补注喵

for Proj-01

关于虚拟环境

虚拟环境是什么？

是一种用于隔离项目依赖关系的工具。每个虚拟环境都有自己的解释器和库。

通常虚拟环境中的解释器会指向全局环境中的解释器，也就是说在爆改全局环境（主要是更改解释器位置）后别忘了重建你的虚拟环境。

为什么需要虚拟环境

主要是能够避免不同项目的依赖的冲突。比如有一个项目需求低版本的 numpy 但是另一个需求高版本，把它们放在同一个环境中尝试安装依赖时就会出问题。

手动创建虚拟环境

通过 VSCode 创建详见正文。这里尝试讲解手动使用内置模块 venv 进行创建。

在项目文件夹中打开终端，使用下面的指令创建虚拟环境。

bash

python -m venv ./.venv

大概就是调用 Python 的一个叫 venv 的模块，在当前目录下的 .venv 文件夹下创建虚拟环境。

将虚拟环境所在文件夹命名为 .venv 是一个约定俗成的做法，很多开发工具的默认行为就是这样，它们会自动识别并使用这个文件夹中的虚拟环境。

稍等一下就能完成。很快地，项目文件夹下多出了一个叫 .venv 的文件夹。

在终端下执行 ./.venv/Scripts/activate 就能手动激活虚拟环境。

若遇到 powershell 阻止，按照提示进行设置即可。

要检查是否真正处于虚拟环境，使用 powershell 指令 Get-Command 查找 python 解释器的位置，判断一下是否处于正确的位置（ .venv/Scripts/python ）就行了。

关于 `requests` 库

很优雅的一个多线程安全的第三方网络请求库。

不过你也可以尝试只用 Python 标准库实现这个项目，这是可以做到的！

关于语法

Python 很容易入门，语法限制也很少。但这不意味着它很简单，更不意味着它很随便。
—— MelodyEcho

这里仅尝试讲解正文中使用到的。

快去看官方文档

注释

Python 中使用 # 符进行注释，在当前行中非字符串内容的 # 及其后的内容都会被当成注释。

有时能在一些文件看到以 #! 开头的首行注释，这被称作 Shebang。

Shebang 这一语法特性由 #! 开头。在开头字符之后，可以有一个或数个空白字符，后接解释器的绝对路径，用于调用解释器。在直接调用脚本时，调用者会利用 Shebang 提供的信息调用相应的解释器，从而使得脚本文件的调用方式与普通的可执行文件类似。^[1]

你说得对 ☝️🤓，但是 ''' ，即连续的三个引号包围的内容不是注释，而是多行字符串。它也常被用在 docstring 中。

控制流

参见 Grammar_playground

导入模块

import 语句用于导入模块。

有一个叫 importlib 的库也可以用来导入模块，而且动态

常用的写法：

python

# 直接导入
import math 
import os.path
# 从某个模块中导入对象
from lxml import etree  
# 导入某个模块中的所有对象到当前命名空间中，非必要不使用
from tkinter import *   
# 换个名称导入
from tkinter import messagebox as msgbox    
# 导入多个对象
from urllib import request, parse   
# 上述指定了模块名的叫做绝对导入，从项目的根目录开始导入模块

# 下面的是相对导入，一般用在包的内部文件之间。
from . import utils 
from ..module_a import func

PEP8 中对于导入语句的写法有推荐，可以看看。

关于机制，Python 会按顺序搜索 sys.path 列表中的每个目录，查找与模块名匹配的文件。

sys.path 默认包括：

当前文件所在目录
%PYTHONPATH% 环境变量指定的目录
标准库目录，通常是 python/Lib
安装的第三方包的目录，通常是 python/Lib/site-packages

优先级：当前目录 -> site-packages -> 内置模块

你可以手动为 sys.path 添加路径，让它去额外的目录找模块；也可以自定义模块加载的各个步骤，总之就是自由度十分~~甚至九分~~地高。

更多内容参见官方文档，或者去问问 AI。

函数

函数的定义

使用 def 或者 lambda 定义，由后者定义的函数叫做匿名函数。

函数定义是一条可执行语句。它执行时会在当前局部命名空间中将函数名称绑定到一个函数对象（函数可执行代码的包装器）。这个函数对象包含对当前全局命名空间的引用，作为函数被调用时所使用的全局命名空间。（摘自官方文档）

嗯你问函数它本身是什么…… ~~函数它就是函数啊~~

Python 中的函数是封装了代码块的对象。使用它可以复用代码，减少重复。

快去看官方文档 ww

一个典型的函数大概长这样：

python

#   形式参数  参数类型标注（可选）
#        vv vvvvvvvvvvv
def join(ss : list[str]) -> str:
#   ^^^^---------------- ^^^^^^
#  函数名    形式参数列表    返回值类型标注（可选）
    return "".join(ss)

关于形参与实参
形参是函数在定义的时候写好的参数，实参是函数在被实际调用时传入的参数

为什么要做类型标注 (Type Hints)？
你说得对🤓，虽然 Python 是一种动态类型语言，但是类型标注也有很多好处。它能提升代码的可维护性和可读性，以及便于生成文档。此外在面对稍微复杂一些的代码时单靠 IDE 进行类型推导会显得有些吃力，但要是加上类型标注的话就可以帮助~~思维阻滞的~~ IDE 进行自动补全和错误检测等工作。
不过它完全是可选的，最终写不写还是取决于你就是了。
关于类型标注的详细讲解，见 Proj-02 的补注。

