摘要：Python 和 Rust，都是近几年深受开发者喜爱的编程语言，那么作为一个拥有十年 Python 编程经验的开发者来说，初次尝试 Rust 会有怎样的感受呢？
链接：https://karimjedda.com/carefully-exploring-rust/
声明：本文为 CSDN 翻译，未经允许禁止转载。
作者 | Karim Jedda
译者 | 弯月 责编 | 郑丽媛
出品 | CSDN（ID：CSDNnews）
最近，我找到了一份新工作，公司最常用的编程语言之一是 Rust。
在此之前，我使用 Python 长达十年之久，主要是做数据工程的工作。但如今，我打算尝试一下这种新的（对我来说）编程语言。我经常在不同平台上看到各类夸赞 Rust 的文章，我想看看 Rust 是否真的不负盛名。
Rust 与 Python 有很大的不同，因此我不打算在本文中详细说明 Rust 的独特之处。作为初学者，我只希望尽快上手，希望能以最短的过渡，尽快用 Rust 完成工作，同时也希望评估一下我自己的学习能力。
从某种程度上来说，我更感兴趣的是 Rust 整体的使用体验，而不是具体的功能列表。
设置开发环境
设置开发环境非常简单，只需参照 Rust 网站提供的示例，在终端中运行一个命令就可以了。
当你认为一切都已安装并配置妥当，此时如果想验证 Rust 是否已正确安装，只需在空目录中创建一个空项目：
cargo new tutorial
cd tutorial
cargo run接下来，在文本编辑器中打开该文件夹。如果你是新手，我推荐 VSCode，因为其中的一些扩展很有帮助，关于如何使用这些扩展的指南也很容易入手。我推荐 rust-analyzer 作为 VSCode 的唯一扩展。
输出与调试
如果想了解程序是如何运行的，首先要做的就是通过命令行来了解程序在干什么，以及完成了什么。
此外，你还可以使用常规调试器。在 M1 上，我推荐在 Visual Studio Code 中使用 LLDB，它不仅工作良好，通常还要比在输出结果中打印日志更为方便。
到这里为止，Rust 与 Python 其实都非常相似，只不过所有命令都是通过 cargo run 运行的，而不是调用特定文件，如 python3 somefile.py。
另外，你也可以先运行 cargo build，然后运行 target/debug/tutorial 中的文件，得到的结果是相同的。接下来，如果将生成的文件复制到另一个位置或另一台类似的机器上，也可以正常工作，且无需安装任何与 Rust 相关的东西。
错误处理
不得不承认，编程中总会遇到一些意外，能够以可预测的方式处理这些意外非常重要。编程中的一大挑战就是很难考虑到程序中所有可能出现的错误，因为只要写代码就可能会出错。
“每个人都知道调试比编写程序要难一倍。所以，如果你在代码编写代码时就用尽了聪明才智，又如何调试呢？”
—— Brian W. Kernighan
在 Python 中，通常我们通过 try/except 方法来抛异常，并完成错误处理。我们运行一段代码，如果出错，则通过条件来捕捉异常，如果所有条件都不匹配，则将其放入一个通用的异常中。异常有各种不同的类别，Python 允许你在包中调用不存在的函数，并在运行时产生异常，但在 Rust 中这样做甚至无法通过编译——Rust 不允许在运行时出现任何奇怪的错误，从而消除了一大类不太容易预测的错误。
下面通过一个例子来说明 Rust 的这种方法，同时我会用 Python 的术语进行解释。
在上面的代码中，我们创建了一个自定义的异常，在 do_something 函数中抛出，而 main 函数会检查该异常。上面的代码跟 try/exept 基本上一样，只不过多了一些样板代码（这些样板代码是必须的，但以我现在的水平有点难以理解）。
你也许会说“肯定有更好的办法”，特别是如果你有很多 Python 经验的话，的确如此，我们将不得不使用包。
使用外部包
与其他行业相比，编程的最大优势就是可以使用别人构建的东西。如果你计划在程序中进行错误处理，那么有一个很好用的包 thiserror。Rust 的包管理器是 cargo。
Rust 中的包叫做 crate。安装方法为编辑目录下的 Cargo.toml 文件。在本例中，我们在 [dependencies] 后面添加 thiserror = "1.0" 就可以了。
然后可以像下面这样重写之前的代码：
