第一章 Python入门导学

导学

核心知识点

• Python 的热度与历史

  • Python 并非近几年才诞生的「新语言」，其起源可追溯到上世纪 90 年代初，历史积淀深厚。
  • 近年来 Python 因大数据与人工智能的兴起才再次成为主流编程语言，被视作真正进入工业级应用。
  • 国内代表性 Python 产品案例：豆瓣、知乎。

• Python 在编程语言排行榜中的位置

  • 截止课程录制时点，Python 在 TIOBE 排行榜上长期位居第 4 位，仅次于 Java、C、C++。
  • Python 的排名上升速度非常快（注意：此节为 2017 年数据，时效已变化，实际排名以最新为准）。

• 本课程的内容安排

  • 主版本：Python 3.6（录制时点），后续版本为 3.8。
  • 重点 1：Python 基础语法，从变量、运算到函数式编程与高阶函数。
  • 重点 2：面向对象编程，不仅讲语法本身，更讲面向对象的思想。
  • 重点 3：Python 常见误区讲解，破除习以为常的认知错误。
  • 重点 4：Pythonic 语法，写出高性能、Python 风格的代码。
  • 重点 5：实战项目——从零实现一个爬虫（不借助第三方框架，只用基础语法）。

• 课程学习态度

  • 「了解语法是编程的兴趣条件，但精通语法是编程的必要条件」。
  • 基础不牢会导致编程过程出现「瓶颈」，影响效率与代码质量。
  • 课程主旨可以概括为三句话：
    1. 细致与境界
    2. 回归语言本质、打好基础
    3. Python 的语言境界

• Python 的核心特点（首印象）

  • 简洁：能用更少的代码表达同样的逻辑，例如交换两个变量：

    # 其他语言通常需要三行
    # tmp = x; x = y; y = tmp
    
    # Python 仅需一行
    x, y = y, x

  • 易学：相对其他语言简化了大量概念，适合作为入门或第二语言。

  • 应用广泛：像「空气」一样无孔不入，能解决大大小小的问题。

---

Python的特性

核心知识点

• 第一特性：Python 是众多编程语言中的一种

  • Python 并不是唯一的高级语言，市场上还有 Java、C#、PHP、JavaScript、Ruby、Rust 等众多选择。
  • 关键区分：Python 是「语言」，不是「框架」。语言是基础，框架是基于语言构建的工具集。
  • 开发应用必须选择一门语言，但不一定必须使用框架；选好语言后再叠加框架可大幅提升效率。

• 第二特性：语法简洁优雅，程序易读

  • Python 社区流传着一句经典名言：「Life is short, you need Python.（人生苦短，我用 Python）」。
  • 这种「简洁优雅」是大量练习和阅读后才能体会到的，需要在写代码的过程中亲身感受。

• 第三特性：跨平台

  • Python 可运行于 Windows、Linux、macOS 等主流操作系统上。
  • 现在绝大多数主流语言都已开源、跨平台，这一点 Python 表现稳定。

• 第四特性：相对容易学习

  • 编程学习者大致可分两类：
    • 专业开发者：把编程当职业，目标是找工作。
    • 非专业人群：把编程当工具，用来解决日常问题（如金融、统计与分析领域）。
  • 对第二类人群来说，Python 比 C/C++/Java 更易上手。

• 第五特性：丰富的标准库与第三方库

  • 例：写邮件发送程序 → 用标准库即可完成。
  • 例：开发可视化桌面应用 → 可选用 Python 的 GUI 库（如 Tkinter、PyQt）。

• 第六特性（最重要）：同时支持面向过程与面向对象

  • 面向对象是一种思想，可以用任何语言实现；但 Python 从设计之初就把面向对象作为一等公民。
  • 对比：Java 从设计之初就考虑了面向对象，使用非常自然；而很多动态脚本语言（如早期 JavaScript）实现面向对象比较别扭。
  • Python 的难能可贵之处：既支持面向对象编程，又对函数式编程提供了良好的语法特性，二者并不冲突。

