[python]-基础语法很多朋友学Python第一件事就是买书、看视频、装环境然后一头扎进爬虫、数据分析或者Web框架里。写了几百行代码之后突然遇到一个诡异的报错排查半天发现是基础语法理解有偏差——这种情况我见过太多太多了。所以“基础语法”这四个字在我看来不是入门那么简单它决定了你后面写的代码是“能跑”还是“好维护”。这篇内容我结合自己这几年写Python、帮同事调代码的经验把基础语法里最容易踩坑、最值得玩味的部分重新梳理了一遍。不是教科书式的罗列而是把每个知识点背后的“为什么”讲清楚。无论是刚接触Python的新手还是写过一阵子想回头补基础的朋友这篇都会对你有实实在在的帮助。1. 内容整体设计与思路拆解1.1 为什么基础语法值得专门花时间重看Python的语法出了名的简洁很多从C、Java转过来的朋友会觉得“这不就是抄作业吗”。但语法写在纸面上简单真正在代码里用对、用活是另一回事。我见过不少初学者的代码功能倒是实现了但变量名满天飞、函数又长又臭、列表操作全靠for循环硬怼。这些问题的根源不在“不认真”而是对基础语法的理解停留在“会用”层面没有到“为什么这么设计”层面。举个例子列表推导式很优雅但你用嵌套列表推导式生成二维数组时如果不知道变量作用域的细节很容易写出一个改一个值、整行跟着变的坑。这个坑不在语法本身而在对基础机制的理解上。所以这篇内容的整体思路是按照变量、运算符、流程控制、函数、数据结构、异常处理、文件读写这条主线把每一块基础语法拆开揉碎重点放在“易错点”和“隐藏细节”上配合可以直接复制运行的示例代码让你在看的过程中顺手就把基础缝补扎实了。1.2 本篇内容的适用范围与学习建议这篇不是完整的手册Python官方文档那套东西想看随时可以看。我整理的这些内容核心围绕“实战中反复出现的语法细节”展开。适合的人群分三类第一类是刚学Python不久的新手建议从头到尾看一遍把示例代码在本地跑一跑第二类是已经写了半年以上Python、但总觉得自己的代码不够健壮的开发者可以直接挑自己模糊的章节看比如可变对象、装饰器相关的基础铺垫第三类是准备面试的朋友基础语法部分是面试高频区把这里面的易错点过一遍比盲目刷题更有针对性。学习的时候有个小建议每看完一个小节尝试不看代码用自己的话把核心概念写一遍。写不出来的就是还没吃透的地方回头再看一遍印象会深很多。2. 变量、数据类型与内存模型从源头理解动态类型2.1 动态类型与变量绑定的真实含义Python是动态类型语言这个谁都知道。但“动态类型”具体意味着什么我经常用一个比喻解释变量名是贴在对象上的便利贴而不是装对象的盒子。a 1024 b a a 2048 print(a) # 2048 print(b) # 1024很多新手对这段代码有疑惑b不是复制了a吗为什么a变了b不变关键就在于“便利贴”模型。第一行把整数对象1024创建出来贴上标签a第二行只是把b这个新标签贴到了同一个对象1024上第三行创建了新的对象2048把a标签撕下来贴过去。整个过程b从未离开过1024所以它自然还是1024。理解了这一点再看不可变对象和可变对象的区别就容易多了。整数、字符串、元组是不可变的意味着你无法修改对象内部的内容任何“修改”操作其实都是创建新对象。而列表、字典、集合是可变的你可以在原对象内部增删改不用创建新对象。x [1, 2, 3] y x x.append(4) print(x) # [1, 2, 3, 4] print(y) # [1, 2, 3, 4] —— y也被改了两个名字指向同一个列表对象这个例子是最经典的“可变对象共享引用”陷阱。如果两个名字指向同一个列表通过其中一个名字修改内容另一个名字看到的是同样的变化因为它们本来就是一个东西。2.2 小整数缓存与对象复用的实际影响Python内部对小整数通常是-5到256做了缓存。也就是说这个范围内的整数对象是预先创建好的程序里每次使用相同的小整数拿到的都是同一个对象。a 256 b 256 print(a is b) # True c 257 d 257 print(c is d) # 可能是False取决于具体实现这在实践中有什么影响如果你用is来比较整数在小范围内运气好结果是对的超出范围就可能出错。所以整数比较一律用is只用来和None比较这是Python社区的共识也是面试高频考点。字符串也类似。Python会对某些短字符串做intern驻留优化但规则并不对外公开不同版本、不同环境下行为可能不同。所以字符串比较同样用不要图省事用is。2.3 常用数据类型的使用要点列表有序可变集合存储的是对象的引用不是对象本身。也就是说列表里可以混装任意类型的对象。元组有序不可变集合一旦创建就不能增删改元素。但注意如果元组里装的是可变对象比如列表那个列表内部还是可以修改的。字典键值对集合Python 3.7之后保持插入顺序。键必须是可哈希对象所以列表不能当键元组可以前提是元组内不装不可哈希的东西。集合无序不重复元素集合底层是哈希表查找效率极高适合去重和成员判断。每个类型单独拿出来都有很多细节后面第6章会专门展开讲数据结构的选择问题。这里先把内存模型这个底座打好。3. 运算符与表达式优先级、短路与隐藏行为3.1 运算符优先级速查与记忆方法运算符优先级是基础语法里最容易“写的时候感觉没问题、跑起来结果不对”的部分。Python的运算符优先级从高到低核心记忆可以记住一条链() 算术 比较 not and or 赋值举个例子print(2 3 * 4) # 14先乘后加 print(True or False and False) # True先and后or print(not True or True) # Truenot优先级高于or实际写代码的时候我个人的习惯是即使记得优先级也会给关键位置加上括号。不是不信任优先级规则而是代码是给人读的加括号能让阅读者不需要在脑子里重新算一遍优先级。这算是一种“防御性编程”在团队协作里非常实用。3.2 布尔运算的短路策略与返回值陷阱Python的and和or有个重要特性短路求值。and左边为False时右边根本不会执行or左边为True时右边也不会执行。这在编写需要“条件满足才执行某操作”的逻辑时很有用但也是潜在陷阱的来源。更值得注意的是Python的and和or返回的并不是布尔值True/False而是参与计算的两个对象之一。