5款开发安全、高质量代码的顶级Python工具

作者 | Andrew Scott

策划 | 万佳

怎样提高代码的质量、安全性和可维护性，本文作者推荐了五款工具，并从四个方面对其进行量化。并且，他还介绍了怎样将这些工具整进 CI pipeline。

为提高代码的质量、安全性和可维护性，软件工程师每天会用到无数工具。本篇文章，我列出了一些自己最喜欢的 python 工具，并从易用性（是否易于安装、运行和自动化）、质量影响（能否阻止可预见的 bug）、可维护性影响（是否让工作更轻松）和安全性影响（能否发现并阻止安全性问题）对它们进行打分，以供读者参考。

并且，我还将介绍如何将这些工具全包含进 CI pipeline，从而实现自动化和高效。

1 Pipenv

它是为 Python 设计的开发管理和依赖管理的工具，最早由 Requests 的作者 Kenneth Reitz 编写。

如果你用 python 做过一段时间的开发，那么管理环境，你可能用过 virtualenv 或 venv；依赖管理可能用过较可靠的 pip freeze > requirements.txt 。

https://virtualenv.pypa.io/en/latest/

https://docs.python.org/3/library/venv.html

大多数情况下，这完全没问题。但是，我发现 pipenv 更方便，且很强大，加上它通过 Pipfile 和 Pipfile.lock 近乎去掉固定依赖的做法，很大程度上替代了 requirements.txt ，从而带来更可靠的部署。

不过，我对 pipenv 的未来有点担忧，因为 Python 基金会已搁置对 pip 的改进。而且，pipenv 在 2019 年缺乏实质性进展。但是，我仍然认为，对大多数 python 用户来说，pipenv 是绝佳的工具。

官网：

https://pipenv.kennethreitz.org/en/latest/

月下载量：2111976

备选方案：poetry、virtualenv、venv

2 Ochrona

这里，我有点私心，因为 Ochrona 是我积极开发并希望 2020 年发布的工具。不过，我还会介绍这个工具的替代方案。

Ochrona 是一款依赖分析和软件组成分析的工具，它可以用来检查你的开源依赖是否存在已知漏洞。这个领域，另一款很流行的开源工具是 pyup.io 的 Safety。

https://pyup.io/safety/

我认为，Ochrona 比 Safety 更好的地方在于：

无论是用于开源项目还是商业项目，它都提供免费方案，而且免费方案始终跟进最新的漏洞信息。

磁盘和 IO 使用非常少。不同于需要拉取整个漏洞数据库的本地工具，它是 SaaS 模式，只需调用一次公开的 API。

它提供优秀的漏洞数据并且每天更新，并比其他工具提供更多的漏洞详细信息，包括免费用户。

官网： https://ochrona.dev/

月下载量：尚未发布

备选方案：safety、snyk (收费)

3 Bandit

如果必须推荐一个可提高 python 项目安全性的工具，那我推荐 Bandit 。

https://bandit.readthedocs.io/en/latest/

据悉，Bandit 出自 OpenStack，但现在由 PyCQA 维护。它是一款开源的 SAST（静态应用安全测试）工具，免费、可配置且快速。从某些方面来讲，它就像是关注安全领域的 linter。

Bandit 很适合用来发现问题，比如不安全的配置、已知的不安全模块使用情况等。

官网： https://github.com/PyCQA/bandit

月下载量：575101

备选方案：pyre、pyt、dodgy

4 Black

Black 是一款独特的代码格式化工具。它能自动将你的代码更正为 Black 样式（一个 Pep-8 的超集）。

传统的 linter 通常需要你把代码改为合规代码，而 Black 可以节省不少时间。并且，Black 只需有限的配置，这意味着你如果用过 Black，其他任何项目你都会觉得眼熟。

官网： https://github.com/psf/black

月下载量：1891711

备选方案：flake8、pylint

5 Mypy

它是 python 一个可选的静态类型检查器。PEP 484 引入 python 的类型提示，Mypy 则利用这些类型提示对项目进行静态类型检查。

Python 依然有动态的 duck 类型，不过，添加静态类型检查能帮你减少测试和调试时间，更早发现错误。

目前，大公司也在跟进 python 的静态类型检查。在 Guido van Rossum 任职期间，Dropbox 用 Mypy 检查了 400 多万行代码。其他的 python 用户，比如 Instagram 也开始做静态类型检查。

官网： http://mypy-lang.org/

月下载量：2487228

备选方案：pyre

https://pyre-check.org/

6 全部集成到一起

这个例子种，我会用到 Travis-CI，配置其他 CI 工具的过程与之类似相似，只是语法上会有差异。这里，我用一个简单、不安全且有问题的 flask 应用作为例子。

https://travis-ci.com/

app.py 文件如下：

from flask import Flask

app = Flask(__name__)

@app.route('/<name>')

def hello_world(name: str) -> str:

return hello_name(name)

def hello_name(name: str) -> int:

return f"hello, {name}"

if __name__ == '__main__':

app.run(debug=True)

Pipfile 如下：

[[source]]

name = "pypi"

url = "https://pypi.org/simple"

verify_ssl = true

[dev-packages]

bandit = "*"

v = {editable = true,version = "*"}

black = "*"

mypy = "*"

ochrona = "*"

[packages]

flask = "==0.12.2"

[requires]

python_version = "3.7"

最后在根目录下创建一个 .travis.yml 文件，内容如下：

language: python

python:

- 3.7

install:

- pip install -U pip

- pip install pipenv

- pipenv install --dev

script:

- bandit ./*

- black --check .

- ochrona

- mypy .

如果查看这里的构建，你会发现每个工具都标出错误或指出需修改的地方。

https://travis-ci.com/beatsbears/vulnerable_flask/builds/149315498

那么，我们来做一些修正，如这个 PR 所示，构建就可以通过。

https://github.com/beatsbears/vulnerable_flask/pull/2

将 Flask 升级到一个没有已知漏洞的版本

修复类型注释，禁用调试模式，规范格式

虽然这个例子只涉及一个 CI 平台，但其实和集成到其他大多数平台的方法都很相似。

下面是一个总的评分表：

延展阅读：

https://levelup.gitconnected.com/top-python-tools-for-developing-secure-quality-code-4b3f5ec1e2de