[Code scan] Pyright configuration excludes most format and plugin modules

Aperta Adatta ai principianti
#1,004 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
72/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
tooling

Direzione di ricerca

Esamina la sezione [tool.pyright] alle righe 131-134 di pyproject.toml, quindi confronta il relativo pattern di inclusione con i file annidati elencati da git ls-files dpdata '*.py'. Il lavoro è completato quando i moduli annidati sotto dpdata/formats, dpdata/plugins e dpdata/md sono coperti da Pyright, oppure quando l’esclusione è documentata esplicitamente.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

enhancement

This issue is part of a Codex global repository code scan.

The Pyright configuration only includes top-level dpdata/*.py files. Most implementation code lives in nested packages under dpdata/formats, dpdata/plugins, and dpdata/md, so the type-check workflow has limited coverage of the format/plugin code paths where most parsers and writers live.

Affected config:
https://github.com/deepmodeling/dpdata/blob/a7a50bfc096e1a65470af6f1c48152dc0275ec1c/pyproject.toml#L131-L134

Current configuration:

[tool.pyright]
include = [
    "dpdata/*.py",
]

Repository shape from git ls-files dpdata '*.py' shows many nested modules outside this include pattern, including all parser/writer modules under dpdata/formats and registry modules under dpdata/plugins.

Suggested improvement: expand Pyright coverage to include nested package modules, or explicitly document why nested format/plugin modules are excluded.

Lingua principale
Python
Stelle
254
Fork
159
Merge medio
4g 1h
PR unite (30g)
2

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di deepmodeling/dpdata

Tutte le issue di deepmodeling/dpdata

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.