result 0 or 默认值 print(result) # 默认值 result2 有值 and 100 print(result2) # 100and返回最后一个值这个特性让代码可以写得很简洁比如给变量设默认值name input_name or anonymous意思是如果input_name为空字符串falsy就用anonymous。但问题来了如果你本来想保留空字符串用or就会出错。所以or赋默认值的套路只适用于明确“空值即无效”的场景。3.3 链式比较与成员判断的实用写法Python支持链式比较这语法糖用起来很香x 15 print(10 x 20) # True比写成 10 x and x 20 优雅得多还有in运算符判断成员关系name 张三 print(张 in name) # True子串判断 print(张 in [张三, 李四]) # True列表成员判断is和的区别前面已经提了这里再强调一次比较“内容是否相等”is比较“是否是同一个对象”。日常业务逻辑里几乎都用。用is的场景只有判断单例对象比如x is None。4. 流程控制if、for、while与推导式的进阶用法4.1 条件判断的书写习惯与常见误区if语句本身很简单但写得好不好、判断条件选择合不合理直接关系代码质量。首先Python中一切对象都可以作为布尔值使用。if x:和if x True:是完全不同的。前者判断的是x的真假性后者拿x和True做相等比较。在实际代码中判断条件要尽量写得“像人话”。# 推荐的写法直接判断可迭代对象是否为空 if my_list: # 列表非空时执行 if not my_list: # 列表为空时执行很多从Java转过来的程序员习惯写if len(my_list) 0这在Python中不是不行但不够Pythonic。Pythonic的表达是直接利用对象的真值性代码更简洁可读性也更好。注意一个细节if后面跟的表达式如果是非布尔类型Python会隐式调用bool()进行转换。0、空字符串、空列表、空字典、None都会转换成False其他基本上都是True。4.2 for循环的本质与range的三种用法for循环在Python中本质上是在迭代一个迭代器而不是像C语言那样按索引操作。理解这一点很多问题就通了。for item in [a, b, c]: print(item)这里item在每次迭代中依次绑定到列表的每个元素上。如果你在循环体内修改item并不会影响列表本身——因为item只是一个局部绑定变量。range是Python中生成一系列整数用的内置函数三种常见用法range(5) # 0 到 4 range(2, 8) # 2 到 7 range(2, 10, 2) # 2, 4, 6, 8注意range(5)生成的是0到4不包含5。这跟切片规则一致Python的所有区间都是左闭右开包含左边不包含右边。这个规则刚接触时需要适应但一旦习惯了你会发现它在消除边界歧义上很有优势。for循环还有个冷门但好用的语法for...else。else块在循环正常结束没有被break跳出时执行。for n in [2, 3, 5, 7]: if n 3: break else: print(整个循环没有触发break)这个语法在“寻找某元素找不到就做兜底处理”的场景下非常简洁不用额外设置flag变量。不过这个语法可读性带点争议团队协作时最好在注释里说明。4.3 推导式简洁背后的两个易错点列表推导式是Python极具表现力的特性但使用时有几个容易踩的坑。第一个坑嵌套推导式的可读性问题。matrix [[row[col] for row in matrix] for col in range(len(matrix[0]))]这种写出来过一个月再看就会头疼。我的建议是嵌套条件超过一层或者推导式后面跟着多个for子句就老老实实分步写用普通循环代替代码可读性优先于“秀操作”。第二个坑推导式中的变量作用域泄漏。x 100 squares [x ** 2 for x in range(5)] print(x) # 在不同Python版本中结果可能不同旧版会泄漏为4Python 3已经修复了推导式的变量泄漏问题但如果你看过旧版Python的代码还是要警惕这个习惯。另外推导式适合构建新序列不适合做有副作用的操作。在推导式里调用函数来改外部状态看起来省了几行实际上把副作用藏在了表达式中排查问题时会很痛苦。4.4 while循环与循环控制语句的取舍while在Python里使用频率低于for但有些场景非它不可比如条件依赖运行时状态的情况。data while not data.endswith(END): data input(请输入内容以END结束)break提前退出循环continue跳过本次循环剩余部分。这两个控制语句很直观但要注意避免写出过于复杂的嵌套循环加break组合。我的经验是循环超过两层就该考虑把内层逻辑提炼成函数用一个“提前return”代替深层的break代码会清爽很多。5. 函数参数传递、作用域与设计习惯5.1 参数传递的真相传对象引用Python函数的参数传递官方说法叫“传对象引用”。意思是实参传递时把实参所引用的对象传给形参形参和实参指向同一个对象。如果对象是可变类型函数内修改对象会影响外部如果对象是不可变类型因为无法修改看起来就像值传递。def process(seq): seq.append(new) # 修改列表本身 my_list [1, 2, 3] process(my_list) print(my_list) # [1, 2, 3, new] —— 外部列表被改了那如果不想影响外部呢传入前拷贝一份副本process(my_list.copy())或者函数内部不修改入参而是先拷贝再处理。这是函数式编程习惯的核心入参尽量只读如需修改就拷贝返回新结果。这样函数的副作用变小代码的可测试性大大提升。5.2 默认参数的隐藏陷阱与正确姿势默认参数是Python新手最容易踩的坑之一就是“可变对象作为默认参数”。def add_item(item, target[]): target.append(item) return target print(add_item(1)) # [1] print(add_item(2)) # [1, 2] —— 竟然不是 [2]原因很简单默认参数在函数定义时只被创建一次之后的每次调用如果没有传入实参用的都是同一个列表对象。