python - 如何在开发和发布期间维护大型python项目

Question

首先，我是一名遇到新挑战的 C++ 架构开发人员。我必须为一个大型 python 项目创建一个架构和工作流。

我必须确保开发人员在交付工作时不会破坏代码，而且我必须知道，当我们发布时，我们没有破坏 API 兼容性。

我知道并拥有很多用于 C++ 开发的良好实践和工具，但我在 python 世界中迷失了方向。

我真的认为我不能将 C++ 范例用于 python 开发，因为它绝对不是以相同的方式开发的。

在 C++ 中，我们有编译器（警告/错误）来帮助我们发现一些问题。我并不是说它一旦编译就可以工作，但至少我们有 API 兼容性。我们还有代码覆盖率、静态分析和其他一些方法，可以帮助我们纠正/知道我们的代码具有一定的质量。我们使用面向对象的架构和代码审查。两者都适用于 C++ 和 python。我们还使用单元测试（C++ 中的 gtest，python 中的 pytest）。但所有这些都需要人类的知识。

是否有任何工具可以帮助我们了解我们提供了高质量的代码库？像 Numpy、Scipy、TensorFlow 这样的大项目有多大可以确定他们的版本是好的？

有一些 linter (pylinter)，PEP8 编码风格，我也看过 python 编译但没有任何真正的成功，但我真的不知道该怎么办。

如果您知道一些好的工作方法和有用的工具，我会全力以赴。

谢谢大家，

标签： pythonworkflowqa