Öffentliches Register
Software-GesundheitsberichtSchema 0.16.0 · Metriken 2.10.0 · 2026-07-21 02:46 UTC

adamchainz / flake8-comprehensions

❄️ A flake8 plugin to help you write better list/set/dict comprehensions.

PythonMIT★ 466 Sterne⑂ 22 Forksseit Apr. 2016Auf GitHub ansehen ↗

adamchainz/flake8-comprehensions erreicht einen Gesundheitsindex von 77 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Engineering Quality (79/100) ab, am schwächsten bei AI Readiness (52/100). Zuletzt vor 14 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

77
gesamt / 100
Gut

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

77
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 66 wird auf der veröffentlichten Indexskala auf 77 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Adam JohnsonPersönliches Konto
3.952 Follower1.350 öffentliche Reposseit Juni 2011@django, @djangolondon

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIflake8-comprehensions3.17.0-42vor 314 Tagencomprehensionsdict-comprehensionflake8list-comprehensionset-comprehension

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

54Mittel · 21 % des Gesamtindex
Wie die Bewertung erfolgt
28.8/36Push-Aktualitätletzter Push vor 14 Tagen
11.8/36Commit-Rhythmus17/52 Wochen mit Commits
13.4/18Commit-Volumen30 Commits im letzten Jahr
3/10OpenSSF Scorecard: Maintained4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
Verwendete Eingangsdaten
commits_last_year30
human_commit_share
days_since_last_push14
active_weeks_last_year17
Wie die Bewertung erfolgt
16.2/27Liefert Releases aus42 Versions-Tags (keine GitHub-Releases)
16.2/36Release-Aktualitätletztes Release vor 314 Tagen
12.6/27Release-Rhythmusein Release etwa alle 134,4 Tage
0/10OpenSSF Scorecard: Signed-Releaseskeine Daten
Verwendete Eingangsdaten
releases_count42
latest_release_tag3.17.0
releases_from_tagsja
days_since_latest_release314
mean_days_between_releases134,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

61Mittel · 17 % des Gesamtindex
Wie die Bewertung erfolgt
43.3/60Stars466 Stars
11/25Forks22 Forks
3.3/15Watcher5 Watcher
Verwendete Eingangsdaten
forks22
stars466
watchers5
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenzanerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_services
has_pull_request_templatenein

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

68Gut · 23 % des Gesamtindex
Wie die Bewertung erfolgt
9/54Bus-Faktor1 Beitragende decken die Hälfte aller Commits ab
6.1/22.5Commit-Verteilungwichtigste beitragende Person verfasste 73 % der Commits
13.5/13.5Breite der Beitragenden15 Beitragende
10/10OpenSSF Scorecard: Contributorsproject has 16 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled15
top_contributor_share0,73
Wie die Bewertung erfolgt
37.9/42Issue-Lösungsquote90 % der Issues geschlossen
29.1/30PR-Annahme572/590 entschiedene PRs gemergt
0/13Newcomer PR acceptancekein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-ReviewFound 0/14 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs572
open_issues6
closed_issues56
prs_merged_7d
prs_decided_7d
prs_merged_30d
prs_decided_30d
issue_closed_ratio0,903
closed_unmerged_prs18
first_time_authors_30d
first_time_prs_merged_30d
first_time_prs_decided_30d
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaftpersönliches (Nutzer-)Konto
0/20Verifizierte Domainfür Nutzerkonten nicht anwendbar
25/25Reichweite des Inhabers3.952 Follower von adamchainz
25/25Kontohistorie1.350 öffentliche Repos, Kontoalter ca. 15 Jahre
Verwendete Eingangsdaten
followers3.952
owner_typeUser
is_verified
owner_loginadamchainz
public_repos1.350
account_age_days5.512
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

91Exzellent
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar1 Paket(e) auf pypi
26/35Veröffentlichungsaktualitätletzte Veröffentlichung vor 314 Tagen
20/20Versionshistorie42 veröffentlichte Versionen
20/20Nicht veraltetaktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesflake8-comprehensions
ecosystemspypi
any_deprecatednein
min_days_since_publish314