第二次调用时这个列表已经被第一次调用改过了。正确姿势是默认参数用None占位函数内部再创建可变对象。def add_item(item, targetNone): if target is None: target [] target.append(item) return target这是Python面试题里的常客也是实际开发中必须掌握的写法。5.3 作用域规则LEGB与global、nonlocalPython中的作用域遵循LEGB规则局部Local→ 嵌套Enclosing→ 全局Global→ 内置Built-in。变量查找时从内往外一层层找。x global def outer(): x outer def inner(): x inner print(x) # inner inner() outer()如果你想在函数内修改全局变量光赋值不行x 10 def change(): global x x 20 change() print(x) # 20注意Python中没有声明global x就直接在函数里给x赋值会创建一个新的局部变量x而不是修改全局x。这是个非常容易绕晕的点。嵌套函数中修改外层变量用nonlocaldef outer(): count 0 def increment(): nonlocal count count 1 increment() print(count) # 1搞清楚作用域规则写闭包、写装饰器都会顺畅很多。很多人在装饰器那一步卡住回头发现就是这里的作用域理解不够透彻。5.4 可变参数与关键字参数的组合规律*args收集位置参数拿到的是一组元组**kwargs收集关键字参数拿到的是一个字典。def record(name, *args, **kwargs): print(name) # 必填参数 print(args) # 剩余的位置参数 print(kwargs) # 剩余的关键字参数 record(张三, 18, 180, city上海) # name张三, args(18, 180), kwargs{city: 上海}定义函数时综合使用它们的顺序是必填参数、*args、默认参数、**kwargs。调用时位置参数在前关键字参数在后。传递参数时的解包技巧也很有用def point(x, y): return x y coord (3, 5) print(point(*coord)) # 8把元组解包成x和y p {x: 3, y: 5} print(point(**p)) # 8把字典解包成关键字参数6. 数据结构列表、元组、字典、集合的选择思考6.1 数据结构核心对比Python标准库里开发最常用的四种数据结构各有用武之地选择对了代码效率和可读性都会好很多。列表需要保持顺序、需要频繁追加元素的场景首选。元组数据固定不变、需要作为字典键、或者希望从语义上表明“这个数据不可修改”的场景。字典键值对应关系需要快速通过键查找值的场景。集合去重、快速判断成员是否存在、集合运算交集、并集、差集。选择的核心原则就一条根据你的主要操作类型选数据结构。频繁查找用字典或集合保持顺序和迭代用列表数据不可变用元组。6.2 字典与集合的底层逻辑哈希表字典和集合之所以查找快是因为底层实现了哈希表。插入和查找的平均时间复杂度是O(1)。Python会先对键计算哈希值根据哈希值定位到存储位置。这也解释了两件事第一哈希对象必须是不可变的因此列表不能作为字典键第二自定义对象作为字典键时需要注意__hash__和__eq__的实现一致性——如果两个对象相等它们的哈希值必须相等否则字典查找会出问题。元组可以作为字典键前提是元组内的所有元素也都是哈希对象。如果元组内装了列表那它就不满足哈希条件不能作为键。6.3 常见操作的性能直觉给新手一个简单的性能直觉参考检查列表中是否存在某元素O(n)数据量大时是性能瓶颈。检查字典或集合中是否存在某键O(1)几乎不受数据量影响。在列表头部插入元素O(n)因为后面所有元素都要挪位置。在列表尾部追加元素O(1)所以能用append就不要用insert(0, ...)。如果代码里频繁出现“判断某元素在不在一个大列表里”把它换成集合性能提升非常明显。这块如果是做数据处理或者后台服务碰到大数据量时能救命。7. 异常处理代码健壮性的第一道防线7.1 try-except-else-finally的完整结构与执行顺序异常处理的完整语法是try: # 可能出错的代码 result int(abc) except ValueError: # 捕获指定异常进行兜底处理 result 0 else: # try块没有抛出异常时才执行 print(转换成功) finally: # 无论是否异常最后一定执行 print(收尾工作)执行逻辑是先跑try如果抛出异常就去匹配except如果一切正常else才会执行finally无论什么情况都会执行哪怕函数里有return也一样。finally适合放关闭文件、关闭连接这类的清理工作。7.2 捕获异常的正确姿势精准优于广泛异常捕获最容易犯的错误是直接写except:,连异常类型都不指定。这种写法会吞掉所有异常包括你想不到的系统错误和编程错误比如KeyboardInterrupt用户按CtrlC想中断程序也会被它吞掉。# 不推荐的写法 try: do_something() except: pass # 压制一切异常问题被掩盖 # 推荐的写法只捕获你预期会发生的异常 try: do_something() except ValueError: handle_value_error()还要注意异常类型的继承关系。比如IndexError是LookupError的子类KeyError也是。如果你先写except LookupError再写except IndexError后者永远也不会执行因为前者已经捕获了。捕获顺序要从小到大、从具体到宽泛。7.3 自定义异常的设计习惯业务代码里自定义异常能让排查问题容易很多。方法很简单继承Exceptionclass InsufficientBalanceError(Exception): 账户余额不足 def __init__(self, balance, amount): self.balance balance self.amount amount super().