摘要：Python 和 Rust，都是近幾年深受開發者喜愛的程式語言，那麼作為一個擁有十年 Python 編程經驗的開發者來說，初次嘗試 Rust 會有怎樣的感受呢？

連結

：https://karimjedda.com/carefully-exploring-rust/

聲明：本文為 CSDN 翻譯，未經允許禁止轉載。

作者 | Karim Jedda

譯者 | 彎月 責編 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

最近，我找到了一份新工作，公司最常用的程式語言之一是 Rust。

在此之前，我使用 Python 長達十年之久，主要是做數據工程的工作。但如今，我打算嘗試一下這種新的（對我來說）程式語言。我經常在不同平台上看到各類誇讚 Rust 的文章，我想看看 Rust 是否真的不負盛名。

Rust 與 Python 有很大的不同，因此我不打算在本文中詳細說明 Rust 的獨特之處。作為初學者，我只希望儘快上手，希望能以最短的過渡，儘快用 Rust 完成工作，同時也希望評估一下我自己的學習能力。

從某種程度上來說，我更感興趣的是 Rust 整體的使用體驗，而不是具體的功能列表。

設置開發環境

設置開發環境非常簡單，只需參照 Rust 網站提供的示例，在終端中運行一個命令就可以了。

當你認為一切都已安裝並配置妥當，此時如果想驗證 Rust 是否已正確安裝，只需在空目錄中創建一個空項目：

cargo new tutorialcd tutorialcargo run

接下來，在文本編輯器中打開該文件夾。如果你是新手，我推薦 VSCode，因為其中的一些擴展很有幫助，關於如何使用這些擴展的指南也很容易入手。我推薦 rust-analyzer 作為 VSCode 的唯一擴展。

輸出與調試

如果想了解程序是如何運行的，首先要做的就是通過命令行來了解程序在幹什麼，以及完成了什麼。

此外，你還可以使用常規調試器。在 M1 上，我推薦在 Visual Studio Code 中使用 LLDB，它不僅工作良好，通常還要比在輸出結果中列印日誌更為方便。

到這裡為止，Rust 與 Python 其實都非常相似，只不過所有命令都是通過 cargo run 運行的，而不是調用特定文件，如 python3 somefile.py。

另外，你也可以先運行 cargo build，然後運行 target/debug/tutorial 中的文件，得到的結果是相同的。接下來，如果將生成的文件複製到另一個位置或另一台類似的機器上，也可以正常工作，且無需安裝任何與 Rust 相關的東西。

錯誤處理

不得不承認，編程中總會遇到一些意外，能夠以可預測的方式處理這些意外非常重要。編程中的一大挑戰就是很難考慮到程序中所有可能出現的錯誤，因為只要寫代碼就可能會出錯。

「每個人都知道調試比編寫程序要難一倍。所以，如果你在代碼編寫代碼時就用盡了聰明才智，又如何調試呢？」

—— Brian W. Kernighan

在 Python 中，通常我們通過 try/except 方法來拋異常，並完成錯誤處理。我們運行一段代碼，如果出錯，則通過條件來捕捉異常，如果所有條件都不匹配，則將其放入一個通用的異常中。異常有各種不同的類別，Python 允許你在包中調用不存在的函數，並在運行時產生異常，但在 Rust 中這樣做甚至無法通過編譯——Rust 不允許在運行時出現任何奇怪的錯誤，從而消除了一大類不太容易預測的錯誤。

下面通過一個例子來說明 Rust 的這種方法，同時我會用 Python 的術語進行解釋。

在上面的代碼中，我們創建了一個自定義的異常，在 do_something 函數中拋出，而 main 函數會檢查該異常。上面的代碼跟 try/exept 基本上一樣，只不過多了一些樣板代碼（這些樣板代碼是必須的，但以我現在的水平有點難以理解）。

你也許會說「肯定有更好的辦法」，特別是如果你有很多 Python 經驗的話，的確如此，我們將不得不使用包。。

使用外部包

與其他行業相比，編程的最大優勢就是可以使用別人構建的東西。如果你計劃在程序中進行錯誤處理，那麼有一個很好用的包 thiserror。Rust 的包管理器是 cargo。

Rust 中的包叫做 crate。安裝方法為編輯目錄下的 Cargo.toml 文件。在本例中，我們在 [dependencies] 後面添加 thiserror = "1.0" 就可以了。

