Python代码审查常见问题解析

本文深入剖析了Python代码审查中四大高频危险陷阱：滥用eval()导致远程代码执行风险、requests缺失超时引发服务雪崩、浮点数直接比较引发精度灾难，以及日志配置重复执行造成的混乱；每类问题均结合真实线上故障场景揭示根本原因，并给出精准、可落地的替代方案与工程化建议——从json.loads()和ast.literal_eval()的安全替换，到分设connect/read超时的稳健调用，再到math.isclose()与Decimal的正确选型，以及日志配置的单次显式初始化，帮你避开那些看似微小却足以击穿系统防线的“经典错误”。

为什么 eval() 在审查中总被标红

因为它是运行时动态执行字符串代码的唯一入口，相当于把解释器的控制权直接交出去。只要输入不可信，就等于给攻击者开了个 shell。

常见错误现象：eval(input()) 被用于“快捷配置”或“调试命令”，上线后被传入 __import__('os').system('rm -rf /')；或者用 eval() 解析前端传来的 JSON 字符串，结果绕过类型校验直接执行任意代码。

实操建议：

• 一律改用 json.loads() 处理 JSON 字符串——它只解析标准 JSON，拒绝执行、不支持单引号、不接受尾随逗号
• 若真需表达式求值（如规则引擎），用 ast.literal_eval() 替代，它只允许基本字面量（str、int、list、dict 等），遇到函数调用或变量名会直接抛 ValueError
• 绝对不要拼接用户输入进 eval()，哪怕加了白名单过滤——正则绕过、Unicode 归一化、编码混淆都可能击穿

requests.get() 缺少超时参数的后果

默认不设 timeout，请求会无限挂起。线上服务一旦依赖的下游接口卡住或 DNS 解析失败，线程/协程就永远卡死，连接池耗尽，整个服务雪崩。

使用场景：调第三方 API、内部微服务间 HTTP 调用、定时任务里拉取配置文件。

实操建议：

• 必须显式传 timeout，推荐拆成 timeout=(3, 7) —— 3 秒连不上就放弃，连上后最多等 7 秒响应
• 别用单个数字如 timeout=10，它只限制总耗时，网络抖动时可能连不上也等满 10 秒，不如分设 connect/read 更可控
• 配合 requests.adapters.HTTPAdapter(pool_connections=10, pool_maxsize=20) 控制连接复用，避免短连接风暴

用 == 比较浮点数为什么总出错

因为二进制无法精确表示大多数十进制小数，0.1 + 0.2 == 0.3 返回 False 是确定行为，不是偶然误差。

常见错误现象：金融计算里判断余额是否归零失败；单元测试里断言 result == 0.5 随机失败；循环里用 while x != 1.0: 导致死循环。

实操建议：

• 比较浮点数一律用 math.isclose(a, b, abs_tol=1e-9)，明确容忍范围
• 涉及金额、计数等必须精确的场景，用 decimal.Decimal 替代 float，初始化时传字符串（Decimal('0.1')），别传 float（Decimal(0.1) 已经失真）
• 科学计算中若需高性能，可用 numpy.allclose()，但注意它的默认容差比 math.isclose() 宽得多

全局变量 LOGGING_CONFIG 被多次导入引发的冲突

Python 的模块缓存机制导致 import logging_config 第一次执行时完成日志配置，后续再 import 只是返回缓存模块对象，但若该模块里有顶层代码（比如 logging.basicConfig()），就会在每次导入时重复执行，覆盖已有 handler、重复添加 formatter。

使用场景：Django/Flask 项目里把日志配置抽成独立模块，在 settings.py 和 manage.py 中分别导入；或多个包共用同一份配置模块。

实操建议：

• 把日志配置逻辑封装进函数（如 setup_logging()），模块顶层只定义配置字典，不执行任何 logging.* 调用
• 在应用启动入口（如 main.py 或 wsgi.py）中显式调用一次 setup_logging()
• 避免在 __init__.py 或工具函数里隐式触发日志配置，尤其不要在 except 块里临时调用 logging.basicConfig()

真正难处理的是跨进程日志（比如 Celery worker 和主进程共用一个 RotatingFileHandler），这时候文件锁、权限、路径一致性全得手动兜底——多数人根本没意识到这点。

以上就是《Python代码审查常见问题解析》的详细内容，更多关于的资料请关注golang学习网公众号！