__init__(f余额不足需要 {amount}当前余额 {balance}) raise InsufficientBalanceError(balance100, amount500)异常信息里带上关键上下文参数排查时可以少打很多日志。定义业务异常时名字尽量反映异常场景不要全用通用命名。7.4 异常处理的实际经验我写异常处理有三个习惯第一不要用异常控制正常的业务流程。判断条件用if就够了异常是用来处理“非预期情况”的。比如判断用户输入是否合法用条件判断而不是try转int然后捕获异常。第二在入参边界处尽快验证。函数开头就做参数合法性校验不合法直接抛异常不要让脏数据在代码里传了好多层才被发现。第三日志要带上异常堆栈。logger.exception(...)或者except Exception as e: print(e)的完整堆栈比单独打一条e能提供的信息多得多。8. 文件读写与路径处理实践中绕不开的阵地8.1 使用with open的标准姿势文件读写最标准的写法是使用with语句它能自动管理文件关闭。即使中间抛了异常文件也能被正确关闭不需要手动调close。with open(data.txt, r, encodingutf-8) as f: content f.read()第一行读取全文件内容适合小文件。大文件用逐行读取更省内存with open(large_log.txt, r, encodingutf-8) as f: for line in f: process(line)8.2 文件打开模式的完整备忘r只读文件不存在会报错。w写入文件不存在会创建存在的文件内容会被清空。a追加文件不存在会创建指针在末尾。x独占创建文件已存在直接报错适合防止覆盖。rb/wb二进制读写适合图片、音频等非文本文件。r读写不会清空文件。w读写会清空文件。一个实际教训用w覆盖写时如果数据还没准备好文件内容就没了。如果希望原子性更强一般写法是先写入临时文件再rename覆盖原文件。8.3 编码问题与路径处理避坑磁盘上文本文件的编码跨平台时必须明确指定。不加encodingutf-8时Python依赖系统默认编码在Windows上写出来的中文文件很容易乱码。路径建议用标准库pathlib.Path相比字符串拼接优雅得多from pathlib import Path base_dir Path(data) report_path base_dir / 2025 / report.txtPath对象处理路径分隔符不依赖操作系统Linux和Windows上都能正确工作跨平台开发时非常省心。9. 基础语法常见报错与排查技巧速查表9.1 高频报错对照表把实际开发中最高频的基础语法报错整理成了一个对照表排查时可以照着查报错信息常见原因排查方向SyntaxError: invalid syntax标点符号缺失、括号不匹配、关键字拼错检查上一行结尾缩进是否存在混用空格和TabIndentationError缩进不一致Tab与空格混用统一缩进风格建议每个缩进层级用4个空格NameError: name x is not defined变量未定义或定义在作用域之外检查变量赋值语句是否执行过检查拼写TypeError: int object is not callable变量名覆盖了内置函数或类名然后用它当函数调用检查是否定义了len 5这样的赋值IndexError: list index out of range访问列表的索引超出长度打印列表长度确认索引在0到len-1之间KeyError字典中不存在该键用dict.get(key, 默认值)代替dict[key]ValueError: invalid literal for int()字符串无法转换为整数先确认字符串内容是否符合预期格式AttributeError: NoneType object has no attribute xxx某个函数返回None又接着调方法在调用处print返回值或加类型判断UnboundLocalError函数内对全局变量赋值但没声明global需要时加global x9.2 排查技巧实录排查语法类报错最重要的技巧就是看报错信息里的行号和文件名。Python的报错信息会明确告诉你出错位置。但有个坑有时候真正的错误在报错行的上一行或前几行比如上一个函数调用漏了右括号导致解释器理解错位。我的排查习惯是先看报错行再往上看几行代码结合上下文推断意图。如果报错是SyntaxError且位置诡异优先检查引号、括号、冒号是否成对出现。编辑器里的语法高亮也能帮上忙——高亮颜色突然变异常那行附近往往就有问题。遇到UnboundLocalError多半是不小心在局部作用域里给变量赋值了解决办法要么改名要么加global或nonlocal声明。9.3 防患于未然的编码建议从根源上减少语法错误靠的是一个好习惯写完一段代码立刻跑起来看结果。python script.py不要攒着一堆代码最后一次性运行。小步快跑的验证方式让问题在最早就被暴露出来。配合调试技巧比如在关键位置临时加print()打印中间状态或者用pdb断点调试能大幅缩短排查时间。10. 实操总结从语法细节到代码习惯最后想说点实在的。基础语法这件事很多人觉得“看过一遍就会了”但写代码和读懂代码是两码事。拿我个人为例每次重新回炉基础语法总能在一些细节上获得新理解——要么是以前没注意过的行为要么是以前记错的规则。有几个小习惯值得长期坚持一是多写小脚本验证猜测。比如不确定列表切片和copy()的区别就写个几行代码跑一下比翻文档记忆深刻得多。Python是一门交互性很强的语言随手开个Python解释器试比什么都管用。二是学会阅读报错信息。新手怕报错老手爱报错——因为报错信息就是编译器在帮你指点方向。一份报错信息里往往已经告诉了你“哪里出了问题”“为什么出问题”学会读懂它解决问题的能力会上一个台阶。三是代码风格从第一天就开始注意。变量名、缩进、空行这些看起来是小问题却在长期维护中起着大作用。风格不要等到代码量大了才想起来整理那时候改起来成本高得多。我一直觉得语法基础扎实的人上手框架和工具只是时间问题基础不牢的人写着写着就会陷入各种莫名其妙的坑里。所以这篇内容不算什么高深技巧它更像是一个从业者的基础自查清单。你如果看到某个知识点时心里咯噔一下“原来我平时没弄明白”那这篇内容的目的就达到了。