现在代码看起来很正常。与一切从头开始相比，我更喜欢这种做法。
我花了四五年时间才找到用 Python 编程的乐趣，所以我也愿意多花些时间来探索 Rust 的高级功能。Rust 有许多错误处理的方法，而我喜欢更简单的方法。
我有意略过了一些简单的概念，比如“什么是 enum？” “pub 是什么意思？” “那些#标记是什么”等，因为你只需运行一下代码就能明白它们的意思。
一切看起来都还不错。那么，测试方面又如何呢？
编写测试
测试应该从单元测试和集成测试两个级别上着手。实现方法有好几种，虽然你可以把测试代码和 Rust 代码放在同一个文件中（这也是官方指南的推荐），但我还是希望用一个单独的文件夹来组织所有测试代码，这样可以减少阅读代码时的负担，也可以减少编辑文件时占用的屏幕面积。而且说实话，在编写测试和编写代码时，我的心情是不一样的。
方法之一如下：
然后可以用 cargo test 运行测试，结果如下：
还有许多值得展开讲的地方，但为了避免过于复杂，我们点到为止，这算是“帕累托最优”（又称80/20法则）。这让我想起了 pytest，一个能即刻提高舒适度的工具。
读取文件、运行一些代码并写入另一个文件
以上，我们讨论了一些最基本的问题：输出，调试，使用外部包，以及测试。下面，我们来做一些更有效率的事情：我们可以写一个程序来处理本地文件。下面的例子将会读取 CSV 文件，计算一些数值，然后将输出结果。
为了实现该程序，我们需要在 Cargo.toml 中添加以下两行设置：
csv="1.1"
serde={version="1", features=["derive"]}
你可以猜猜 main() 函数应该怎样写。
当然，这个程序还可以实现更多功能。如果你有一个非常复杂的 CSV 文件，则可以在 Rust 中调用 pandsa（pola.rs）来处理数据。我还需要进一步研究，不过似乎这种处理方法非常强大且高效。
我认为，与 Python 相比，Rust的 CSV 处理能力不相上下，除了它能自动反序列化之外。
最后，我们还可以添加一些测试，此处不再赘述。
发送 HTTP 请求
下面，我们来尝试发送基本的 HTTP 请求并处理结果。现在的绝大多数请求都需要处理 JSON。
在 Cargo.toml 中添加如下几行代码：
reqwest = { version = "0.11", features = ["json"] }
tokio = { version = "1", features = ["full"]}
serde_json = "1"这样就可以了，现在可以从 API 请求数据了。结合使用上面两个方法，我们可以获取数据，用 pola.rs 进行分析，然后将结果写入 CSV 文件中，同时保证内存安全。还记得 Python 需要循环才能实现这一点吗？在这方面 Rust 做得很好。
我相信，Rust 的生态系统会越来越大，以覆盖更多的用例，以后利用已有的 crate 实现这一切会易如反掌。
使用 SQLite
虽然在这篇文章中提到 SQLite 似乎有些奇怪，但我开发过的程序经常用到 SQLite。我很喜欢 SQLite，因为它是可移植的，非常有效，而且不需要任何维护。
用 Python 操作 SQLite 的问题永远是要不要使用 ORM。请不要误会，SQLAlchemy 非常优秀，但在进行非常小的操作时，用它就像杀鸡用牛刀了。而且 SQLAlchemy 带来的复杂性使它不适合小型嵌入式设备。
反之， Rust 可以在这方面大放异彩，网上有很多如何利用Rust操作 SQLite 的例子，我认为都非常不错。
举个简单的例子，别忘了在 Cargo.toml 中添加下面这行代码：
rusqlite = { version = "0.28.0", features = ["bundled"] }
该例子来自 rusqlite crate。当然，这只是冰山一角。但组合以上几种方法，就可以实现许多很有用的功能了。
总结
综合考虑，Rust 是一个非常优秀的语言，有许多优秀的包，非常感谢发明这门语言并为之努力贡献的开发者们。虽然这篇文章只是对 Rust 做了初步的探索，但我希望抛砖引玉，让初学者产生学习 Rust 的兴趣。
初次使用某种编程语言时，重点在于弄清楚语言本身能实现哪些功能，而不是背诵一篇完整的术语表。你不需要去理解 borrowing、继承或 traits 的具体含义，而应该跟随些入门文章按部就班地做一遍。
从无到有的难度远大于从一到十。