---

我为什么喜欢Python

核心知识点

• 第一点：Python 简洁优雅的代码风格

  • Python 的代码风格独特、优雅，「比较小众」。
  • 国内代表性案例：
    • 豆瓣：产品整体风格与 Python 的气质高度一致。
    • 知乎：早期使用 Python 构建，社区风格也偏 Python 式。
  • 同样实现一个功能，不同语言写出的代码风格迥异，而 Python 体现的是「灵活、不拘一格」的美。

• 第二点：Python 之禅（The Zen of Python）

  • 通过 import this 即可在 Python 解释器中查看完整的 Python 之禅。
  • 这是 Python 的开发者留下的「写代码的指导思想」，类似编码规范，但比常规规范更抽象、更哲学。
  • 经典两条：
    • Simple is better than complex.（简洁胜于复杂）
    • Now is better than never. Although never is often better than right now.（做也许好过不做，但不假思索就动手还不如不做）
  • 「做也许好过不做」提示我们：写代码之前先思考方案，比边写边改效率更高，尤其对于复杂问题。

• 第三点：易学性（相对概念）

  • Python 容易上手，但要写出「优质代码」依然有难度。
  • 类比玩游戏：Python 入门像休闲游戏，很快能上手；但要做到精通仍需大量练习。

• 第四点：动态脚本特性 + 面向对象能力

  • 程序设计语言粗略可分两类：
    • 编译型语言（如 C/C++）：编译为机器码，运行效率高，但开发效率较低。
    • 动态解释型语言（如 JavaScript、Python）：无需声明类型，简单灵活。
  • JavaScript 是动态脚本语言，但面向对象支持在 ES6 之前并不自然。
  • Python 的独特价值：从语言设计开始就同时支持动态脚本特性 + 面向对象能力，二者兼顾。

---

Python的缺点

核心知识点

• Python 最主要的缺点：运行速度相对较慢

  • 比较对象是 C/C++/Java，在三者之中 Python 的总体运行效率偏低。
  • 但慢是相对的，并非慢到难以忍受。

• 编译型 vs 解释型 vs 中间代码型

  • 编译型语言（如 C/C++）：先编译为机器码，再执行。机器码非常接近底层硬件，所以运行效率高。
  • 解释型语言（如 Python、JavaScript）：每次执行都由解释器逐行解释运行，没有预编译过程，所以效率较低。
  • 中间代码型语言（如 Java、C#）：执行前会编译成中间代码（如 Java 字节码、.NET 的 IL），再由虚拟机解释执行。Java 和 C# 严格归类到编译型或解释型都不太合适。
  • 现代语言已不再严格区分编译型/解释型，分类方式并不绝对。

• 运行效率 vs 开发效率：鱼与熊掌不可兼得

  • C/C++ 接近底层 → 运行效率高 → 但需要处理很多底层 API → 开发效率低。
  • Python 属于高级语言 → 不关心底层调用 → 开发效率高。
  • 选择语言的判断标准：
    • 对性能要求极高（如操作系统、游戏引擎）→ 选 C/C++。
    • 对性能要求一般 → 更应关注开发效率 → 选 Python 等高级语言。
  • 硬件性能越来越强，「人的时间远比机器宝贵」，这是开发效率越来越被重视的原因。

• 真正决定程序快慢的，不是语言，而是程序员

  • 同样的语言，不同人写出的代码性能差异巨大。
  • C/C++ 的代码如果写得差，可能比 Python 还慢。
  • 类比：国家基础设施好不代表每个人都能跑得比别人快，基础设施好但个人能力不行，依然不行。

---

一个经典误区

核心知识点

• 经典误区：编程 = 网站/APP 开发

  • 很多人潜意识里把编程等同于前端开发或 APP 开发，这是非常常见的误区。
  • 实际原因：互联网公司、传统软件公司提供的职位大多与前端相关，造成这种认知偏差。
  • 但编程绝不等同于前端编程，世界上的编程应用远不止做网站。

• 为什么 Python 学习者尤其需要避免这个误区

  • 对学 Java / C# 的同学来说，这个误区影响不大，因为这些语言确实主要应用于前端。
  • 对 Python 学习者而言，Python 的应用场景极其广泛，绝不能只把它当成「做网站」的工具。

• 重新理解「前端」的概念

  • 在当前时代，前端已经是一项「基础能力」而非可选技能。
  • 任何有网络的地方都需要前端技术支持（前后端分离、数据接口服务、数据分析展示等）。
  • 即使是从事算法、数据分析、运维等工作，深入下去都会用到前端知识。

