如何构建Python脚本使配置可全局供所有函数调用？

嘿，这个优化点抓得很准——重复加载配置确实会浪费资源，尤其是当目录下文件数量多的时候。这里给你几个实用的方案，能轻松实现只加载一次CSV配置：

方案1：模块级全局加载 #

这是最简单的方式，直接在脚本的模块层面加载配置文件。脚本启动时会执行这部分代码一次，之后所有函数都可以直接共用这个配置变量。

示例代码：

import csv

# 模块初始化时加载配置，整个脚本生命周期只执行一次
config = {}
with open("config.csv", "r") as f:
    reader = csv.DictReader(f)
    # 假设CSV是key-value结构，根据你的实际格式调整
    for row in reader:
        config[row["setting_key"]] = row["setting_value"]

def test(dict_data):
    # 直接使用全局的config变量
    print(f"用配置{config}测试数据：{dict_data}")

def OpenFile(file_path):
    # 模拟读取文件并返回字典
    file_content = {"file": file_path, "content": "sample data"}
    test(file_content)
    return file_content

def GetFiles(target_dir):
    # 模拟获取目录下的文件列表
    files = ["file1.txt", "file2.txt", "file3.txt"]
    for file in files:
        OpenFile(file)

if __name__ == "__main__":
    GetFiles("./my_dir")

优点：零额外逻辑，简单直接；缺点：如果配置文件路径需要通过CLI参数动态指定（比如用户输入--config path/to/file.csv），这种方式就不太灵活，因为模块加载早于CLI参数解析。

方案2：初始化函数+全局变量 #

如果需要支持动态配置路径，可以写一个专门的加载函数，在脚本启动初期（比如解析完CLI参数后）调用一次，把配置存在全局变量里。还可以加个判断，确保即使不小心重复调用加载函数，也不会重复读取文件。

示例代码：

import csv

# 初始化全局配置变量为None
config = None

def load_config(config_path):
    global config
    # 只有当config未加载时才执行读取操作
    if config is None:
        with open(config_path, "r") as f:
            reader = csv.DictReader(f)
            config = {row["setting_key"]: row["setting_value"] for row in reader}
    return config

def test(dict_data):
    if not config:
        raise ValueError("请先调用load_config()加载配置！")
    print(f"用配置{config}测试数据：{dict_data}")

def OpenFile(file_path):
    file_content = {"file": file_path, "content": "sample data"}
    test(file_content)
    return file_content

def GetFiles(target_dir):
    files = ["file1.txt", "file2.txt", "file3.txt"]
    for file in files:
        OpenFile(file)

if __name__ == "__main__":
    # 模拟解析CLI参数得到配置路径
    user_config_path = "./custom_config.csv"
    load_config(user_config_path)
    GetFiles("./my_dir")

优点：支持动态配置路径，且能防止重复加载；缺点：全局变量在复杂脚本里可能会带来维护问题，比如不小心被修改。

方案3：面向对象封装 #

把配置和相关函数封装到类里，配置在类实例化时加载一次，所有实例方法都可以共用这个配置。这种方式更清晰，也更容易扩展后续功能。

示例代码：

import csv

class FileTestProcessor:
    def __init__(self, config_path):
        # 实例化时加载配置，每个实例只加载一次
        self.config = {}
        with open(config_path, "r") as f:
            reader = csv.DictReader(f)
            self.config = {row["setting_key"]: row["setting_value"] for row in reader}
    
    def _test(self, dict_data):
        # 内部测试方法，使用实例的config属性
        print(f"用配置{self.config}测试数据：{dict_data}")
    
    def open_file(self, file_path):
        file_content = {"file": file_path, "content": "sample data"}
        self._test(file_content)
        return file_content
    
    def get_files(self, target_dir):
        files = ["file1.txt", "file2.txt", "file3.txt"]
        for file in files:
            self.open_file(file)

if __name__ == "__main__":
    processor = FileTestProcessor("./config.csv")
    processor.get_files("./my_dir")

优点：配置和逻辑绑定，代码结构清晰，避免全局变量污染；缺点：如果你的脚本很简单，可能会觉得有点“重”，但长期来看更利于维护。

方案4：用缓存装饰器缓存加载结果 #

如果你的配置加载函数需要处理不同的路径，且相同路径只需要加载一次，可以用functools.lru_cache装饰器来缓存加载结果。

示例代码：

import csv
from functools import lru_cache

# 用lru_cache缓存加载结果，相同config_path只会加载一次
@lru_cache(maxsize=None)
def load_config(config_path):
    config = {}
    with open(config_path, "r") as f:
        reader = csv.DictReader(f)
        config = {row["setting_key"]: row["setting_value"] for row in reader}
    return config

def test(dict_data, config_path):
    config = load_config(config_path)
    print(f"用配置{config}测试数据：{dict_data}")

def OpenFile(file_path, config_path):
    file_content = {"file": file_path, "content": "sample data"}
    test(file_content, config_path)
    return file_content

def GetFiles(target_dir, config_path):
    files = ["file1.txt", "file2.txt", "file3.txt"]
    for file in files:
        OpenFile(file, config_path)

if __name__ == "__main__":
    GetFiles("./my_dir", "./config.csv")

优点：自动缓存相同路径的配置，无需手动判断；缺点：配置文件如果在运行时被修改，缓存不会自动更新（如果需要支持热更新，得额外处理缓存失效）。

选择建议 #

• 如果配置路径固定，方案1最省事；
• 如果需要动态指定配置路径，方案2或方案3更合适；
• 如果要处理多个配置路径且需要缓存，方案4是不错的选择。

内容的提问来源于stack exchange，提问作者xtian