基于BasedPyright项目的配置文件路径解析问题分析
2025-07-07 18:00:42作者:翟萌耘Ralph
在Python类型检查工具BasedPyright的实际使用过程中,开发人员可能会遇到一个看似简单但容易忽视的配置问题——当使用extends字段继承外部配置文件时,排除模式(exclude)的路径解析会出现预期之外的行为。
问题现象
当开发者在pyproject.toml中配置extends指向一个相对路径的JSON配置文件时,例如:
[tool.basedpyright]
extends = ".internal/configs/basedpyright.json"
然后在JSON配置文件中设置排除目录:
{
"exclude": [
"**/.venv",
"**/tmp"
]
}
实际运行时发现这些排除规则并未生效,虚拟环境目录(.venv)等仍然会被扫描。
问题根源
经过深入分析,发现BasedPyright在处理extends继承的配置文件时,其工作目录(context)会切换到配置文件所在的目录,而非项目根目录。这意味着:
- 所有在继承配置文件中指定的相对路径模式,其解析基准点是配置文件所在目录
- 在上述例子中,".internal/configs/"目录成为了路径解析的起点
- 因此"/.venv"实际上匹配的是".internal/configs//.venv",而非项目根目录下的.venv
解决方案
要正确排除项目根目录下的目录,需要在配置文件中使用相对于配置文件位置的路径:
{
"exclude": [
"../../**/.venv",
"../../**/tmp"
]
}
这种写法表示:
- 先向上回溯两级目录(到项目根目录)
- 然后匹配任何子目录下的.venv和tmp目录
其他注意事项
- 日志详细输出配置("verboseOutput": true)目前存在不生效的问题,这是一个已知的上游问题
- 建议在实际项目中测试排除规则是否按预期工作
- VSCode扩展和CLI在配置处理上可能存在行为差异
最佳实践建议
- 对于团队项目,建议将共享配置放在项目根目录或固定位置,减少路径复杂度
- 编写配置时明确考虑工作目录上下文
- 对于重要配置,建议在CI环境中进行验证
- 考虑使用绝对路径或环境变量来避免路径解析问题
理解这一行为机制后,开发者可以更准确地编写基于Pyright的配置,确保类型检查按预期工作。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30