• 前端编程是最佳的语言学习实践方向

  • 只学习语法而不实践，很难真正掌握一门语言。
  • 前端编程需要：
    • 很强的业务逻辑思考能力；
    • 较宽的知识面（涉及的问题多且广）。
  • 建议：不管最终打算用 Python 做什么，都应该了解和学习前端编程。

---

Python能做些什么

核心知识点

• Python 的整体定位：几乎是「万能的」胶水语言

  • Python 几乎可以胜任任何你想做的编程任务。
  • 注意：「万能」是相对其他语言而言的，Python 在每个领域都谈不上绝对最强，但综合覆盖面最广。

• Python 的六大主流应用方向

  1. 爬虫

     • 互联网时代数据为王，爬虫是数据获取的核心手段。
     • 代表性产品：搜索引擎（百度、Google）、新闻聚合（今日头条）。

  2. 大数据 / 数据分析

     • 大数据处理生态中 Python 是重要一环。
     • 与爬虫配合，可完成端到端的数据流水线。

  3. 自动化运维 / 自动化测试

     • 体现 Python「工具属性」最典型的方向。
     • 示例场景：监控多个服务节点、自动告警、自动切换故障节点。

  4. Web 开发

     • 主流框架：Django、Flask（课程主讲这两个，但 Python 的 Web 框架远不止这些）。
     • 一般不必把所有框架都学一遍，选定一个深入即可。

  5. 机器学习 / 人工智能

     • 对非专业但有兴趣的入门者，Python 是最佳的入门语言。
     • 代表案例：Google TensorFlow 深度学习框架首选 Python，且 Python 是 Google 主推的开发语言。

  6. 胶水语言（Glue Language）

     • Python 可以轻松集成其他语言编写的现有组件（封装、胶水）。
     • 在系统升级或遗留系统对接时非常有用：不必重写老代码，用 Python 直接调用即可。

• 面对 Python 的正确姿态

  • 不要把 Python 当作「专业程序员的专属工具」。
  • 正确打开方式：遇到问题时随手拿起 Python，写个小工具解决问题。
  • Python 的价值在于「赋能各行各业」，而非仅限于软件开发。

---

课程内容与特点

核心知识点

• 课程三大特点

  1. 强调 Python 基础语法

     • 基础语法不是「看看资料就会」那么简单。
     • 看似简单的语法背后隐藏着大量国内资料未深入讲解的细节（如深浅拷贝、可变与不可变对象等）。
     • 编程遇到瓶颈时，最常见的原因之一就是基础语法不扎实。
     • 写同样一个功能，懂基础的人可能 1 小时搞定，不懂的可能 10 小时还做不完。

  2. 重点讲解「Pythonic」代码风格

     • 通过对比示例展示 Python 的简洁优雅：

       # C 语言风格：交换两个变量需要三行 + 一个临时变量
       # tmp = a; a = b; b = tmp
       
       # Pythonic：一行搞定
       a, b = b, a

     • 「Pythonic」远不止这一种写法，课程中还会介绍更多典型 Python 风格写法。

     • 学习一门语言，不应只满足于「能跑」，更应追求高性能 + 易读 + Python 风格。

  3. 引入数据结构知识

     • 数据结构是扎实编程能力的基础，跨语言通用。
     • 数据结构本身与具体语言无关，可以用 Python、Java、C++ 任一种实现。
     • 课程会演示如何用 Python 实现常见数据结构（如栈、队列、链表、树等）。

• 对学习者的核心建议

  • 当代开发者面临技术海洋：语言、框架、平台层出不穷。
  • 很多开发者疲于在不同语言间来回奔波，结果每种语言都「略懂但不精」。
  • 课程的期望：回归语言本质，把基础打扎实，享受语言本身的乐趣。
  • 当你把一门语言学精通后，再学其他语言会发现共通点，效率大幅提升。