[python]-基础语法很多朋友学Python第一件事就是买书、看视频、装环境然后一头扎进爬虫、数据分析或者Web框架里。写了几百行代码之后突然遇到一个诡异的报错排查半天发现是基础语法理解有偏差——这种情况我见过太多太多了。所以“基础语法”这四个字在我看来不是入门那么简单它决定了你后面写的代码是“能跑”还是“好维护”。这篇内容我结合自己这几年写Python、帮同事调代码的经验把基础语法里最容易踩坑、最值得玩味的部分重新梳理了一遍。不是教科书式的罗列而是把每个知识点背后的“为什么”讲清楚。无论是刚接触Python的新手还是写过一阵子想回头补基础的朋友这篇都会对你有实实在在的帮助。1. 内容整体设计与思路拆解1.1 为什么基础语法值得专门花时间重看Python的语法出了名的简洁很多从C、Java转过来的朋友会觉得“这不就是抄作业吗”。但语法写在纸面上简单真正在代码里用对、用活是另一回事。我见过不少初学者的代码功能倒是实现了但变量名满天飞、函数又长又臭、列表操作全靠for循环硬怼。这些问题的根源不在“不认真”而是对基础语法的理解停留在“会用”层面没有到“为什么这么设计”层面。举个例子列表推导式很优雅但你用嵌套列表推导式生成二维数组时如果不知道变量作用域的细节很容易写出一个改一个值、整行跟着变的坑。这个坑不在语法本身而在对基础机制的理解上。所以这篇内容的整体思路是按照变量、运算符、流程控制、函数、数据结构、异常处理、文件读写这条主线把每一块基础语法拆开揉碎重点放在“易错点”和“隐藏细节”上配合可以直接复制运行的示例代码让你在看的过程中顺手就把基础缝补扎实了。1.2 本篇内容的适用范围与学习建议这篇不是完整的手册Python官方文档那套东西想看随时可以看。我整理的这些内容核心围绕“实战中反复出现的语法细节”展开。适合的人群分三类第一类是刚学Python不久的新手建议从头到尾看一遍把示例代码在本地跑一跑第二类是已经写了半年以上Python、但总觉得自己的代码不够健壮的开发者可以直接挑自己模糊的章节看比如可变对象、装饰器相关的基础铺垫第三类是准备面试的朋友基础语法部分是面试高频区把这里面的易错点过一遍比盲目刷题更有针对性。学习的时候有个小建议每看完一个小节尝试不看代码用自己的话把核心概念写一遍。写不出来的就是还没吃透的地方回头再看一遍印象会深很多。2. 变量、数据类型与内存模型从源头理解动态类型2.1 动态类型与变量绑定的真实含义Python是动态类型语言这个谁都知道。但“动态类型”具体意味着什么我经常用一个比喻解释变量名是贴在对象上的便利贴而不是装对象的盒子。a 1024 b a a 2048 print(a) # 2048 print(b) # 1024很多新手对这段代码有疑惑b不是复制了a吗为什么a变了b不变关键就在于“便利贴”模型。第一行把整数对象1024创建出来贴上标签a第二行只是把b这个新标签贴到了同一个对象1024上第三行创建了新的对象2048把a标签撕下来贴过去。整个过程b从未离开过1024所以它自然还是1024。理解了这一点再看不可变对象和可变对象的区别就容易多了。整数、字符串、元组是不可变的意味着你无法修改对象内部的内容任何“修改”操作其实都是创建新对象。而列表、字典、集合是可变的你可以在原对象内部增删改不用创建新对象。x [1, 2, 3] y x x.append(4) print(x) # [1, 2, 3, 4] print(y) # [1, 2, 3, 4] —— y也被改了两个名字指向同一个列表对象这个例子是最经典的“可变对象共享引用”陷阱。如果两个名字指向同一个列表通过其中一个名字修改内容另一个名字看到的是同样的变化因为它们本来就是一个东西。2.2 小整数缓存与对象复用的实际影响Python内部对小整数通常是-5到256做了缓存。也就是说这个范围内的整数对象是预先创建好的程序里每次使用相同的小整数拿到的都是同一个对象。a 256 b 256 print(a is b) # True c 257 d 257 print(c is d) # 可能是False取决于具体实现这在实践中有什么影响如果你用is来比较整数在小范围内运气好结果是对的超出范围就可能出错。所以整数比较一律用is只用来和None比较这是Python社区的共识也是面试高频考点。字符串也类似。Python会对某些短字符串做intern驻留优化但规则并不对外公开不同版本、不同环境下行为可能不同。所以字符串比较同样用不要图省事用is。2.3 常用数据类型的使用要点列表有序可变集合存储的是对象的引用不是对象本身。也就是说列表里可以混装任意类型的对象。元组有序不可变集合一旦创建就不能增删改元素。但注意如果元组里装的是可变对象比如列表那个列表内部还是可以修改的。字典键值对集合Python 3.7之后保持插入顺序。键必须是可哈希对象所以列表不能当键元组可以前提是元组内不装不可哈希的东西。集合无序不重复元素集合底层是哈希表查找效率极高适合去重和成员判断。每个类型单独拿出来都有很多细节后面第6章会专门展开讲数据结构的选择问题。这里先把内存模型这个底座打好。3. 运算符与表达式优先级、短路与隐藏行为3.1 运算符优先级速查与记忆方法运算符优先级是基础语法里最容易“写的时候感觉没问题、跑起来结果不对”的部分。Python的运算符优先级从高到低核心记忆可以记住一条链() 算术 比较 not and or 赋值举个例子print(2 3 * 4) # 14先乘后加 print(True or False and False) # True先and后or print(not True or True) # Truenot优先级高于or实际写代码的时候我个人的习惯是即使记得优先级也会给关键位置加上括号。不是不信任优先级规则而是代码是给人读的加括号能让阅读者不需要在脑子里重新算一遍优先级。这算是一种“防御性编程”在团队协作里非常实用。3.2 布尔运算的短路策略与返回值陷阱Python的and和or有个重要特性短路求值。and左边为False时右边根本不会执行or左边为True时右边也不会执行。这在编写需要“条件满足才执行某操作”的逻辑时很有用但也是潜在陷阱的来源。更值得注意的是Python的and和or返回的并不是布尔值True/False而是参与计算的两个对象之一。