python靜態代碼檢查
⑴ 靜態分析是指
經濟領域概念
靜態分析是一種分析經濟現象的均衡狀態以及有關的經濟變數達到均衡狀態所需要條件的分析方法。[1]而不考慮經濟現象達到均衡狀態的過程，它完全抽象掉了時間因素和具體的變化過程，是一種靜止地、孤立地考察某種經濟事物的方法。
網路
靜態分析
經濟領域概念
靜態分析是一種分析經濟現象的均衡狀態以及有關的經濟變數達到均衡狀態所需要條件的分析方法。[1]而不考慮經濟現象達到均衡狀態的過程，它完全抽象掉了時間因素和具體的變化過程，是一種靜止地、孤立地考察某種經濟事物的方法。
中文名
靜態分析
外文名
static analysis
指標
總量指標、相對指標、平均指標、標志變異指標等
應用
靜態計算機科學、經濟學、工程、力學、機械
釋義
根據既定的外生變數值求得內生變數的分析方法
內涵
靜態分析法是根據既定的外生變數值求得內生變數的分析方法，是對已發生的經濟活動成果，進行綜合性的對比分析的一種分析方法。
如研究均衡價格時，舍掉時間、地點等因素，並假定影響均衡價格的其他因素，如消費者偏好、收入及相關商品的價格等靜止不變，單純分析該商品的供求達於均衡狀態的產量和價格的決定。簡單地說就是抽象了時間因素和具體變動的過程，靜止地孤立地考察某些經濟現象。它一般用於分析經濟現象的均衡狀態以及有關經濟變數達到均衡狀態所需要的條件。
常用的靜態分析法有：相對數分析法、平均數分析法、比較分析法、結構分析法、因素替換分析法、綜合計算分析法、價值系數分析法等。
指標
⑵ python和靜態方法問題，怎麼解決
在學習python代碼時，看到有的類的方法中第一參數是cls，有的是self，經過了解得知，python並沒有對類中方法的第一個參數名字做限制，可以是self，也可以是cls，不過根據人們的慣用用法，self一般是在實例方法中使用，而cls則一般在類方法中使用，在靜態方法中則不需要使用一個默認參數。在下面的代碼中，InstanceMethod類的方法中，第一個參數是默認的self，在這里可以把self換成任何名字來表示，不會有任何影響。在類調用的時候，需要滿足參數的個數要求（參數中含有*args是例外)，例如13行中，類調用沒有參數的時候，會提示錯誤。同樣，實例方法的參數個數也應該滿足要求，例如16行中也會報錯。實例方法的一個主要特點就是需要綁定到一個對象上，python解析器會自動把實例自身傳遞給方法，如14行所示，而直接使用InstanceMethod.f1()調用方法是不行的。
12345678910111213
class InstanceMethod(object): def __init__(self, a): self.a = a def f1(self): print 'This is {0}.'.format(self) def f2(self, a): print 'Value:{0}'.format(a)if __name__ == '__main__': # im = InstanceMethod() im = InstanceMethod('233') im.f1() # im.f2() im.f2(233)
靜態方法和類方法都需要使用修飾器，分別使用的是staticmethod和classmethod。靜態方法是和類沒有關系的，我覺得就是包裝在類中的一般方法，如下例子中，調用靜態方法使用實例和不使用實例都是可以的。類方法中，默認的第一個參數使用的是cls，類方法也可以不需要實例而直接使用類調用。對於這三種不同的方法，使用方法如下例所示。那麼問題來了，既然有了實例方法，類方法和靜態方法與之相比又有什麼好處呢？
在類方法中，不管是使用實例還是類調用方法，都會把類作為第一個參數傳遞進來，這個參數就是類本身。如果繼承了這個使用類方法的類，該類的所有子類都會擁有了這個方法，並且這個方法會自動指向子類本身，這個特性在工廠函數中是非常有用的。靜態方法是和類與實例都沒有關系的，完全可以使用一般方法代替，但是使用靜態方法可以更好的組織代碼，防止代碼變大後變得比較混亂。類方法是可以替代靜態方法的。靜態方法不能在繼承中修改。
123456789101112131415161718
