四个工具帮你轻松将python项目发布到生产环境( 二 ) _python

poetry run coverage run -m pytestpoetry run coverage reportpoetry run coverage html那不是很繁琐吗？使用Makefile，您可以将这三个命令分组在一个 test 目标下。现在，您只需运行make test，而不是输入这三行，这避免了不必要的代码输入或记住复杂的指令。

文章插图
Makefile还有助于简化其他任务，如：

安装依赖项
设置环境变量
运行脚本
构建和推送Docker镜像
构建文档
为代码添加样式

以下是我在我的一个开源项目中使用的Makefile示例：

DOCKER_IMAGE := ahmedbesbes/cowriterVERSION := $(shell git describe --always --dirty --long)ifneq (,$(wildcard ./.env))include .envexportendifrun-cowriter:@poetry run python -m src.mainrun-cowriter-job:@poetry run python -m src.jobrun-web-agent:@rm -rf db/ && poetry run python -m src.actions.web_searcher build-image: @docker build . -t $(DOCKER_IMAGE):$(VERSION)push-docker-image-to-artifact-registry: @gcloud builds submit --tag gcr.io/$(PROJECT_ID)/run_cowriter_joblint: @poetry run black .test:@poetry run coverage run -m pytest @poetry run coverage report @poetry run coverage html

Makefiles通常易于阅读和理解，清晰地显示了项目的不同部分是如何组织的，以及它们如何相互依赖。这对于新团队成员入职或一段时间后重访自己的项目尤其有帮助。

4. python-dotenv
作为开发人员，我使用Python构建依赖于凭据和敏感设置的应用程序。以下是这些凭据的一些示例：