result 0 or 默认值 print(result) # 默认值 result2 有值 and 100 print(result2) # 100and返回最后一个值这个特性让代码可以写得很简洁比如给变量设默认值name input_name or anonymous意思是如果input_name为空字符串falsy就用anonymous。但问题来了如果你本来想保留空字符串用or就会出错。所以or赋默认值的套路只适用于明确“空值即无效”的场景。3.3 链式比较与成员判断的实用写法Python支持链式比较这语法糖用起来很香x 15 print(10 x 20) # True比写成 10 x and x 20 优雅得多还有in运算符判断成员关系name 张三 print(张 in name) # True子串判断 print(张 in [张三, 李四]) # True列表成员判断is和的区别前面已经提了这里再强调一次比较“内容是否相等”is比较“是否是同一个对象”。日常业务逻辑里几乎都用。用is的场景只有判断单例对象比如x is None。4. 流程控制if、for、while与推导式的进阶用法4.1 条件判断的书写习惯与常见误区if语句本身很简单但写得好不好、判断条件选择合不合理直接关系代码质量。首先Python中一切对象都可以作为布尔值使用。if x:和if x True:是完全不同的。前者判断的是x的真假性后者拿x和True做相等比较。在实际代码中判断条件要尽量写得“像人话”。# 推荐的写法直接判断可迭代对象是否为空 if my_list: # 列表非空时执行 if not my_list: # 列表为空时执行很多从Java转过来的程序员习惯写if len(my_list) 0这在Python中不是不行但不够Pythonic。Pythonic的表达是直接利用对象的真值性代码更简洁可读性也更好。注意一个细节if后面跟的表达式如果是非布尔类型Python会隐式调用bool()进行转换。0、空字符串、空列表、空字典、None都会转换成False其他基本上都是True。4.2 for循环的本质与range的三种用法for循环在Python中本质上是在迭代一个迭代器而不是像C语言那样按索引操作。理解这一点很多问题就通了。for item in [a, b, c]: print(item)这里item在每次迭代中依次绑定到列表的每个元素上。如果你在循环体内修改item并不会影响列表本身——因为item只是一个局部绑定变量。range是Python中生成一系列整数用的内置函数三种常见用法range(5) # 0 到 4 range(2, 8) # 2 到 7 range(2, 10, 2) # 2, 4, 6, 8注意range(5)生成的是0到4不包含5。这跟切片规则一致Python的所有区间都是左闭右开包含左边不包含右边。这个规则刚接触时需要适应但一旦习惯了你会发现它在消除边界歧义上很有优势。for循环还有个冷门但好用的语法for...else。else块在循环正常结束没有被break跳出时执行。for n in [2, 3, 5, 7]: if n 3: break else: print(整个循环没有触发break)这个语法在“寻找某元素找不到就做兜底处理”的场景下非常简洁不用额外设置flag变量。不过这个语法可读性带点争议团队协作时最好在注释里说明。4.3 推导式简洁背后的两个易错点列表推导式是Python极具表现力的特性但使用时有几个容易踩的坑。第一个坑嵌套推导式的可读性问题。matrix [[row[col] for row in matrix] for col in range(len(matrix[0]))]这种写出来过一个月再看就会头疼。我的建议是嵌套条件超过一层或者推导式后面跟着多个for子句就老老实实分步写用普通循环代替代码可读性优先于“秀操作”。第二个坑推导式中的变量作用域泄漏。x 100 squares [x ** 2 for x in range(5)] print(x) # 在不同Python版本中结果可能不同旧版会泄漏为4Python 3已经修复了推导式的变量泄漏问题但如果你看过旧版Python的代码还是要警惕这个习惯。另外推导式适合构建新序列不适合做有副作用的操作。在推导式里调用函数来改外部状态看起来省了几行实际上把副作用藏在了表达式中排查问题时会很痛苦。4.4 while循环与循环控制语句的取舍while在Python里使用频率低于for但有些场景非它不可比如条件依赖运行时状态的情况。data while not data.endswith(END): data input(请输入内容以END结束)break提前退出循环continue跳过本次循环剩余部分。这两个控制语句很直观但要注意避免写出过于复杂的嵌套循环加break组合。我的经验是循环超过两层就该考虑把内层逻辑提炼成函数用一个“提前return”代替深层的break代码会清爽很多。5. 函数参数传递、作用域与设计习惯5.1 参数传递的真相传对象引用Python函数的参数传递官方说法叫“传对象引用”。意思是实参传递时把实参所引用的对象传给形参形参和实参指向同一个对象。如果对象是可变类型函数内修改对象会影响外部如果对象是不可变类型因为无法修改看起来就像值传递。def process(seq): seq.append(new) # 修改列表本身 my_list [1, 2, 3] process(my_list) print(my_list) # [1, 2, 3, new] —— 外部列表被改了那如果不想影响外部呢传入前拷贝一份副本process(my_list.copy())或者函数内部不修改入参而是先拷贝再处理。这是函数式编程习惯的核心入参尽量只读如需修改就拷贝返回新结果。这样函数的副作用变小代码的可测试性大大提升。5.2 默认参数的隐藏陷阱与正确姿势默认参数是Python新手最容易踩的坑之一就是“可变对象作为默认参数”。def add_item(item, target[]): target.append(item) return target print(add_item(1)) # [1] print(add_item(2)) # [1, 2] —— 竟然不是 [2]原因很简单默认参数在函数定义时只被创建一次之后的每次调用如果没有传入实参用的都是同一个列表对象。