class test(object): def instance_method(self): print 'This is {0}'.format(self) @staticmethod def static_method(): print 'This is static method.' @classmethod def class_method(cls): print 'This is {0}'.format(cls)if __name__ == '__main__': a = test() a.instance_method() a.static_method() a.class_method() print '----------------------------------------' # test.instance_method() test.static_method() test.class_method()
⑶ 對於Python，是否有靜態分析工具
有！！！
Python代碼的靜態分析工具PyChecker，它能夠幫助查找Python代碼的bug，而且能夠對代碼的復雜度和格式等提出警告。
PyChecker可以工作在多種方式之下。首先，PyChecker會導入所檢查文件中包含的模塊，檢查導入是否正確，同時檢查文件中的函數、類和方法等。PyChecker可以檢查出來的問題有如下幾種：
全局量沒有找到，比如沒有導入模塊
傳遞給函數、方法、構造器的參數數目錯誤
傳遞給內建函數和方法的參數數目錯誤
字元串格式化信息不匹配
使用不存在的類方法和屬性
覆蓋函數時改變了簽名
在同一作用域中重定義了函數、類、方法
使用未初始化的變數
方法的第一個參數不是self
未使用的全局量和本地量（模塊或變數）
未使用的函數/方法的參數（不包括self）
模塊、類、函數和方法中沒有docstring
⑷ C++靜態代碼掃描工具都有哪些
工具非常多，各個工具通常會以插件的形式嵌入在各種IDE中，本人目前最偏愛cpplint，其實是就一個python腳本，幫助檢查是否符合GoogleC++Style的標准規范。
⑸ 求助，編譯python2.7.9版本 如何產生靜態的libpython2.7.a
操作步驟如下：
1）安裝devtoolset
yum groupinstall "Development tools"
2）安裝編譯Python需要的包包
yum install zlib-devel
yum install bzip2-devel
yum install openssl-devel
yum install ncurses-devel
yum install sqlite-devel
3）下載並解壓Python 2.7.9的源代碼
cd /opt
wget --no-check-certificate https://www.python.org/ftp/python/2.7.9/Python-2.7.9.tar.xz
tar xf Python-2.7.9.tar.xz
cd Python-2.7.9
4）編譯與安裝Python 2.7.9
./configure --prefix=/usr/local
make && make altinstall
5）將python命令指向Python 2.7.9
ln -s /usr/local/bin/python2.7 /usr/local/bin/python
6）檢查Python版本
sh
sh-4.1# python -V
Python 2.7.9
⑹ 能不能預先定義變數
python中不用，不像VB中還有option
explicit。你說的那個筆誤要自己負責，你引用一個未被賦值的變數，會引起一個異常。靜態代碼檢測工具應該可以檢測到你那個筆誤。
⑺ 有沒有一個工具可以幫助查找python的bug和進行靜態的代碼分析
pylint
參見 https://pypi.python.org/pypi/pylint
⑻ sublime text 3 python靜態語法檢查時報錯但是程序能運行
指定是不要分號的 Python 不用「;」
Python 主要靠換行和縮進的（縮進不要用Tab）
你那個語法檢測 他有些是語法錯誤 有些是格式錯誤吧
有些要留個空格啊 有些又不要空格啊 這些都是格式
是為了方便閱讀代碼的 不遵守也行的 只要過一段時間後 你自己還看得懂
語法錯誤就不行的 他就沒法執行了
看看這個有沒有幫助
Python flake8 錯誤提示及解決方法
Python之PEP8編碼規范
按你的代碼試的結果 全好
你看你那些紅色的嘆號應該就是語法錯誤 黃色的嘆號就是格式問題
⑼ python 出現這個錯誤是什麼原因
