如何获取Pylint中各文件运行时长及加速Pylint的方法

我之前也遇到过Pylint在项目中运行超1分钟的情况，折腾了一阵找到不少实用的解决办法，分享给你：

想要知道每个文件的具体耗时，有两种靠谱的方法：

• 用Pylint自带的性能分析功能
  直接给Pylint加上--profile参数，它会生成一份详细的性能报告，里面不仅包含每个文件的处理时长，还会列出各个检查器的耗时占比。运行命令如下：

  pylint --profile your_project/
  

  报告末尾会有按文件排序的耗时统计，能快速定位拖慢整体速度的“重灾区”文件。

• 自定义脚本逐个检测并计时
  如果需要更灵活的统计方式，可以写个简单的Python脚本，遍历项目里的所有.py文件，单独运行Pylint并记录每个文件的耗时。示例脚本参考：

  import os
  import time
  import subprocess
  
  def time_pylint_file(file_path):
      start_time = time.time()
      # 运行Pylint并捕获输出（可根据需求调整是否保留输出）
      subprocess.run(["pylint", file_path], capture_output=True)
      elapsed_time = time.time() - start_time
      print(f"文件 {file_path} 处理耗时: {elapsed_time:.2f} 秒")
  
  def traverse_project(project_dir):
      for root, _, files in os.walk(project_dir):
          for file in files:
              if file.endswith(".py"):
                  full_file_path = os.path.join(root, file)
                  time_pylint_file(full_file_path)
  
  if __name__ == "__main__":
      # 替换成你的项目目录路径
      traverse_project("your_project_directory")
  

  运行这个脚本就能得到每个文件的具体耗时数据了。

针对Pylint运行慢的问题，这些方法亲测有效：

• 禁用不必要的检查器
  如果有些检查规则对你的项目不重要（比如文档字符串检查、某些风格检查），可以在.pylintrc里禁用它们。比如禁用missing-docstring、bad-continuation这类规则，能减少大量不必要的检查耗时。

• 只检查改动过的文件
  没必要每次都跑完整项目，结合Git筛选出最近修改的文件再检查，命令示例：

  pylint $(git diff --name-only HEAD~1 | grep "\.py$")
  

  这样每次只处理变动的文件，速度会大幅提升。

• 启用并行检查
  Pylint从2.12版本开始支持多线程并行检查，通过-j参数指定线程数（比如用4核就设为4）：

  pylint -j 4 your_project/
  

  多核CPU机器上这个优化效果非常明显。

• 利用缓存功能
  Pylint默认开启了--persistent缓存功能，会保存已检查文件的结果，文件未改动时直接复用缓存。如果缓存异常，可以用--clear-cache清空后重新生成，避免重复检查。

• 排除无关文件/目录
  在.pylintrc的[MASTER] section里通过ignore选项排除虚拟环境、第三方依赖、测试用的mock数据等不需要检查的内容，比如：

  [MASTER]
  ignore = venv/,tests/mock_data/,*.pyc
  

  减少需要处理的文件数量，自然能加快整体速度。

• 升级到最新版本
  Pylint团队一直在优化性能，新版本通常会有不少性能提升，尤其是针对大型项目的处理速度，所以尽量保持Pylint为最新稳定版。

内容的提问来源于stack exchange，提问作者Deft-pawN