路径和保存格式化行为。随后补充 Python 与 Git 相关插件选择，并记录 PyCharm 在网络异常时可通过代理设置或开启 TUN 模式处理访问问题。GitHub SSH 部分覆盖 Homebrew 安装 Git、使用 ssh-keygen 生成 RSA 密钥、为多账户区分密钥文件名、启动 ssh-agent、ssh-add 加载私钥、把公钥添加到 GitHub，以及用 ssh -T 验证认证结果；若代理导致 22 端口异常，则参考 GitHub 官方的 HTTPS 端口 SSH 方案。后续还整理了 iTerm2、Oh My Zsh、agnoster 主题的安装入口和 zsh 配置位置，并列出 WebStorm、PyCharm、Docker、Cursor、抓包与远程控制等常用软件。阅读时应结合自己的 ARM 或 x86 架构、代理环境、项目路径和密钥命名调整命令，尤其要始终区分公钥与私钥，避免把私钥内容上传到平台。

环境配置
Python 开发
17 分钟

python 搜索模块解析

这是一篇围绕 Python import 解析机制的排查型笔记，核心对象是 sys.path 如何决定模块查找结果，以及不同启动方式为什么会导致导入行为不一致。文章先说明 sys.path 的主要来源，包括当前脚本目录或工作目录、PYTHONPATH、解释器标准库、site-packages，以及 PyCharm Source Root 自动注入的路径，并强调解释器会按顺序命中后停止搜索。针对常见报错，内容区分了直接运行 python app/module/a.py 与在项目根目录使用 python -m app.module.a 的差异，解释相对导入失败通常是因为模块被当作 __main__ 顶层脚本执行，缺少父包上下文。对于 ModuleNotFoundError: No module named 'app'，文章给出的线索是项目根目录不在 sys.path 中，可通过设置 PYTHONPATH、追加路径或改用包方式运行来修正。PyCharm 部分提醒 IDE 的 Source Root 会掩盖命令行、Docker、服务器环境中的路径问题，因此团队更适合统一绝对导入和运行约定。文章还解释了 pip 安装包能在内部使用 from .utils import x 的原因：包位于 site-packages，外部通过 import 包名加载，解释器能识别其包结构。最后补充 __init__.py 在声明包、组织公共 API、配合 __all__ 控制导出和执行初始化逻辑中的作用，适合需要排查导入错误、统一项目结构或理解 IDE 与命令行差异的 Python 开发者。

Python 开发
6 分钟

从 Alpha 到 Final：Python 各阶段版本到底该怎么用

这篇笔记围绕 CPython 主版本的发布周期展开，先交代主流 Python 由 PSF 主导维护，并明确日常使用的官方实现通常指 CPython。正文将每个主版本划分为 Alpha、Beta、RC 和 Final 四个阶段：Alpha 仍在功能开发、接口可能变化，Beta 进入功能冻结并适合库和框架作者做兼容性测试，RC 接近正式版但仍应谨慎用于生产灰度，Final 才是多数项目正式切换的稳定时机。文章用 Python 3.14 的时间线示例说明从 2024 年 10 月 Alpha 到 2025 年 10 月正式发布之间，功能开发、缺陷修复、候选发布和 GA 上线如何衔接。围绕 GIL 的部分补充了 3.12 子解释器独立 GIL、3.13 实验性无 GIL 构建，以及 3.14 继续推进 free-threaded 和多解释器支持的演进边界，提醒读者不要把实验能力等同于默认可用能力。后半部分解释虚拟环境中为什么看不到 ceval.c、listobject.c 等 CPython C 源码：.venv 只是基于已安装解释器生成的运行环境，主要包含可执行文件、配置和第三方库，而解释器核心已编译进动态库或安装目录产物中。对于需要评估 Python 升级时机、安排依赖兼容性测试，或理解 .venv、libpython 动态库与 CPython 源码关系的开发者，这篇笔记提供了一个清晰的判断框架。

Python 开发
9 分钟

asyncio 与 uvloop

这篇笔记聚焦 Python 异步编程中的事件循环机制，以及默认 asyncio 事件循环与 uvloop 的实现差异。内容先把 async def 产生的 coroutine、由事件循环驱动的 Task、表示未来结果的 Future 串起来，说明异步任务如何注册到 event loop，并在网络、磁盘等 I/O 等待期间挂起自身、释放 CPU 去执行其他任务。随后梳理 asyncio 作为 Python 3.4 引入的标准库异步框架，包含事件循环、协程管理、Task/Future、异步 I/O、gather、Queue 和锁等工具，适合 aiohttp、asyncpg、FastAPI、Sanic、爬虫或定时任务等非阻塞场景。后半部分重点比较 uvloop：它以 Cython 编写并基于 libuv，兼容 asyncio 接口，但把事件监听、回调调度、超时处理和部分系统调用封装更多放到 C 层完成，从而减少 Python 层回调、上下文切换和 Future 状态管理带来的开销。文中给出的对比强调，uvloop 在 I/O 密集和高并发 Web、代理、网关服务中更可能改善吞吐量、延迟和调度效率，可在 uvicorn 启动参数中通过 --loop uvloop 启用。需要注意的是，uvloop 不支持 Windows，且对复杂数据处理、机器学习等 CPU 密集任务帮助有限，这类负载应优先考虑多进程或线程池。