要把代碼發現來才知道，以下是常見的錯誤
下面終於要講到當你用到更多的Python的功能（數據類型，函數，模塊，類等等）時可能碰到的問題了。由於篇幅有限，這里盡量精簡，尤其是對一些高級的概念。要想了解更多的細節，敬請閱讀Learning Python, 2nd Edition的逗小貼士地以及逗Gotchas地章節。
打開文件的調用不使用模塊搜索路徑
當你在Python中調用open()來訪問一個外部的文件時，Python不會使用模塊搜索路徑來定位這個目標文件。它會使用你提供的絕對路徑，或者假定這個文件是在當前工作目錄中。模塊搜索路徑僅僅為模塊載入服務的。
不同的類型對應的方法也不同
列表的方法是不能用在字元串上的，反之亦然。通常情況下，方法的調用是和數據類型有關的，但是內部函數通常在很多類型上都可以使用。舉個例子來說，列表的reverse方法僅僅對列表有用，但是len函數對任何具有長度的對象都適用
不能直接改變不可變數據類型
記住你沒法直接的改變一個不可變的對象（例如，元組，字元串）：
T = (1, 2, 3)
T[2] = 4 # 錯誤
用切片，聯接等構建一個新的對象，並根據需求將原來變數的值賦給它。因為Python會自動回收沒有用的內存，因此這沒有看起來那麼浪費：
T = T[:2] + (4,) # 沒問題了: T 變成了 (1, 2, 4)
使用簡單的for循環而不是while或者range
當你要從左到右遍歷一個有序的對象的所有元素時，用簡單的for循環（例如，for x in seq:）相比於基於while-或者range-的計數循環而言會更容易寫，通常運行起來也更快。除非你一定需要，盡量避免在一個for循環里使用range：讓Python來替你解決標號的問題。在下面的例子中三個循環結構都沒有問題，但是第一個通常來說更好；在Python里，簡單至上。
S = "lumberjack"
for c in S: print c # 最簡單
for i in range(len(S)): print S[i] # 太多了
i = 0 # 太多了
while i < len(S): print S[i]; i += 1
不要試圖從那些會改變對象的函數得到結果
諸如像方法list.append()和list.sort()一類的直接改變操作會改變一個對象，但不會將它們改變的對象返回出來（它們會返回None）；正確的做法是直接調用它們而不要將結果賦值。經常會看見初學者會寫諸如此類的代碼：
mylist = mylist.append(X)
目的是要得到append的結果，但是事實上這樣做會將None賦值給mylist，而不是改變後的列表。更加特別的一個例子是想通過用排序後的鍵值來遍歷一個字典里的各個元素，請看下面的例子：
D = {...}
for k in D.keys().sort(): print D[k]
差一點兒就成功了——keys方法會創建一個keys的列表，然後用sort方法來將這個列表排序——但是因為sort方法會返回None，這個循環會失敗，因為它實際上是要遍歷None（這可不是一個序列）。要改正這段代碼，將方法的調用分離出來，放在不同的語句中，如下：
Ks = D.keys()
Ks.sort()
for k in Ks: print D[k]
只有在數字類型中才存在類型轉換
在Python中，一個諸如123+3.145的表達式是可以工作的——它會自動將整數型轉換為浮點型，然後用浮點運算。但是下面的代碼就會出錯了：
S = "42"
I = 1
X = S + I # 類型錯誤
這同樣也是有意而為的，因為這是不明確的：究竟是將字元串轉換為數字（進行相加）呢，還是將數字轉換為字元串（進行聯接）呢看在Python中，我們認為逗明確比含糊好地（即，EIBTI（Explicit is better than implicit）），因此你得手動轉換類型：
X = int(S) + I # 做加法: 43
X = S + str(I) # 字元串聯接: "421"
循環的數據結構會導致循環
盡管這在實際情況中很少見，但是如果一個對象的集合包含了到它自己的引用，這被稱為循環對象（cyclic object）。如果在一個對象中發現一個循環，Python會輸出一個[…]，以避免在無限循環中卡住：
>>> L = ['grail'] # 在 L中又引用L自身會
>>> L.append(L) # 在對象中創造一個循環
>>> L
['grail', [...]]
