Python Entwurfsmuster Schulung: GoF-Muster pythonisch umsetzen

Entwurfsmuster Grundlagen in Python

• Was ein Entwurfsmuster ist – und warum Python viele davon kürzer schreibt
• Arten von Entwurfsmustern: Erzeugungs-, Struktur- und Verhaltensmuster nach GoF
• Muster entdecken in der Standardbibliothek: logging, pathlib, itertools, contextlib
• Objektorientierung in Python: Klassen, Duck Typing und Funktionen als Objekte erster Klasse
• Vererbung und Polymorphie mit super(), abstrakten Basisklassen und typing.Protocol
• Den Kontext eines Musters verstehen: Kräfte, Varianten und Folgekosten im Python-Code
• Mit einer Mustersprache arbeiten: Musternamen in Docstrings, Commits und Architekturnotizen
• Sprachneutrale Musterlehre und SOLID-Prinzipien als Überblick mit Verweis auf die Schwesterseminare

Erzeugungsmuster (Creational Patterns)

• Fabrikmethode: Erzeugung in Unterklassen oder als Funktion, die passende Objekte liefert
• Alternative Konstruktoren mit @classmethod nach dem Vorbild von datetime.fromisoformat
• Implementierungen per Dictionary oder Registrierungs-Dekorator auswählen statt per if-Kette
• Abstrakte Fabrik: Familien zusammengehöriger Objekte hinter einem Protocol erzeugen
• Austauschbare Backends über Module und Entry Points als Abstrakte Fabrik
• Singleton klassisch mit __new__ oder Metaklasse – und warum das Tests erschwert
• Modul als natürliches Singleton, functools.cache und das Borg-Muster als Alternativen
• Erbauer (Builder): schrittweiser Aufbau komplexer Objekte, Fluent Interface mit return self
• Wann Schlüsselwortargumente und @dataclass einen Builder überflüssig machen
• Prototyp: Objekte klonen mit copy.copy und copy.deepcopy, eigene __copy__-Methoden
• Geänderte Kopien unveränderlicher Objekte mit dataclasses.replace() und copy.replace()

Strukturmuster (Structural Patterns)

• Dekorierer (Decorator) nach GoF: Objekt umhüllen, gleiche Schnittstelle, Verkettung
• Python-Dekoratoren mit @: Funktionen umhüllen, functools.wraps, Dekoratoren mit Parametern
• Klassendekoratoren und wo sie das GoF-Muster ersetzen – und wo nicht
• Stellvertreter (Proxy): Zugriffsschutz, verzögertes Laden und Zwischenspeicher
• Proxy mit __getattr__-Delegation, functools.cached_property und weakref.proxy
• Adapter: Fremdbibliothek hinter eigener Schnittstelle, Objektadapter per Komposition
• Adapter gegen ein Protocol prüfen, ohne von einer Basisklasse zu erben
• Kompositum (Composite): Baumstrukturen mit einheitlicher Schnittstelle für Blatt und Knoten
• Composite durchlaufen mit rekursiven Generatoren und yield from
• Brücke (Bridge): Abstraktion und Implementierung unabhängig voneinander erweitern
• Bridge am Beispiel Berichtsarten × Ausgabeformate statt einer Klasse je Kombination

Verhaltensmuster (Behavioral Patterns)

• Beobachter (Observer): Subject, Abonnenten und Benachrichtigung über Callbacks
• Abonnenten schwach referenzieren mit weakref.WeakSet, Signale in Django und blinker
• Besucher (Visitor): neue Operationen über Objektstrukturen, ohne deren Klassen zu ändern
• Visitor pythonisch mit functools.singledispatch, match/case oder ast.NodeVisitor
• Iterator als Sprachmerkmal: das Protokoll mit __iter__ und __next__
• Generatorfunktionen und itertools statt eigener Iteratorklassen
• Strategie (Strategy): austauschbare Algorithmen, in Python oft einfach eine Funktion
• Strategien als Callable-Typ, Dictionary von Funktionen oder Protocol-Objekt mit Zustand
• Zuständigkeitskette (Chain of Responsibility): eine Anfrage durch eine Kette von Handlern reichen
• Ketten in der Praxis: ASGI-Middleware, Validierungsschritte und Handler im Modul logging
• Command: Aktionen als Objekte oder functools.partial, Rückgängig-Stapel und Makros
• State: Zustandsobjekte statt verschachtelter if-Abfragen, erlaubte Übergänge mit enum

Bewährte Entwurfspraktiken

• Konsistenz mit Entwurfsmustern: einheitliche Benennung, Typ-Hinweise und Docstrings
• Muster mit mypy oder Pyright absichern: Protocols prüfen, @final und @override setzen
• Denkweise mit Entwurfsmustern: erst das Problem, dann das Muster – das Zen von Python als Maßstab
• Wann Python-Sprachmittel ein Muster überflüssig machen: Funktionen, Module, Dekoratoren
• Java-Akzent im Python-Code erkennen: Getter, zustandslose Fabrikklassen, Interfaces ohne Zweck
• Musterbausteine einzeln testen: Strategien, Handler und Commands mit pytest prüfen

Python-Musterumbauten mit Codex

• Agent ersetzt isinstance-Ketten durch singledispatch oder ein Strategie-Dictionary, pytest hält das Verhalten fest
• Generierten Python-Code auf Java-Muster durchsehen: Singleton-Metaklassen, Fabriken ohne zweite Variante
• Pyright prüft nach jedem Umbau, ob alle Strategien, Handler und Adapter ihr Protocol erfüllen
• Zwei Musterlösungen für dieselbe Stelle anfordern und nach Codeumfang und Lesbarkeit entscheiden
• Musterentscheidungen in einer Projektnotiz festhalten, damit Folgeaufträge sie einhalten

Praxisprojekt: Dokumentkonverter mit Plugin-Schnittstelle

• Dokumentbaum als Composite aus Abschnitten, Absätzen, Listen und Tabellen aufbauen
• Ausgabe nach HTML und Markdown als Visitor mit functools.singledispatch
• Bearbeitungsschritte als Commands mit Rückgängig-Funktion, Ausgabeformate per Registrierungs-Fabrik
• Vorverarbeitung als Zuständigkeitskette, Entwurf im Review gegen einfachere Lösungen abwägen