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

79Gut · 19 % des Gesamtindex

Engineering-Praktiken

98Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows1 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfigurationtox.ini
9.6/9.6Pre-Commit-Hooks
6.4/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests28 out of 29 merged PRs checked by a CI test -- score normalized to 9
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfigja
has_linter_configja
has_precommit_configja
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
10/10Topics1 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsflake8
has_wikinein
homepage
docs_site
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

70Gut · 16 % des Gesamtindex
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifactsno binaries found in the repo
0/7.5Branch-Protectionkeine Daten
2.2/2.5CI-Tests28 out of 29 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0/7.5Code-ReviewFound 0/14 approved changesets -- score normalized to 0
2.5/2.5Contributorsproject has 16 contributing companies or organizations
10/10Dangerous-Workflowno dangerous workflow patterns detected
7.5/7.5Dependency-Update-Toolupdate tool detected
0/5Fuzzingproject is not fuzzed
2.5/2.5Lizenzlicense file detected
2.2/7.5Maintained4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
5/5Packagingpackaging workflow detected
5/5Pinned-Dependenciesall dependencies are pinned
0/5SASTSAST tool is not run on all commits -- score normalized to 0
4.5/5Security-Policysecurity policy file detected
0/7.5Signed-Releaseskeine Daten
0/7.5Token-Permissionsdetected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisorieskeine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisorieskeine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisorieskein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages4
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:flake8-comprehensions@3.17.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 4 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

52Mittel · 4 % des Gesamtindex
Wie die Bewertung erfolgt
0/45Agentenanweisungenkeine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historiekeine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url
legible_history_share
agent_instruction_files
agent_instruction_max_bytes
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfigurationtox.ini
11/11Statische Typprüfungsrc/flake8_comprehensions/py.typed
10/10Reproduzierbare Umgebunglockfile
0/10Belegte Agentenpraxiskeine Daten
0/8Automatisierte Wartungkeine Daten
10/10OpenSSF Scorecard: Pinned-Dependenciesall dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_files
has_devcontainernein
has_linter_configja
typecheck_configssrc/flake8_comprehensions/py.typed
agent_commit_share
toolchain_manifests
dependency_bot_commit_share
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.
Wie die Bewertung erfolgt
27/45Typprüfbarer CodePython mit Typprüfungs-Konfiguration (src/flake8_comprehensions/py.typed)
55/55Handhabbare Dateigrößen0/3 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes27.912
source_files_sampled3
oversized_source_files0

Eckdaten

466GitHub-Sterne
15Mitwirkende
30Commits, letzte 12 Monate
14Tage seit letztem Push
42Releases
1Bus-Faktor
6offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 6.3 / 10
6.3Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-07-21 02:45 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
9CI-Tests28 out of 29 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/14 approved changesets -- score normalized to 0
10Contributorsproject has 16 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
3Maintained4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
0SASTSAST tool is not run on all commits -- score normalized to 0
9Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 1
RegistryPaketVersionsvorgabeManifest
PyPIflake8>=3,!=3.2pyproject.toml
Alle Abhängigkeiten 17

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 1 direkte und 16 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIflake87.3.0direkt
PyPIcolorama0.4.6indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIflake8-comprehensions3.17.0indirekt
PyPIiniconfig2.3.0indirekt
PyPImccabe0.7.0indirekt
PyPIpackaging26.2indirekt
PyPIpluggy1.6.0indirekt
PyPIpycodestyle2.14.0indirekt
PyPIpyflakes3.4.0indirekt
PyPIpygments2.20.0indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-flake8-path1.7.0indirekt
PyPIpytest-randomly4.1.0indirekt
PyPIsetuptoolsindirekt
PyPItomli2.4.1indirekt
PyPItyping-extensions4.15.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:flake8-comprehensions@3.17.0 zieht 4 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.16.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte StatistikenPyPI.