第二次调用时这个列表已经被第一次调用改过了。正确姿势是默认参数用None占位函数内部再创建可变对象。def add_item(item, targetNone): if target is None: target [] target.append(item) return target这是Python面试题里的常客也是实际开发中必须掌握的写法。5.3 作用域规则LEGB与global、nonlocalPython中的作用域遵循LEGB规则局部Local→ 嵌套Enclosing→ 全局Global→ 内置Built-in。变量查找时从内往外一层层找。x global def outer(): x outer def inner(): x inner print(x) # inner inner() outer()如果你想在函数内修改全局变量光赋值不行x 10 def change(): global x x 20 change() print(x) # 20注意Python中没有声明global x就直接在函数里给x赋值会创建一个新的局部变量x而不是修改全局x。这是个非常容易绕晕的点。嵌套函数中修改外层变量用nonlocaldef outer(): count 0 def increment(): nonlocal count count 1 increment() print(count) # 1搞清楚作用域规则写闭包、写装饰器都会顺畅很多。很多人在装饰器那一步卡住回头发现就是这里的作用域理解不够透彻。5.4 可变参数与关键字参数的组合规律*args收集位置参数拿到的是一组元组**kwargs收集关键字参数拿到的是一个字典。def record(name, *args, **kwargs): print(name) # 必填参数 print(args) # 剩余的位置参数 print(kwargs) # 剩余的关键字参数 record(张三, 18, 180, city上海) # name张三, args(18, 180), kwargs{city: 上海}定义函数时综合使用它们的顺序是必填参数、*args、默认参数、**kwargs。调用时位置参数在前关键字参数在后。传递参数时的解包技巧也很有用def point(x, y): return x y coord (3, 5) print(point(*coord)) # 8把元组解包成x和y p {x: 3, y: 5} print(point(**p)) # 8把字典解包成关键字参数6. 数据结构列表、元组、字典、集合的选择思考6.1 数据结构核心对比Python标准库里开发最常用的四种数据结构各有用武之地选择对了代码效率和可读性都会好很多。列表需要保持顺序、需要频繁追加元素的场景首选。元组数据固定不变、需要作为字典键、或者希望从语义上表明“这个数据不可修改”的场景。字典键值对应关系需要快速通过键查找值的场景。集合去重、快速判断成员是否存在、集合运算交集、并集、差集。选择的核心原则就一条根据你的主要操作类型选数据结构。频繁查找用字典或集合保持顺序和迭代用列表数据不可变用元组。6.2 字典与集合的底层逻辑哈希表字典和集合之所以查找快是因为底层实现了哈希表。插入和查找的平均时间复杂度是O(1)。Python会先对键计算哈希值根据哈希值定位到存储位置。这也解释了两件事第一哈希对象必须是不可变的因此列表不能作为字典键第二自定义对象作为字典键时需要注意__hash__和__eq__的实现一致性——如果两个对象相等它们的哈希值必须相等否则字典查找会出问题。元组可以作为字典键前提是元组内的所有元素也都是哈希对象。如果元组内装了列表那它就不满足哈希条件不能作为键。6.3 常见操作的性能直觉给新手一个简单的性能直觉参考检查列表中是否存在某元素O(n)数据量大时是性能瓶颈。检查字典或集合中是否存在某键O(1)几乎不受数据量影响。在列表头部插入元素O(n)因为后面所有元素都要挪位置。在列表尾部追加元素O(1)所以能用append就不要用insert(0, ...)。如果代码里频繁出现“判断某元素在不在一个大列表里”把它换成集合性能提升非常明显。这块如果是做数据处理或者后台服务碰到大数据量时能救命。7. 异常处理代码健壮性的第一道防线7.1 try-except-else-finally的完整结构与执行顺序异常处理的完整语法是try: # 可能出错的代码 result int(abc) except ValueError: # 捕获指定异常进行兜底处理 result 0 else: # try块没有抛出异常时才执行 print(转换成功) finally: # 无论是否异常最后一定执行 print(收尾工作)执行逻辑是先跑try如果抛出异常就去匹配except如果一切正常else才会执行finally无论什么情况都会执行哪怕函数里有return也一样。finally适合放关闭文件、关闭连接这类的清理工作。7.2 捕获异常的正确姿势精准优于广泛异常捕获最容易犯的错误是直接写except:,连异常类型都不指定。这种写法会吞掉所有异常包括你想不到的系统错误和编程错误比如KeyboardInterrupt用户按CtrlC想中断程序也会被它吞掉。# 不推荐的写法 try: do_something() except: pass # 压制一切异常问题被掩盖 # 推荐的写法只捕获你预期会发生的异常 try: do_something() except ValueError: handle_value_error()还要注意异常类型的继承关系。比如IndexError是LookupError的子类KeyError也是。如果你先写except LookupError再写except IndexError后者永远也不会执行因为前者已经捕获了。捕获顺序要从小到大、从具体到宽泛。7.3 自定义异常的设计习惯业务代码里自定义异常能让排查问题容易很多。方法很简单继承Exceptionclass InsufficientBalanceError(Exception): 账户余额不足 def __init__(self, balance, amount): self.balance balance self.amount amount super().