大家好,

我已经累了写和维护手动的__repr__，特别是当构造函数改变时。这就是为什么我创建了[printo]库来自动化这一过程，并避免过时或不一致的__repr__实现。

我的项目功能

printo的主要功能是对类使用@repred装饰器。它自动解析__init__方法的抽象语法树，即使所有对初始化参数的赋值（即self.属性）来识别出对象属性来生成__repr__方法的代码：

from printo import repred

@repred
class SomeClass:
    def __init__(self, a, b, c, *args, **kwargs):
        self.a = a
        self.b = b
        self.c = c
        self.args = args
        self.kwargs = kwargs

print(SomeClass(1, 2, 3))
# > SomeClass(1, 2, 3)
print(SomeClass(1, 2, 3, 4, 5))
# > SomeClass(1, 2, 3, 4, 5)
print(SomeClass(1, 2, 3, 4, 5, d=lambda x: x))
# > SomeClass(1, 2, 3, 4, 5, d=lambda x: x)

它可以简单地处理___init__方法，用户不需要做额外的工作。然而，静态代码分析有一些局限性，因为它不能处理条件语句内的属性赋值。

它保留了像lambda这样的复杂值的可读性。对于复杂的案例，有一个低层次的API。

目标观众

这个库主要用于库的作者，但也适用于值得拥护清晰且低 boilerplate代码的人。有很多项目使用它。

相比之下

如果你已经使用[dataclasses]或[attrs]，你可能不需要这个库；这个库更适合于普通类而不是想要一种低 boilerplate的__repr__而不使用数据类。

那么，你通常是如何避免非数据类中的__repr__的boilerplate呢?