Ces dernières années, le développement sous PHP avait du plomb dans l'aile. Certains frameworks comme Symfony, Zend ou CakePHP se sont développés. Bien que PHP soit le langage de scripts le plus utilisé sur le Web, la hype parle plus de Ruby avec Ruby on Rails, et les pythonistas peuvent se targuer d'avoir de très bons frameworks à disposition.

Multi-paradigme, le langage Python autorise le traitement de données via le paradigme fonctionnel, en particulier à l'aide de compréhensions de listes, d'ensembles ou de dictionnaires. Plus que de simples outils, il s'agit là de la manière privilégiée pour modifier des collections de données, par une écriture lisible, simple et compréhensible et pour ne rien gâcher, avec des performances souvent meilleures que l'équivalent écrit en procédural.

Développer une application, ce n'est pas seulement taper des lignes de code. C'est aussi se munir d'un environnement de travail qui fluidifie les choses, que ce soit pour le développement en lui-même, pour les tests, ou pour le déploiement sur d'autres systèmes. Pour faire tout cela en Python, on utilise ce que l'on appelle des environnements virtuels. Nous allons voir dans cet article comment les mettre en place, les utiliser et faire en sorte qu'ils puissent être déployés rapidement. Mais avant de voir tout cela, il faut comprendre comment installer des librairies en Python. C'est par cela que nous allons démarrer.

Les tests unitaires sont des éléments essentiels dans le développement de toute application, puisqu'ils permettent de s'éviter bien des déconvenues tout au long des processus de création et de maintenance de l'application. Ils doivent être associés à des tests fonctionnels et de performance, ainsi qu'à diverses autres métriques au sein d'un processus d'intégration complet.

Une des bonnes habitudes à prendre lorsque l'on programme est de documenter son code, mais encore faut-il le faire bien. Pour cela, PHPDoc est un outil de choix.

Utiliser un décorateur ou plutôt la syntaxe des décorateurs n'est pas très compliqué. En programmation orientée objet, pour définir des méthodes de classe, c'est un passage obligé. En revanche, comprendre et créer un décorateur est loin d'être aussi simple... Pour réellement comprendre ce que sont les décorateurs et à quoi ils servent, nous allons devoir repartir de la définition même d'une fonction. Je pense que bon nombre de lecteurs ne ressentiront pas forcément l'utilité du début de l'article, ils le trouveront peut-être trop long et seront enclin à passer rapidement à la suite mais, encore une fois, la notion de décorateur, définie dans le PEP 318 [1], est loin d'être triviale. Je préfère donc commencer par les définitions de base pour être certain que nous nous basons tous sur les mêmes concepts. Comme nous allons effectuer beaucoup de tests, j'utiliserai un interpréteur interactif et vous verrez donc apparaître dans le code d'exemple le symbole du prompt >>>. À moins de le préciser explicitement, j'utiliserai Python 2.7.

Lorsque l'on veut afficher un simple message en Python, il faut utiliser print. Mais parfois, l'information que l'on transmet à l'utilisateur n'est pas un simple message : il peut s'agir d'un avertissement suite à un problème rencontré par le programme, voire même d'une erreur. Les messages doivent alors être qualifiés et on peut même filtrer leur affichage en fonction de leur importance, les stocker dans des fichiers de log... Vous l'aurez compris, print ne suffit plus ! La journalisation des messages (ou logging en anglais) permet de conserver un historique des incidents survenus lors de l'exécution d'un programme. Les messages, généralement horodatés, sont stockés dans un fichier appelé journal ou fichier de log, mais ils peuvent également être affichés à l'écran. En Python, il existe un module bien pratique pour réaliser toutes les tâches liées à la tenue d'un tel journal : le module logging.

Ruby vient tout juste de sortir en version 2, exactement le 24 février, date anniversaire des 20 ans du langage. Sans faire un tour exhaustif des nouveautés et améliorations, cet article se veut un aperçu des changements importants qui vont marquer cette version.

Python est un langage semi-interprété. En tant que tel, il produit un pseudo-code que l'on peut retrouver dans les fichiers d'extension .pyc (PYthon Compilé). Dans cet article, je vous propose d'étudier le pseudo-code Python. Python fournit le module dis, qui permet de désassembler le pseudo-code (souvent appelé bytecode) en un code plus lisible, l'opcode. Bien sûr, ne vous attendez pas à retrouver du code Python. Vous aurez simplement accès à l'opcode plus facilement lisible pour un être humain et comportant des mnémoniques.