实现“石头、剪刀、布”游戏
一天，我在一个 Python 技术群里看到一段有意思的讨论。讨论始于这么一个需求：
题目：写代码模拟“石头、剪刀、布”游戏。由玩家 A 和 B 随机进行 10 次游戏并打印结果。要求：用数字 0 来表示石头，1 表示剪刀，2 表示布。
紧跟着的，是一段实现了该需求的 Python 代码。如下所示：
import random
def game():
"""生成一局随机游戏，并打印游戏结果。"""
a = random.randint(0, 2)
b = random.randint(0, 2)
print(f"玩家 A：{a}，玩家 B：{b}")
if a == b:
print("平局")
elif a == (b + 1) % 3:
print("玩家 B 获胜")
else:
print("玩家 A 获胜")
if __name__ == '__main__':
for num in range(10):
print(f">>> Game #{num}")
game()
不难看出，代码实现需求的方式有一点巧妙，主要体现在 elif a == (b + 1) % 3 上。要推导出这行代码，原作者需要历经以下几步思考：
[石头, 剪刀, 布]分别对应 [0, 1, 2] 数字[石头, 剪刀, 布]这个排列顺序，刚好是前一个赢过后一个，比如“石头（0）”克“剪刀（1）”，由此推导出判断语句：a == (b + 1)- 到了“布”时，前一条规则回到了列表头：“布（2）”赢过“石头（0）”，由此推导出取模运算：
a == (b + 1) % 3
针对这段代码，大家当时主要争论的点是“性能”，即通过取模运算减少了分支后，对代码的执行性能有哪些影响。但我当时看到代码，脑子里冒出了另一个挥之不去的疑问：“这段代码真的实现了需求吗？”
毫无疑问，从执行结果来看，它的确实现了需求：
>>> Game #0
玩家 A：2，玩家 B：1
玩家 B 获胜
>>> Game #1
玩家 A：0，玩家 B：1
玩家 A 获胜
...
但问题的关键点在于，“实现需求”这个描述，实际上存在双重含义，而这份代码只满足了第一重。
“实现需求”的第一重含义是字面意义，它指代码是否满足了预期中的功能，面向的对象是普通用户。在这之外，隐藏着另一重更隐蔽的面向程序员的含义：是否能通过读代码来轻松还原需求。
代码的阅读体验不尽相同。当读到好代码时，我们可以轻松在大脑中描绘出需求的样貌，每行代码和原始需求之间，就像被一根根隐形的线连接了起来。借助代码这个媒介，需求晶莹剔透地展露在我们面前，丝毫毕现。
但是读糟糕的代码，就像是在充满污泥的池塘里寻找失物。需求藏身于浑浊的泥水里，轮廓模糊，让我们很难掌握它的踪迹。
如上所述，“实现需求”的第二重含义，指的是代码是否能将原始需求清晰地传递给读者。从这个维度看，上面的“剪刀石头布”代码远未达到要求。
改进“石头、剪刀、布”
为了能更好地“实现需求”，我重写了一份“石头剪刀布”的代码。如下所示：
import random
ROCK, SCISSOR, PAPER = range(3)
# 构建“赢”的基础规则：“我：对手”
WIN_RULE = {
ROCK: SCISSOR,
SCISSOR: PAPER,
PAPER: ROCK,
}
def build_rules():
"""构建完整的游戏规则"""
rules = {}
for k, v in WIN_RULE.items():
rules[(k, v)] = True
rules[(v, k)] = False
return rules
def game_v2(rules):
"""生成一局随机游戏，并打印游戏结果。"""
a = random.choice([ROCK, SCISSOR, PAPER])
b = random.choice([ROCK, SCISSOR, PAPER])
print(f"玩家 A：{a}，玩家 B：{b}")
if a == b:
print("平局")
elif rules[(a, b)]:
print("玩家 A 获胜")
else:
print("玩家 B 获胜")
if __name__ == '__main__':
rules = build_rules()