除了知道這三個點在對象中表示循環以外，這個例子也是很值得借鑒的。因為你可能無意間在你的代碼中出現這樣的循環的結構而導致你的代碼出錯。如果有必要的話，維護一個列表或者字典來表示已經訪問過的對象，然後通過檢查它來確認你是否碰到了循環。
賦值語句不會創建對象的副本，僅僅創建引用
這是Python的一個核心理念，有時候當行為不對時會帶來錯誤。在下面的例子中，一個列表對象被賦給了名為L的變數，然後L又在列表M中被引用。內部改變L的話，同時也會改變M所引用的對象，因為它們倆都指向同一個對象。
>>> L = [1, 2, 3] # 共用的列表對象
>>> M = ['X', L, 'Y'] # 嵌入一個到L的引用
>>> M
['X', [1, 2, 3], 'Y']
>>> L[1] = 0 # 也改變了M
>>> M
['X', [1, 0, 3], 'Y']
通常情況下只有在稍大一點的程序里這就顯得很重要了，而且這些共用的引用通常確實是你需要的。如果不是的話，你可以明確的給他們創建一個副本來避免共用的引用；對於列表來說，你可以通過使用一個空列表的切片來創建一個頂層的副本：
>>> L = [1, 2, 3]
>>> M = ['X', L[:], 'Y'] # 嵌入一個L的副本
>>> L[1] = 0 # 僅僅改變了L，但是不影響M
>>> L
[1, 0, 3]
>>> M
['X', [1, 2, 3], 'Y']
切片的范圍起始從默認的0到被切片的序列的最大長度。如果兩者都省略掉了，那麼切片會抽取該序列中的所有元素，並創造一個頂層的副本（一個新的，不被公用的對象）。對於字典來說，使用字典的dict.()方法。
靜態識別本地域的變數名
Python默認將一個函數中賦值的變數名視作是本地域的，它們存在於該函數的作用域中並且僅僅在函數運行的時候才存在。從技術上講，Python是在編譯def代碼時，去靜態的識別本地變數，而不是在運行時碰到賦值的時候才識別到的。如果不理解這點的話，會引起人們的誤解。比如，看看下面的例子，當你在一個引用之後給一個變數賦值會怎麼樣：
>>> X = 99
>>> def func():
... print X # 這個時候還不存在
... X = 88 # 在整個def中將X視作本地變數
...
>>> func( ) # 出錯了！
你會得到一個逗未定義變數名地的錯誤，但是其原因是很微妙的。當編譯這則代碼時，Python碰到給X賦值的語句時認為在這個函數中的任何地方X會被視作一個本地變數名。但是之後當真正運行這個函數時，執行print語句的時候，賦值語句還沒有發生，這樣Python便會報告一個逗未定義變數名地的錯誤。
事實上，之前的這個例子想要做的事情是很模糊的：你是想要先輸出那個全局的X，然後創建一個本地的X呢，還是說這是個程序的錯誤看如果你真的是想要輸出這個全局的X，你需要將它在一個全局語句中聲明它，或者通過包絡模塊的名字來引用它。
默認參數和可變對象
在執行def語句時，默認參數的值只被解析並保存一次，而不是每次在調用函數的時候。這通常是你想要的那樣，但是因為默認值需要在每次調用時都保持同樣對象，你在試圖改變可變的默認值（mutable defaults）的時候可要小心了。例如，下面的函數中使用一個空的列表作為默認值，然後在之後每一次函數調用的時候改變它的值：
>>> def saver(x=[]): # 保存一個列表對象
... x.append(1) # 並每次調用的時候
... print x # 改變它的值
...
>>> saver([2]) # 未使用默認值
[2, 1]
>>> saver() # 使用默認值
[1]
>>> saver() # 每次調用都會增加！
[1, 1]
>>> saver()
[1, 1, 1]
有的人將這個視作Python的一個特點——因為可變的默認參數在每次函數調用時保持了它們的狀態，它們能提供像C語言中靜態本地函數變數的類似的一些功能。但是，當你第一次碰到它時會覺得這很奇怪，並且在Python中有更加簡單的辦法來在不同的調用之間保存狀態（比如說類）。
要擺脫這樣的行為，在函數開始的地方用切片或者方法來創建默認參數的副本，或者將默認值的表達式移到函數裡面；只要每次函數調用時這些值在函數里，就會每次都得到一個新的對象：
>>> def saver(x=None):
... if x is None: x = [] # 沒有傳入參數看
... x.append(1) # 改變新的列表
... print x
...