然後可以像下面這樣重寫之前的代碼：

現在代碼看起來很正常。與一切從頭開始相比，我更喜歡這種做法。

我花了四五年時間才找到用 Python 編程的樂趣，所以我也願意多花些時間來探索 Rust 的高級功能。Rust 有許多錯誤處理的方法，而我喜歡更簡單的方法。

我有意略過了一些簡單的概念，比如「什麼是 enum？」 「pub 是什麼意思？」 「那些#標記是什麼」等，因為你只需運行一下代碼就能明白它們的意思。

一切看起來都還不錯。那麼，測試方面又如何呢？

編寫測試

測試應該從單元測試和集成測試兩個級別上著手。實現方法有好幾種，雖然你可以把測試代碼和 Rust 代碼放在同一個文件中（這也是官方指南的推薦），但我還是希望用一個單獨的文件夾來組織所有測試代碼，這樣可以減少閱讀代碼時的負擔，也可以減少編輯文件時占用的屏幕面積。而且說實話，在編寫測試和編寫代碼時，我的心情是不一樣的。

方法之一如下：

然後可以用 cargo test 運行測試，結果如下：

還有許多值得展開講的地方，但為了避免過於複雜，我們點到為止，這算是「帕累托最優」（又稱80/20法則）。這讓我想起了 pytest，一個能即刻提高舒適度的工具。

讀取文件、運行一些代碼並寫入另一個文件

以上，我們討論了一些最基本的問題：輸出，調試，使用外部包，以及測試。下面，我們來做一些更有效率的事情：我們可以寫一個程序來處理本地文件。下面的例子將會讀取 csv 文件，計算一些數值，然後將輸出結果。

為了實現該程序，我們需要在 Cargo.toml 中添加以下兩行設置：

• csv="1.1"

• serde={version="1", features=["derive"]}

你可以猜猜 main 函數應該怎樣寫。

當然，這個程序還可以實現更多功能。如果你有一個非常複雜的 CSV 文件，則可以在 Rust 中調用 pandsa（pola.rs）來處理數據。我還需要進一步研究，不過似乎這種處理方法非常強大且高效。

我認為，與 Python 相比，Rust的 CSV 處理能力不相上下，除了它能自動反序列化之外。

最後，我們還可以添加一些測試，此處不再贅述。

發送 HTTP 請求

下面，我們來嘗試發送基本的 HTTP 請求並處理結果。現在的絕大多數請求都需要處理 JSON。

在 Cargo.toml 中添加如下幾行代碼：

reqwest = { version = "0.11", features = ["json"] }tokio = { version = "1", features = ["full"]}serde_json = "1"

這樣就可以了，現在可以從 API 請求數據了。結合使用上面兩個方法，我們可以獲取數據，用 pola.rs 進行分析，然後將結果寫入 CSV 文件中，同時保證內存安全。還記得 Python 需要循環才能實現這一點嗎？在這方面 Rust 做得很好。

我相信，Rust 的生態系統會越來越大，以覆蓋更多的用例，以後利用已有的 crate 實現這一切會易如反掌。

使用 SQLite

雖然在這篇文章中提到 SQLite 似乎有些奇怪，但我開發過的程序經常用到 SQLite。我很喜歡 SQLite，因為它是可移植的，非常有效，而且不需要任何維護。

用 Python 操作 SQLite 的問題永遠是要不要使用 ORM。請不要誤會，SQLAlchemy 非常優秀，但在進行非常小的操作時，用它就像殺雞用牛刀了。而且 SQLAlchemy 帶來的複雜性使它不適合小型嵌入式設備。

反之， Rust 可以在這方面大放異彩，網上有很多如何利用Rust操作 SQLite 的例子，我認為都非常不錯。

舉個簡單的例子，別忘了在 Cargo.toml 中添加下面這行代碼：

rusqlite = { version = "0.28.0", features = ["bundled"] }

該例子來自 rusqlite crate。當然，這只是冰山一角。但組合以上幾種方法，就可以實現許多很有用的功能了。

總結

綜合考慮，Rust 是一個非常優秀的語言，有許多優秀的包，非常感謝發明這門語言並為之努力貢獻的開發者們。雖然這篇文章只是對 Rust 做了初步的探索，但我希望拋磚引玉，讓初學者產生學習 Rust 的興趣。

初次使用某種程式語言時，重點在於弄清楚語言本身能實現哪些功能，而不是背誦一篇完整的術語表。你不需要去理解 borrowing、繼承或 traits 的具體含義，而應該跟隨些入門文章按部就班地做一遍。

從無到有的難度遠大於從一到十。