如何分离屎山中 Union 类型的变量

[xuegy]

正在处理一座屎山，大概情况是这样的。有一个自定义的class X，需要改掉的东西注释写的是y=Union[X, str]，实际情况也是两种类型到处都混在一起根本分不清。后面所有跟X类有关的方法一点注释没写，甚至都不做类型判断，而是大量的使用getattr(y, 'name', y)把水搅得更浑（如果y是字符串，没有name，返回字符串本身。否则返回y.name也是一个字符串）。最离谱的是整座屎山还配了一套 30 分钟才能跑完的 pytest 。

现在需要把混乱的y分成确定类型的y和y_str，使用 pydantic 强制定义数据类型来一点点排错。然而改了几百行以后，所有跟X有关的方法都被迫改出两种版本的。pytest 不再报类型错误了，却开始出现各种离奇的 bug 挂掉。

有什么更强大的工具可以搞定这件事吗？比如同步检测两个版本的代码，看从哪一步开始两边的数据变得不一致了？

项目背景是一个生物博士毕设的Python代码商业化后形成的屎山。所以写成这样不意外，能跑起来才是意外。

[chaoshui]

交给 AI

[xuegy]

@chaoshui 用 GPT o4-mini-high 也无力回天

[huangyezhufeng]

其实从开始用`Union`开始，就已经把潘多拉魔盒打开了一半。再用`getattr`，几乎是不可避免地成为屎山了。

为了避免误解，补充说明一下，用`Union`和`getattr`都没问题，前提是会用。从这个半个钟的单测来看，似乎并不是如此。

[Syiize]

可以重写 class X 中的魔术方法 __getattribute__，如果要访问的属性是 "name"，就 raise RuntimeError 。然后运行代码，再根据 Python 的 traceback 定位到对应的位置修改。

[xuegy]

@huangyezhufeng 字里行间甚至能看出来原作者对于 getattr 这个小聪明还挺自豪的

[xuegy]

@Syiize 这个不行吧，是真的需要查询 y.name 。我隐约感觉整个代码的真实运行逻辑就是建立在 getattr 大乱炖的基础之上。

[julyclyde]

@Syiize 冒烟测试，哈哈哈

[julyclyde]

@xuegy getattr 、getattribute 、__call__之类的，都过于动态了，只有 runtime 才知道这玩意具体在干啥

[woodfizky]

代码量有多少？建议不要直接在屎山上改，而是认真品鉴屎山的代码逻辑之后，用更好的方式重新写一遍。
有原始需求或者设计文档最好了。

血泪教训，特别是需要长期维护迭代的项目，早期图省事屎上雕花，后面会长痛。
除非真的赶时间，不如短痛一下重写。

[Syiize]

@xuegy #6 应该是可以的。我测试了一下，重写过__getattribute__后，不论是 y.name 还是 getattr(y, "name", y) 都会打印出信息的。

[xuegy]

@woodfizky 总量差不多十万行，涉及操作这个类的有五千行左右。其实我就是在用 C++和 pybind11 移植底层的数据结构，但是老板觉得 std::variant 是屎上雕花不解决问题。所以我只能是先在 Python 里面试着分离一下，能跑过 pytest 了再移植到 C++。

[zizon]

>pytest 不再报类型错误了，却开始出现各种离奇的 bug 挂掉
说明有些地方已经变成 feature 了.

比如本来就是不是 str 的,但是当作 str 处理了产生后续逻辑.