Python 开发
13 分钟

FastApi+WebSocket解析

这篇笔记围绕 FastAPI 的基础用法和 WebSocket 集成展开，先说明 FastAPI 依赖 Python 类型提示、自动数据校验与 Swagger/ReDoc 文档生成，适合构建高性能 API 和微服务，但不包含数据库或前端能力。正文从安装 fastapi、uvicorn 开始，给出 main.py 中创建 FastAPI 实例、使用 @app.get 绑定根路径、通过 uvicorn main:app 指定模块与实例并启用 --reload 的最小运行流程。HTTP 路由部分解释了 get、post、put、delete 等路径装饰器的含义，以及函数返回值会被自动转换为 JSON 响应，路径参数也可直接映射到函数参数。WebSocket 部分重点说明其在单个长连接上提供全双工通信的机制，并用 /ws 示例展示 accept、receive_text、send_text、按消息内容 close 的基本收发闭环，可用 ApiFox 等工具测试。进阶内容补充了生产环境关闭 /docs、/redoc、openapi_url 的做法，区分 debug=True 与 uvicorn --reload 的作用，并介绍 lifespan 用于启动和关闭阶段的资源管理。最后通过 APIRouter 拆分 WebSocket 路由、Depends 执行 token 鉴权、query_params 读取 URL 参数、iter_json 处理 JSON 消息，形成从入门运行到结构化实时通信接口的配置参考，适合 FastAPI 初学者、后端开发和需要实现聊天或实时数据通道的开发者阅读。

Python 开发
9 分钟

python Import解析

这篇笔记从 Python 的 module 与 package 基本模型切入，把“一个 .py 文件就是模块、目录可组织为包和子包”的关系先讲清楚，再延伸到 import 触发后的查找流程。正文重点解释了 Python 会先检查 sys.modules 缓存，命中则复用已加载模块，若对应值为 None 会抛出 ModuleNotFoundError；未命中时再遍历 sys.meta_path，由内置模块、冻结模块和基于路径的查找器继续解析。文章结合 sys.path 的实际输出，拆解了项目目录、脚本目录、PyCharm 辅助路径、标准库 zip 与动态库路径、虚拟环境 site-packages 在导入搜索中的作用，适合用来定位“为什么某个模块能或不能被导入”。相对导入与绝对导入部分对比了 import A.B、from A import B 以及 from . import B、from ..A import B 等写法，并指出直接运行脚本与使用 python -m 以模块方式运行时，放入 sys.path 的目录不同，可能影响导入结果。依赖管理部分补充了 pip install 后包目录、dist-info、扩展文件和元数据的组成，以及 pip freeze 生成完整环境依赖、pipreqs 扫描项目生成最小依赖列表的差异。最后还提到导包顺序通常按标准库、第三方库、自定义库分组并字母排序，可借助 usort 格式化，整体适合 Python 初学者、后端开发和需要排查导入路径问题的项目维护者阅读。

Python 开发
1 分钟

关于“Python 开发”类别

“Python 开发”类别用于归档围绕 Python 语言、生态工具和工程实践展开的内容，帮助读者在同一入口下查找学习笔记、配置经验、框架应用和问题排查资料。它适合承载以 Python 为核心对象的文章，例如语言基础、项目结构、依赖与环境管理、自动化脚本、Web 或数据处理开发，以及开发过程中常见错误的定位与解决思路。分类边界应放在文章的主要问题上：只有当讨论重点是 Python 代码、Python 工具链、Python 框架或相关开发流程时，才应归入该类别。若文章只是偶尔使用 Python 示例，但核心主题属于 Linux、数据库、网络协议、AI 模型或通用架构设计，则更适合放入对应主题分类。这个类别的价值在于把零散的 Python 实践内容集中组织起来，降低后续检索和复盘成本，也便于读者按开发阶段逐步阅读。它更适合 Python 初学者、后端开发者、自动化脚本使用者，以及需要在项目中维护 Python 工程的技术读者。