__init__(f余额不足需要 {amount}当前余额 {balance}) raise InsufficientBalanceError(balance100, amount500)异常信息里带上关键上下文参数排查时可以少打很多日志。定义业务异常时名字尽量反映异常场景不要全用通用命名。7.4 异常处理的实际经验我写异常处理有三个习惯第一不要用异常控制正常的业务流程。判断条件用if就够了异常是用来处理“非预期情况”的。比如判断用户输入是否合法用条件判断而不是try转int然后捕获异常。第二在入参边界处尽快验证。函数开头就做参数合法性校验不合法直接抛异常不要让脏数据在代码里传了好多层才被发现。第三日志要带上异常堆栈。logger.exception(...)或者except Exception as e: print(e)的完整堆栈比单独打一条e能提供的信息多得多。8. 文件读写与路径处理实践中绕不开的阵地8.1 使用with open的标准姿势文件读写最标准的写法是使用with语句它能自动管理文件关闭。即使中间抛了异常文件也能被正确关闭不需要手动调close。with open(data.txt, r, encodingutf-8) as f: content f.read()第一行读取全文件内容适合小文件。大文件用逐行读取更省内存with open(large_log.txt, r, encodingutf-8) as f: for line in f: process(line)8.2 文件打开模式的完整备忘r只读文件不存在会报错。w写入文件不存在会创建存在的文件内容会被清空。a追加文件不存在会创建指针在末尾。x独占创建文件已存在直接报错适合防止覆盖。rb/wb二进制读写适合图片、音频等非文本文件。r读写不会清空文件。w读写会清空文件。一个实际教训用w覆盖写时如果数据还没准备好文件内容就没了。如果希望原子性更强一般写法是先写入临时文件再rename覆盖原文件。8.3 编码问题与路径处理避坑磁盘上文本文件的编码跨平台时必须明确指定。不加encodingutf-8时Python依赖系统默认编码在Windows上写出来的中文文件很容易乱码。路径建议用标准库pathlib.Path相比字符串拼接优雅得多from pathlib import Path base_dir Path(data) report_path base_dir / 2025 / report.txtPath对象处理路径分隔符不依赖操作系统Linux和Windows上都能正确工作跨平台开发时非常省心。9. 基础语法常见报错与排查技巧速查表9.1 高频报错对照表把实际开发中最高频的基础语法报错整理成了一个对照表排查时可以照着查报错信息常见原因排查方向SyntaxError: invalid syntax标点符号缺失、括号不匹配、关键字拼错检查上一行结尾缩进是否存在混用空格和TabIndentationError缩进不一致Tab与空格混用统一缩进风格建议每个缩进层级用4个空格NameError: name x is not defined变量未定义或定义在作用域之外检查变量赋值语句是否执行过检查拼写TypeError: int object is not callable变量名覆盖了内置函数或类名然后用它当函数调用检查是否定义了len 5这样的赋值IndexError: list index out of range访问列表的索引超出长度打印列表长度确认索引在0到len-1之间KeyError字典中不存在该键用dict.get(key, 默认值)代替dict[key]ValueError: invalid literal for int()字符串无法转换为整数先确认字符串内容是否符合预期格式AttributeError: NoneType object has no attribute xxx某个函数返回None又接着调方法在调用处print返回值或加类型判断UnboundLocalError函数内对全局变量赋值但没声明global需要时加global x9.2 排查技巧实录排查语法类报错最重要的技巧就是看报错信息里的行号和文件名。Python的报错信息会明确告诉你出错位置。但有个坑有时候真正的错误在报错行的上一行或前几行比如上一个函数调用漏了右括号导致解释器理解错位。我的排查习惯是先看报错行再往上看几行代码结合上下文推断意图。如果报错是SyntaxError且位置诡异优先检查引号、括号、冒号是否成对出现。编辑器里的语法高亮也能帮上忙——高亮颜色突然变异常那行附近往往就有问题。遇到UnboundLocalError多半是不小心在局部作用域里给变量赋值了解决办法要么改名要么加global或nonlocal声明。9.3 防患于未然的编码建议从根源上减少语法错误靠的是一个好习惯写完一段代码立刻跑起来看结果。python script.py不要攒着一堆代码最后一次性运行。小步快跑的验证方式让问题在最早就被暴露出来。配合调试技巧比如在关键位置临时加print()打印中间状态或者用pdb断点调试能大幅缩短排查时间。10. 实操总结从语法细节到代码习惯最后想说点实在的。基础语法这件事很多人觉得“看过一遍就会了”但写代码和读懂代码是两码事。拿我个人为例每次重新回炉基础语法总能在一些细节上获得新理解——要么是以前没注意过的行为要么是以前记错的规则。有几个小习惯值得长期坚持一是多写小脚本验证猜测。比如不确定列表切片和copy()的区别就写个几行代码跑一下比翻文档记忆深刻得多。Python是一门交互性很强的语言随手开个Python解释器试比什么都管用。二是学会阅读报错信息。新手怕报错老手爱报错——因为报错信息就是编译器在帮你指点方向。一份报错信息里往往已经告诉了你“哪里出了问题”“为什么出问题”学会读懂它解决问题的能力会上一个台阶。三是代码风格从第一天就开始注意。变量名、缩进、空行这些看起来是小问题却在长期维护中起着大作用。风格不要等到代码量大了才想起来整理那时候改起来成本高得多。我一直觉得语法基础扎实的人上手框架和工具只是时间问题基础不牢的人写着写着就会陷入各种莫名其妙的坑里。所以这篇内容不算什么高深技巧它更像是一个从业者的基础自查清单。你如果看到某个知识点时心里咯噔一下“原来我平时没弄明白”那这篇内容的目的就达到了。