for num in range(10):
print(f">>> Game #{num}")
game_v2(rules)
新代码最主要的改动，在于将“石头剪刀布”的游戏规则显式表达了出来。 通过定义 WIN_RULE 字典，我们清晰向读者传达了整个需求中最重要的部分，也就是游戏规则本身：“石头克剪刀”、“剪刀克布”、“布克石头”。
剩下的所有代码，基本就是对这条重要信息的补充与扩展。比如通过 build_rules() 函数，将规则扩展为可直接求值的结果表；在分支语句中，直接访问 rules 获取结果。
不论是从哪一重含义上看，新代码都很好地实现了需求。
相关扩展
“石头剪刀布”的新版代码用到了“数据驱动”技巧——拿一份游戏规则表驱动了整个程序。这么做除了能让代码显式对齐需求以外，还有一些额外的好处。比方说，调整游戏规则变得很容易，修改 WIN_RULE 就行。
除了“数据驱动”以外，编程领域中还有许多思想和规范，实际上都在为“实现需求”的第二重含义服务。
良好的命名和结构
在写代码时，如果对变量和函数名多些斟酌，让它们更具描述性，就能有效降低人们理解代码的成本。试着对比下面这两段代码：
# 来自“石头剪刀布”旧版本
a = random.randint(0, 2)
b = random.randint(0, 2)
# 来自“石头剪刀布”新版本
a = random.choice([ROCK, SCISSOR, PAPER])
b = random.choice([ROCK, SCISSOR, PAPER])
新版本显然更好理解，更贴近“让 A 和 B 随机出拳”这个需求。与之相比，旧版本对 randint() 的使用很容易让人不明所以。
引入额外抽象
虽然过度抽象的代码也很糟糕，但在现实中，缺少抽象的代码还是更为常见。如果代码中缺乏抽象，需求的真相就会被淹没在无数细节中，哪怕是指甲片大点代码，也需要翻来覆去看才能懂。
因此，程序员们要善于利用各种工具（函数、类、模块）创建出恰当的抽象，从而让需求完美融入在代码中。
在处理一些上下文极为狭窄的小需求（比如解答一道算法题）时，人们尤其容易忽视抽象。他们倾向于只写一个函数，长篇累牍，将一切算法和逻辑一股脑塞进其中。
针对这类小需求，我们仍需要把第二重含义放在心上。必要时，拆分出一些小函数，这会让算法更易理解，也更好维护。
面向对象编程
面向对象编程流行起来的一个重要原因，在于它能很好地与现实世界里的模型对应，而需求正是藏身于这些模型和它们之间的关系中。
举个例子，在面向对象的世界里，我们可以轻松创建一个小鸭类，给它加上“嘎嘎叫”方法。读到代码的人能轻松识别我们的意图。
class Duck:
def __init__(self, name):
self.name = name
def quack(self):
print(f"{self.name}: Quack!")
Duck('Donald').quack()
# 输出：Donald: Quack!
但在函数式编程的世界里，同样是这只“呱呱叫”的鸭子，代码实现它的方式就更为曲折，表现需求的能力稍逊一筹。
领域驱动设计
在《领域驱动设计：软件核心复杂性应对之道》 一书中，作者 Eric Evans 第一次提出了“Ubiquitous Language（统一语言）”概念。“统一语言”指一种在开发人员和用户间通用的精确语言体系，它由项目中用到的各式各样的领域模型构成，通常由领域专家和开发人员共同制定。
“统一语言”对“实现需求”的第二重含义的贡献，在于它鼓励所有人使用同一套思维模型来沟通需求。借助这种统一性，开发人员最终产出的代码，就更可能贴近最原始的用户需求。
结语
“实现需求”之所以有着双重含义，在于代码有两类不同的消费者：普通用户和程序员。前者消费代码所实现的功能，并不关心代码本身。后者消费代码的可读性，因此代码是否能有效地自我诠释需求尤其重要。
通过阅读代码来理解需求，就像是双腿站立于池塘中寻找一块手表。优秀的代码如同一池清水，我们透过它，一眼就能看到手表正安静地躺在池底，钻石般的表盘在阳光下熠熠生辉。
😊 如果你喜欢这篇文章，也欢迎了解我的书： 《Python 工匠：案例、技巧与工程实践》 。它专注于编程基础素养与 Python 高级技巧的结合，是一本广受好评、适合许多人的 Python 进阶书。