Python rope

köysi on Python IDE. Python köysi päätavoitteena on tarjota ominaisuuksia, kuten automaattinen täydennys, refactorings, sisällön apua, ja ääriviivat.
Refaktorointi: Viime vuosina refaktorointi on tullut perustehtävä jokapäiväistä ohjelmointi, erityisesti java yhteisössä. Vuonna ketterä ohjelmointi menetelmiä, kuten Extreme Ohjelmointi, Refaktorointi on yksi keskeisistä käytännöistä.
Jotkut IDE tukea joitakin perustietoja refactorings kuten "PyDev" (joka käyttää polkupyörän korjaus mies). Nämä IDE on rajallinen joukko refactorings ja epäonnistua, kun teet refactorings että täytyy tietää tyypin objektien lähdekoodin (erityisesti suhteellisen suuria hankkeita). köysi yrittää tarjota runsaasti erilaisia ​​refactorings. Jotkut refactorings vaativat tyyppiä inferencing, joka on kuvattu myöhemmin.
Auto loppuun: Yksi perusosat modernin IDE on saatavilla automaattinen täydennys. Jotkut Python IDE on automaattinen täydennys tukea, mutta rajoitetusti. Koska tyyppi monia muuttujia ei voi päätellä yksinkertainen analyysi lähdekoodia. Auto-täyttämällä moduulit nimet, luokka nimet, staattisia menetelmiä, luokka menetelmät, toimintojen nimet ja muuttujien nimet ovat helppoja. Mutta auto-täyttämällä menetelmiä ja ominaisuuksia esine on kova. Koska IDE tarvitsee tietää tyypin objektin, jota ei voida saavuttaa helposti suurimman osan ajasta dynaamisia kieliä. köysi käyttää Tyyppi inferencing algoritmeja tämän ongelman ratkaisemiseksi.
Tyyppi inferencing: Yksi haitta dynaaminen kieliä kuten Python on, että et voi tietää tyypin muuttujia yksinkertaisella analyysi ohjelman lähdekoodin suurimman osan ajasta. Tietäen tyyppi muuttujien on erittäin tärkeää tarjota monia refactorings ja auto-valmistumisajankohta. köysi käyttää tyypin inferencing ratkaista tämä ongelma.
Staattinen tyyppi inferencing käyttää ohjelman lähdekoodin arvata tyyppi esineitä. Mutta tyyppi inferencing python ohjelmia on erittäin kova. On ollut joitakin yrityksiä joskaan ei kovin onnistuneita (esimerkkejä: Psycho: vain str ja int tyypit, Starkiller: ei julkaistu ja ShedSkin: hyvä mutta rajoitettu). Ne joissa suurimmaksi osaksi nopeutetaan python ohjelmia muuttamalla sen koodia muille vahvuudella kieliä rakentamisen sijaan IDE. Tällaisia ​​algoritmeja voisi olla hyödyllinen.
On toinenkin lähestymistä tyyppi inferencing. Se on analyysi käynnissä olevat ohjelmat. Tämä dynaaminen lähestymistapa tallentaa tyypit muuttujat osoitetaan ohjelman suorituksen aikana. Vaikka tämä lähestymistapa on paljon helpompi toteuttaa kuin vaihtoehto, se on rajoitettu. Vain ohjelman osista, jotka toteutetaan analysoidaan. Jos kehittäjät kirjoittaa Osatestit ja käyttää testauslähtöistä kehitys tämä lähestymistapa toimii erittäin hyvin.

Mitä uutta tässä julkaisussa: