十年 Python 程序员，初次尝试 Rust：“非常优秀！”( 二 ) _小知识

然后可以像下面这样重写之前的代码：
【十年 Python 程序员，初次尝试 Rust：“非常优秀！”】

文章插图
现在代码看起来很正常。与一切从头开始相比，我更喜欢这种做法。
我花了四五年时间才找到用 Python 编程的乐趣，所以我也愿意多花些时间来探索 Rust 的高级功能。Rust 有许多错误处理的方法，而我喜欢更简单的方法。
我有意略过了一些简单的概念，比如“什么是 enum？” “pub 是什么意思？” “那些#标记是什么”等，因为你只需运行一下代码就能明白它们的意思。
一切看起来都还不错。那么，测试方面又如何呢？
编写测试
测试应该从单元测试和集成测试两个级别上着手。实现方法有好几种，虽然你可以把测试代码和 Rust 代码放在同一个文件中（这也是官方指南的推荐），但我还是希望用一个单独的文件夹来组织所有测试代码，这样可以减少阅读代码时的负担，也可以减少编辑文件时占用的屏幕面积。而且说实话，在编写测试和编写代码时，我的心情是不一样的。
方法之一如下：

文章插图
然后可以用 cargo test 运行测试，结果如下：

文章插图
还有许多值得展开讲的地方，但为了避免过于复杂，我们点到为止，这算是“帕累托最优”（又称80/20法则）。这让我想起了 pytest，一个能即刻提高舒适度的工具。
读取文件、运行一些代码并写入另一个文件
以上，我们讨论了一些最基本的问题：输出，调试，使用外部包，以及测试。下面，我们来做一些更有效率的事情：我们可以写一个程序来处理本地文件。下面的例子将会读取 CSV 文件，计算一些数值，然后将输出结果。
为了实现该程序，我们需要在 Cargo.toml 中添加以下两行设置：

csv="1.1"
serde={version="1", features=["derive"]}

你可以猜猜 main 函数应该怎样写。

文章插图
当然，这个程序还可以实现更多功能。如果你有一个非常复杂的 CSV 文件，则可以在 Rust 中调用 pandsa（pola.rs）来处理数据。我还需要进一步研究，不过似乎这种处理方法非常强大且高效。
我认为，与 Python 相比，Rust的 CSV 处理能力不相上下，除了它能自动反序列化之外。
最后，我们还可以添加一些测试，此处不再赘述。
发送 HTTP 请求
下面，我们来尝试发送基本的 HTTP 请求并处理结果。现在的绝大多数请求都需要处理 JSON 。
在 Cargo.toml 中添加如下几行代码：

reqwest= { version = "0.11", features = [ "json"] } tokio= { version = "1", features = [ "full"]} serde_json= "1"这样就可以了，现在可以从 API 请求数据了。结合使用上面两个方法，我们可以获取数据，用 pola.rs 进行分析，然后将结果写入 CSV 文件中，同时保证内存安全。还记得 Python 需要循环才能实现这一点吗？在这方面 Rust 做得很好。
我相信，Rust 的生态系统会越来越大，以覆盖更多的用例，以后利用已有的 crate 实现这一切会易如反掌。
使用 SQLite
虽然在这篇文章中提到 SQLite 似乎有些奇怪，但我开发过的程序经常用到 SQLite 。我很喜欢 SQLite，因为它是可移植的，非常有效，而且不需要任何维护。
用 Python 操作 SQLite 的问题永远是要不要使用 ORM 。请不要误会，SQLAlchemy 非常优秀，但在进行非常小的操作时，用它就像杀鸡用牛刀了。而且 SQLAlchemy 带来的复杂性使它不适合小型嵌入式设备。
反之， Rust 可以在这方面大放异彩，网上有很多如何利用Rust操作 SQLite 的例子，我认为都非常不错。
举个简单的例子，别忘了在 Cargo.toml 中添加下面这行代码：

rusqlite= { version = "0.28.0", features = [ "bundled"] }

文章插图
该例子来自 rusqlite crate 。当然，这只是冰山一角。但组合以上几种方法，就可以实现许多很有用的功能了。
总结
综合考虑，Rust 是一个非常优秀的语言，有许多优秀的包，非常感谢发明这门语言并为之努力贡献的开发者们。虽然这篇文章只是对 Rust 做了初步的探索，但我希望抛砖引玉，让初学者产生学习 Rust 的兴趣。