Python怎么定义常量：PEP 8全大写命名规范详解

在 Python 中定义常量的核心答案只有一句话：Python 语言在语法层面并未提供类似于 const 或 final 的关键字，常量的定义依赖于社区通用的 PEP 8 全大写命名规范，并通过静态类型检查（如 typing.Final）与模块化设计来达成工程约束。 理解这一规则的实现机理与防错实践，是写出健壮、易维护 Python 代码的基本功。

一、从语法报错说起：为什么 Python 没有 const 关键字

许多拥有 C、C++ 或 Java 背景的开发者初学 Python 时，常习惯性地写下如下代码：

# 试图在 Python 中声明只读常量
const MAX_CONNECTIONS = 100
# 输出：SyntaxError: invalid syntax

终端会立即抛出 SyntaxError: invalid syntax 错误。Python 解释器根本没有保留 const 作为保留字。在 Python 的对象模型中，所有变量本质上都是“指向堆内存对象的引用名称”（Names bound to Objects）。赋值操作执行的是引用重绑定，解释器在执行期不会检查当前名称是否被标记为“只读”。

Python 创始人 Guido van Rossum 秉承“大家都是成年人”（We are all consenting adults here）的哲学：语言本身不设置严格的访问屏障，而是将约束力交给明确的命名契约、文档规范以及自动化工程检查工具。

二、PEP 8 全大写命名规范的核心规则

为了让团队成员一目了然地知道“这个变量代表常量，不应在程序执行过程中被改写”，官方样式指南 PEP 8 明确给出了常量命名的书写标准：

• 完全大写字母与下划线相间：必须使用全大写字母（UPPER_CASE_WITH_UNDERSCORES），单词之间使用下划线分割。
• 放置于模块顶级作用域：常量通常在模块导入阶段初始化，放置在模块顶部的 import 语句之后、函数和类定义之前。
• 语义具体且严禁使用无意义缩写：名称应清晰描述业务边界，例如用 DEFAULT_TIMEOUT_SECONDS 代替模糊的 TIMEOUT 或 T。

# 符合 PEP 8 规范的常量定义示例
DATABASE_HOST = "127.0.0.1"
DATABASE_PORT = 5432
MAX_RETRY_COUNT = 3
HTTP_OK = 200

三、规范化落地的4个操作步骤

在实际生产项目中，定义和使用常量并非简单写几个全大写变量，而是有一套清晰的工程实施路径。从排查散落的字面量到建立集中式管理，一般包含以下四个具体阶段：

图1：Python 常量规范化定义的4个标准落地阶段

在具体编写项目时，推荐遵循以下工程组织方式：

1. 单文件局部常量：直接定义在 .py 文件的头部，紧随导入语句之后。
2. 跨模块全局常量：新建独立的 constants.py 文件进行统一管理。其他模块按需显式导入，例如 from constants import DATABASE_PORT，避免循环导入与重复赋值。

四、运行机制辨析：强约束语言 vs Python 约定驱动

理解 Python 常量机制的本质，在于认清“语法级物理只读”与“约定级逻辑只读”的差异：

图2：硬件级只读约束与 Python 软契约机制对比

在 Python 中，即便将变量命名为全大写的 TOTAL_COUNT = 10，如果某个函数内部强行执行 TOTAL_COUNT = 20，Python 解释器在运行时是不会抛出任何异常的。PEP 8 依赖的是人与人之间的协作信用，但这种“纯君子协定”在多人协作或大型工程中容易出现疏漏。因此，现代 Python 引入了更高维度的防范工具。

五、进阶防护：使用 typing.Final 强化静态检测

从 Python 3.8 开始，官方在 typing 模块中引入了 Final 修饰符（PEP 591）。这是目前 Python 最推荐的现代化常量声明方案：

from typing import Final

# 声明不可变常量，结合 PEP 8 全大写
SERVER_PORT: Final[int] = 8080
API_VERSION: Final = "v1.2.0"

# 如果后续不小心改写该常量：
SERVER_PORT = 9000

尽管在原生 Python 解释器直接运行上述代码时依然能通过，但主流开发工具与 CI 静态检查工具（如 PyCharm、VS Code Pylance、Mypy）会立即捕获异常并给出清晰报错：

# Mypy 静态检查输出结果示例
error: Cannot assign to final name "SERVER_PORT"  [misc]

通过将 mypy --strict 集成到持续集成（CI）流水线中，任何试图篡改常量的代码在 Git 提交或合并时都会被自动拦截，从而在工程层面获得了等同于 const 的防护效果。

六、常量组织与管理分层体系

除了标量数值与字符串，针对不同复杂度的业务常量需求，Python 社区形成了层次清晰的技术方案：

图3：Python 常量保护与管理方案分层架构

1. 离散常量集合：enum 模块

当多个常量表示同一类离散状态（例如支付状态、订单状态、请求方法）时，全大写的离散变量容易混入非法值。使用内置的 enum 模块是最优解：

from enum import Enum, unique

@unique
class OrderStatus(Enum):
    PENDING = 1
    PAID = 2
    SHIPPED = 3

# 枚举属性在运行时具有只读保护：
# OrderStatus.PAID = 100 会直接触发 AttributeError: Cannot reassign enum members

2. 复合配置对象：冻结数据类（Frozen Dataclass）

当系统拥有一整套配置参数（包含主机、端口、令牌等）时，将参数封装在不可变对象中更为安全：

from dataclasses import dataclass

@dataclass(frozen=True)
class AppConfig:
    DB_URL: str = "postgresql://localhost/app"
    MAX_WORKERS: int = 16

CONFIG = AppConfig()
# 尝试运行时修改属性：CONFIG.MAX_WORKERS = 32
# 抛出：dataclasses.FrozenInstanceError: cannot assign to field 'MAX_WORKERS'

七、技术选型决策树

面对具体的业务场景，如何选择最匹配的常量方案？可以通过下面的决策树进行对号入座：

图4：不同业务场景下的常量定义决策路径

八、常见误区与避坑提醒

总结

在 Python 中定义常量，并非寻找某个并不存在的隐藏语法，而是建立标准化的工程习惯：

• 对于单变量标量，统一遵循 PEP 8 全大写加下划线 命名。
• 在团队协同与生产库开发中，无条件加上 Final 类型注解 并接入静态分析流水线。
• 针对状态集与复合配置，选用 Enum 与 frozen dataclass 提供运行时物理只读保护。