Pythonコードを分析して問題のある領域を特定するにはどうすればよいですか？

大規模なソースリポジトリが複数のプロジェクトに分割されています。ソースコードの状態に関するレポートを作成し、対処する必要のある問題領域を特定します。

具体的には、サイクロマティックの複雑度が高いルーチンを呼び出し、繰り返しを識別し、おそらく糸くずのような静的分析を実行して、疑わしい（したがって誤っている可能性が高い）構造を見つけたいと思います。

このようなレポートを作成するにはどうすればよいですか？

循環的複雑度を測定するために、traceback.orgに優れたツールがあります。このページでは、結果の解釈方法の概要もわかります。

pylintの +1 。これは、コーディング基準（PEP8または独自の組織のバリアント）への準拠を検証するのに優れており、最終的には循環的な複雑さを軽減するのに役立ちます。

循環的複雑度については、次を使用できますradon：https : //github.com/rubik/radon

（使用して、pipそれをインストールしますpip install radon）

さらに、次の機能もあります。

• 生のメトリック（これらには、SLOC、コメント行、空白行などが含まれます。）
• Halsteadメトリック（すべて）
• 保守性インデックス（Visual Studioで使用されるもの）

静的解析には、pylintとpycheckerがあります。個人的には、pycheckerよりも包括的であるように見えるため、pylintを使用します。

循環的複雑度については、このperlプログラム、または同じことを行うpythonプログラムを紹介するこの記事を試すことができます

Pycanaは、新しいプロジェクトを理解する必要があるときに魅力のように機能します！

PyCAna（Pythonコードアナライザー）は、コードの実行後にクラス図を作成する、Python用のシンプルなコードアナライザーの架空の名前です。

それがどのように機能するかを見てください：http : //pycana.sourceforge.net/

出力：

Pydevのおかげで、Eclipse IDEにpylintを非常に簡単に統合でき、変更されたファイルを保存するたびにコードレポートを取得できます。

使用flake8 1つのツールでpep8、pyflakes、及び循環的複雑度分析を提供し、

同様のコードスニペットを見つけるのに役立つCloneDiggerというツールがあり ます。

循環的複雑度をチェックするために、もちろんmccabeパッケージがあります。

インストール：

$ pip install --upgrade mccabe

使用法：

$ python -m mccabe --min=6 path/to/myfile.py

上記のしきい値6に注意してください。パーこの答え、スコア> 5は、おそらく単純化されなければなりません。

のサンプル出力--min=3：

68:1: 'Fetcher.fetch' 3
48:1: 'Fetcher._read_dom_tag' 3
103:1: 'main' 3

オプションで、pylint-mccabeまたはpytest-mccabeなどを介して使用することもできます。