>>> saver([2]) # 沒有使用默認值
[2, 1]
>>> saver() # 這次不會變了
[1]
>>> saver()
[1]
其他常見的編程陷阱
下面列舉了其他的一些在這里沒法詳述的陷阱：
在頂層文件中語句的順序是有講究的：因為運行或者載入一個文件會從上到下運行它的語句，所以請確保將你未嵌套的函數調用或者類的調用放在函數或者類的定義之後。
reload不影響用from載入的名字：reload最好和import語句一起使用。如果你使用from語句，記得在reload之後重新運行一遍from，否則你仍然使用之前老的名字。
在多重繼承中混合的順序是有講究的：這是因為對superclass的搜索是從左到右的，在類定義的頭部，在多重superclass中如果出現重復的名字，則以最左邊的類名為准。
在try語句中空的except子句可能會比你預想的捕捉到更多的錯誤。在try語句中空的except子句表示捕捉所有的錯誤，即便是真正的程序錯誤，和sys.exit()調用，也會被捕捉到。
⑽ python是什麼樣的編程語言
編程語言主要從以下幾個角度為進行分類，編譯型和解釋型、靜態語言和動態語言、強類型定義語言和弱類型定義語言，每個分類代表什麼意思呢，我們一起來看一下。
2.1 編譯型與解釋型。
編譯器是把源程序的每一條語句都編譯成機器語言,並保存成二進制文件,這樣運行時計算機可以直接以機器語言來運行此程序,速度很快;
而解釋器則是只在執行程序時,才一條一條的解釋成機器語言給計算機來執行,所以運行速度是不如編譯後的程序運行的快的.
這是因為計算機不能直接認識並執行我們寫的語句,它只能認識機器語言(是二進制的形式)
編譯型
優點：編譯器一般會有預編譯的過程對代碼進行優化。因為編譯只做一次，運行時不需要編譯，所以編譯型語言的程序執行效率高。可以脫離語言環境獨立運行。
缺點：編譯之後如果需要修改就需要整個模塊重新編譯。編譯的時候根據對應的運行環境生成機器碼，不同的操作系統之間移植就會有問題，需要根據運行的操作系統環境編
解釋型
優點：有良好的平台兼容性，在任何環境中都可以運行，前提是安裝了解釋器（虛擬機）。靈活，修改代碼的時候直接修改就可以，可以快速部署，不用停機維護。
缺點：每次運行的時候都要解釋一遍，性能上不如編譯型語言。
2.2動態語言和靜態語言
通常我們所說的動態語言、靜態語言是指動態類型語言和靜態類型語言。
（1）動態類型語言：動態類型語言是指在運行期間才去做數據類型檢查的語言，也就是說，在用動態類型的語言編程時，永遠也不用給任何變數指定數據類型，該語言會在你第一次賦值給變數時，在內部將數據類型記錄下來。Python和Ruby就是一種典型的動態類型語言，其他的各種腳本語言如VBScript也多少屬於動態類型語言。
（2）靜態類型語言：靜態類型語言與動態類型語言剛好相反，它的數據類型是在編譯其間檢查的，也就是說在寫程序時要聲明所有變數的數據類型，C/C++是靜態類型語言的典型代表，其他的靜態類型語言還有C#、JAVA等。
2.3強類型定義語言和弱類型定義語言
（1）強類型定義語言：強制數據類型定義的語言。也就是說，一旦一個變數被指定了某個數據類型，如果不經過強制轉換，那麼它就永遠是這個數據類型了。舉個例子：如果你定義了一個整型變數a,那麼程序根本不可能將a當作字元串類型處理。強類型定義語言是類型安全的語言。
（2）弱類型定義語言：數據類型可以被忽略的語言。它與強類型定義語言相反, 一個變數可以賦不同數據類型的值。
強類型定義語言在速度上可能略遜色於弱類型定義語言，但是強類型定義語言帶來的嚴謹性能夠有效的避免許多錯誤。另外，"這門語言是不是動態語言」與"這門語言是否類型安全」之間是完全沒有聯系的！
例如：Python是動態語言，是強類型定義語言（類型安全的語言）; VBScript是動態語言，是弱類型定義語言（類型不安全的語言）; JAVA是靜態語言，是強類型定義語言（類型安全的語言）。
通過上面這些介紹，我們可以得出，python是一門動態解釋性的強類型定義語言。