---

Python的前景

核心知识点

• 关于编程语言前景的主观性

  • 任何人对「语言前景」的评价主观性都很强：你喜欢哪个语言，就会觉得它前景好。
  • 本节观点仅供参考，不作为绝对判断。

• TIOBE 指数的意义

  • TIOBE 只能反映某种语言当下的热度，不能完全真实反映市场价值。
  • 课程录制时数据（2017 年）：
    • Java：约 12%（第一名）。
    • C、C++：紧随其后。
    • C#：第 4。
    • Python：第 5，且近一年整体份额明显提升，从原来的 8~9 名稳步上升。
  • 注：以上数据已严重过时，实际最新排名以官方 TIOBE 榜单为准。

• Python 升温的两大原因

  1. 应用场景拓展

     • 早期 Python 多用于爬虫和小工具，少量用于 Web。
     • 数据时代来临后，Python 在大数据、人工智能方向的占比大幅上升。

  2. 现代项目对性能要求普遍降低

     • 不是所有项目都需要极致的运行性能。
     • 一旦性能要求不高，开发效率就成了更重要的指标。
     • Python 在开发效率上有明显优势，所以越来越多项目愿意选择 Python。

• 对未来的判断

  • Python 的应用领域会越来越广，不只局限于爬虫和 Web。
  • 大数据、人工智能的持续发展会让 Python 持续受益。
  • 关于「该选哪门语言」的问题没有标准答案，作者给出的个人答案是：Python。

---

1-9 课程维护与提问

核心知识点

• 课程代码会长期维护

  • 作者此前的小城等课程已维护一年以上，仍在持续更新。
  • 即使课程发布已久，相关代码与知识也会不断修订。

• 遇到问题时的正确做法

  • 建议先自己动手调试，而不是直接提问。
  • 课程内容经过精心准备，几乎没有明显错误。
  • 编程能力的本质就是自我解决问题的能力，只有自己调通才能获得真正的成就感。
  • 实在想不通时，可以暂时跳过或直接到课程提问区提问，作者会尽快答复。

• 课程持续优化

  • 好代码都是不断维护、重构、优化出来的。
  • 即使原代码没问题，作者可能想到更好的写法，会对课程做相应升级。
  • 课程的更新与代码重构都会记录在作者微信公众号「翎言有风」中，建议关注以便获取最新动态。

---

本章知识要点回顾

模块	核心概念	一句话总结
导学	课程定位、Python 历史与热度、TIOBE 排名	Python 热度持续上升，本课程聚焦基础语法、面向对象、Pythonic、误区讲解与爬虫实战
特性	语言 vs 框架、简洁优雅、跨平台、易学、库丰富、面向对象	Python 是「胶水型」高级语言，简洁优雅且生态丰富，从设计之初就支持面向对象
我为什么喜欢	Pythonic 风格、Python 之禅、动态+面向对象	Python 之禅「简洁胜于复杂」，Python 同时具备动态脚本特性与面向对象能力
缺点	运行慢、解释型 vs 编译型、运行效率 vs 开发效率	慢是相对的；现代项目更看重开发效率，而程序员水平才是性能的决定因素
经典误区	编程 ≠ 前端编程、前端是基础能力	Python 应用场景极广，绝不能只把它当成「做网站的工具」
能做些什么	爬虫、大数据、自动化运维/测试、Web、机器学习、胶水语言	Python 几乎是「万能的胶水语言」，正确打开方式是「随手写工具解决问题」
课程特点	基础语法、Pythonic、数据结构	课程强调回归语言本质，把基础打扎实，享受语言本身的乐趣
前景	TIOBE 趋势、应用拓展、开发效率优势	Python 排名稳步上升，应用领域越来越广，未来前景看好（个人推荐学 Python）

全章核心结论

1. Python 是什么：一门解释型、动态、强类型（Python 3 中）、多范式（面向对象 + 函数式 + 过程式）的高级编程语言。
2. 为什么学 Python：简洁优雅、应用广泛、开发效率高、生态成熟、对新手友好。
3. Python 的代价：运行速度相对较慢（但大多数项目不在乎）。
4. Python 适合谁：从专业开发者到普通办公人员，几乎所有用电脑的人都能受益。
5. 课程如何学习：重视基础语法、理解 Pythonic 风格、动手实践（爬虫实战）、持续迭代。
6. 正确打开 Python 的方式：遇到问题 → 随手拿起 Python → 写个小工具解决。

---