Prácticas recomendadas para bibliotecas esenciales
Un resumen condensado de las 25 prácticas más importantes para elegir y usar bibliotecas esenciales de Python, extraído de cada página de esta sección.
//
Busca en todas las páginas de la documentación
Un resumen condensado de las 25 prácticas más importantes para elegir y usar bibliotecas esenciales de Python, extraído de cada página de esta sección.
Prefiere httpx para nuevos clientes HTTP: Reutiliza Client/AsyncClient con Timeout explícito y raise_for_status() (httpx y requests).
Nunca bloquees asyncio con HTTP síncrono: Usa httpx.AsyncClient o asyncio.to_thread, no requests dentro de rutas FastAPI asíncronas.
Valida JSON en el límite HTTP: Analiza las respuestas con modelos Pydantic antes de la lógica de negocio; la deriva del esquema causa KeyErrors profundos.
Carga la configuración con pydantic-settings: Falla rápidamente ante secretos faltantes al inicio; usa extra="ignore" para detectar errores tipográficos (pydantic-settings).
Caché de fábricas de configuración: @lru_cache en get_settings() evita reanalizar el entorno por solicitud sin globales en tiempo de importación.
Reintenta solo fallos transitorios: Estrecha retry_if_exception_type en tenacity; no reintentes errores de cliente 4xx (tenacity).
Añade jitter al backoff: wait_exponential_jitter previene tormentas de reintentos sincronizados contra sistemas ascendentes en recuperación.
Empareja reintentos con claves de idempotencia: Especialmente para pagos y escrituras; los reintentos sin deduplicación aplican efectos secundarios dos veces.
Registra before_sleep en los reintentos: before_sleep_log hace que los bucles de reintento sean visibles en las herramientas de observabilidad.
Almacena UTC en bases de datos: Convierte con zoneinfo o pendulum en los límites de visualización, no con datetimes locales ingenuos (pendulum / arrow).
Aplica la transposición EXIF antes de las miniaturas: Las fotos del teléfono aparecen de lado sin ImageOps.exif_transpose (Pillow).
Limita los bytes antes de decodificar imágenes: Rechaza cargas superiores a un límite de tamaño para mitigar bombas de descompresión.
Lista blanca de formatos de imagen después de abrir: Confía en img.format de Pillow, no solo en el Content-Type del cliente.
Usa BytesIO en memoria para exportaciones de API: Los pipelines de openpyxl y reportlab no deberían requerir archivos temporales en disco (openpyxl / python-docx / reportlab).
Mantén las plantillas de informes en control de versiones: Los diseños de Word y PDF mantenidos como plantillas superan a las coordenadas codificadas.
Separa la obtención del análisis en los scrapers: Prueba los analizadores de BeautifulSoup contra fixtures HTML sin red (beautifulsoup4 & lxml).
Prefiere las API a la extracción de datos: Respeta robots.txt, límites de tasa y términos de servicio cuando el HTML sea la única fuente.
Usa el backend del analizador lxml para HTML grande: Más rápido y con menor uso de memoria que los analizadores puramente de Python a escala.
Las tareas de Celery pasan IDs, no objetos ORM: Serializa en JSON solo cargas primitivas (celery).
Configura serializadores JSON en Celery: Evita pickle; la deserialización arbitraria es un riesgo de seguridad.
Establece acks_late y prefetch bajo: Recuperación justa cuando los workers mueren a mitad de tarea sin perder mensajes del broker.
Usa Alembic para cambios de esquema: create_all es solo para desarrollo; producción necesita historial de migraciones (SQLModel / SQLAlchemy).
Estilo select() de SQLAlchemy 2.0: session.exec(select(Model)), no el legado session.query.
Salida humana enriquecida en stderr: Mantén stdout legible por máquinas cuando las CLIs canalizan datos (Rich & Textual).
Fija y audita dependencias: Bloquea versiones en pyproject.toml/uv.lock; revisa licencias transitivas y CVEs trimestralmente.
Estandariza en httpx por servicio; múltiples pilas de clientes multiplican las políticas de tiempo de espera y reintento.
Cuando las API fuerzan cadenas ISO 8601 UTC; usa datetime + zoneinfo y omite dependencias adicionales.
No; las BackgroundTasks de FastAPI y las colas en proceso manejan trabajo de menos de un segundo; Celery cuando necesites workers horizontales.
Haz coincidir el límite del framework web: SQLModel con FastAPI; Django ORM dentro de las aplicaciones Django.
Versiones de la pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+ y uv 0.6+.
Revisado por Chris St. John·Última actualización: 16 jul 2026