### 如何在 Python 中实现仅运行新增代码并从上次运行结果继续 要在 Python 中实现仅运行新增代码的功能，可以考虑以下几种方式： #### 方法一：利用时间戳记录文件更新状态 可以通过比较脚本的时间戳来判断是否有新的代码被添加到文件中。如果检测到新代码，则加载这些部分并执行。 以下是基于此逻辑的一个简单实现方案： ```python import os import time def get_last_modified_time(file_path): """获取文件最后修改时间""" return os.path.getmtime(file_path) def execute_new_code(last_run_timestamp, file_path="script.py"): """执行自指定时间之后的新代码""" current_modification_time = get_last_modified_time(file_path) if current_modification_time > last_run_timestamp: with open(file_path, 'r', encoding='utf-8') as f: lines = f.readlines() new_lines = [] for idx, line in enumerate(lines): # 如果某一行的创建时间晚于上次运行时间，则认为它是新增代码 if get_line_creation_time(idx, file_path) > last_run_timestamp: new_lines.append(line.strip()) exec("\n".join(new_lines)) # 动态执行新增代码 return current_modification_time def get_line_creation_time(index, file_path): """ 获取特定行的创建时间（简化版假设整个文件按顺序写入） 实际应用可能需要更复杂的解析机制。 """ return get_last_modified_time(file_path) if __name__ == "__main__": script_file = "your_script.py" try: with open("last_run_time.txt", "r") as f: last_run_time = float(f.read().strip()) # 上次运行结束时保存的时间戳 except FileNotFoundError: last_run_time = 0 # 初次运行，默认时间为0 latest_modification_time = execute_new_code(last_run_time, script_file) # 更新最后一次运行时间 with open("last_run_time.txt", "w") as f: f.write(str(latest_modification_time)) ``` 这种方法的核心在于通过 `os.path.getmtime` 函数监控目标脚本的变化，并动态加载和执行新增加的部分[^1]。 --- #### 方法二：分割模块化设计 另一种更为推荐的方式是将程序拆分为多个独立的小模块或函数。每次只需重新导入那些发生更改的模块即可完成增量式的开发测试流程。 例如，在项目结构如下所示的情况下： ``` project/ │ ├── main.py # 主入口文件 └── modules/ # 各功能子模块目录 ├── mod_a.py # 子模块A定义处 └── mod_b.py # 子模块B定义处 ``` 可以在 `main.py` 文件里这样调用各个组件： ```python if __name__ == '__main__': from modules import mod_a, mod_b mod_a.perform_task() # 调用mod_a中的任务处理方法 mod_b.another_function() # 调用mod_b里的另一个函数 ``` 当某个单独模块发生变化后再次启动应用程序时，Python 解释器会自动识别最新的改动内容而无需手动干预任何额外步骤[^2]。 --- #### 方法三：借助外部工具辅助分析差异 对于更加复杂或者频繁变动的大规模工程项目来说，单纯依靠内置手段难以满足需求。此时可引入专门用于版本控制与变更追踪的专业软件如 Git 等配合使用。 比如先提交初始版本至仓库后再做进一步调整操作前后的对比情况便能清晰可见从而便于精准定位哪些地方发生了改变进而决定是否有必要针对这部分区域单独构建对应的解决方案[^3]。 另外还可以尝试一些插件扩展服务帮助达成类似目的比如说 PyCharm IDE 提供的相关特性支持等等[^4]. --- ### 注意事项 无论采用哪种策略都需要注意保持良好的编码习惯以及合理的架构布局以便后期维护升级等工作顺利开展同时也要考虑到实际应用场景下的性能损耗等因素的影响做出权衡取舍最终选取最适合当前状况的办法去解决问题[^5]。