关于函数的默认参数

不要将默认参数设定为可变对象。作为替代，可以将默认参数设定为 None ，并在函数内部进行处理。

因为函数的默认参数只会在定义时被计算一次，后续每次调用时它们都会被共享。如果默认参数被修改，这些修改会影响到后续的函数调用。它在默认参数被实参覆盖时不会有问题，但在默认参数留空时便会出现意料外的情况。

来看例子。

python

>>> def append_to_list(value, my_list=[]):
...     my_list.append(value)
...     return my_list
...
>>> print(append_to_list(1))
[1]
>>> print(append_to_list(2))
[1, 2]
>>> print(append_to_list(3))
[1, 2, 3]

替换为使用 None ：

python

>>> def append_to_list(value, my_list=None):
...     if my_list is None:
...         my_list = []
...     my_list.append(value)
...     return my_list
...
>>> print(append_to_list(1))
[1]
>>> print(append_to_list(2))
[2]
>>> print(append_to_list(3))
[3]

异常

官方文档

异常捕获

完全体的异常处理大概像这样：

python

try:
    # 可能会出错的代码
    x = 1 / int(input("Your Number:"))
    assert 1 == 0, "oops, 1 != 0"
except ZeroDivisionError as e:
    ... # 发生除零错误时会执行的代码
except AssertionError as e:
    ... # 发生断言错误时会执行的代码
except Exception as e:
    ... # 发生一般错误时会执行的代码
else:
    ... # 没有发生错误时会执行的代码
finally:
    ... # 不管发生了什么都会执行的代码

异常匹配顺序从上到下，匹配成功后便不再继续匹配。若最终都没有匹配上则错误还是会被抛出（但 finally 块仍然有效）

关于裸 except:
等价于 except BaseException: ，可以捕获所有异常，包括系统退出和中断的异常，像 SystemExit 、 KeyboardInterrupt 和 GeneratorExit 。因为经常会捕获到不该捕获的东西，语义不明确所以不建议使用。
一般日常建议使用 except Exception: 。就算你真的想捕获系统级异常，也应该使用 except BaseException: 进行平替，因为它的语义更明确一些。

... ？
没错 ... 也是一个对象，叫做 Ellipsis ，通常用来表示省略或占位。在某些特殊的场景很有用（比如 numpy 中创建多维数组）。

except ... as ... 可以将捕获的异常实例保存到一个变量中，方便后续做处理

异常抛出

使用 raise 语句抛出一个异常对象。

在抛出之前，先要将异常类实例化，在实例化时可以传递具体的错误消息。（不实例化就抛出是 py2 的做法）

python

raise RuntimeError("A runtime error.")

raise ... from ... 可以从一个已有的异常实例抛出一个新异常，原有异常会被保存在新异常的 __cause__ 属性中。常用在 except 块下。

变量作用域与生命周期

Python 中的局部变量的作用域是它直接所在的函数，全局变量的则是它所在的模块。

在一个变量超出它的作用域，且它的引用计数变为 0 时，它就会被删除。

对于循环引用，Python 的垃圾回收器负责清理它们。可以通过调用 gc.collect() 来手动执行垃圾回收。

Python 没有像 C/C++ 或 Java 那样的块级作用域 (Block Scope)，在控制结构 ( if / while / match / for /...) 中声明的变量在控制结构之外依然可以访问，只要是在相同的函数或全局作用域中；也没有像 js 那样的变量提升，在变量被声明并赋值之前访问它会报错。

~~来点 C 语言笑话：~~

void just_a_test(void){
    // 我 有 异 域 症
    {int i;}
    {i = 0;}
}

引用与拷贝

Python 中的所有数据都是对象。变量名实际上是指向这些对象的引用。当你赋值一个变量时，你只是将这个变量名绑定到某个对象上，并不复制对象本身。

python

>>> a = [1, 2, 3]
>>> a
[1, 2, 3]
>>> b = a
>>> b.append(4)
>>> a
[1, 2, 3, 4]

要复制对象，可使用 copy 库中的 copy() 和 deepcopy() 函数，或某些对象内置的 copy() 方法
copy() : 浅拷贝，仅复制顶层结构，产生的新对象内层仍然共享。
deepcopy() : 深拷贝，复制整个对象，产生的新对象完全独立

Python 中的对象分为可变（e.g. 列表 / 字典 / 集合）和不可变（e.g. 整数 / 字符串 / 元组）两种。

对于不可变的对象，对它做修改或赋值会在原地生成一个新的对象，再将这个对象绑定到变量上。这就是平时在数字 / 字符串变量之间进行赋值看起来像拷贝的原因。

python

>>> a = 1
>>> b = a
>>> b = 2
>>> a
1
>>> b
2

常见的不可变对象包括：
整数 int
浮点数 float
字符串 str
元组 tuple
布尔值 bool
字节串 bytes
冻结集合 frozenset
详见官方文档

with 语句

官方文档

对于带有上下文管理器的对象，可以使用 with 来进行上下文管理。

进入 with 语句块时，对象的 __enter__() 方法会被自动调用；离开时，对象的 __exit__() 方法也会被自动调用，无论出错与否。保证能够正确关闭句柄、结束会话等。

python

with open("./result.txt", "w+", encoding="utf-8") as fp:
    fp.write("Pretending to be data")

requests 中的请求也可以用噢，看看本节的代码？

格式化字符串

格式化字符串是指将变量或表达式的值嵌入到字符串中的一种方法，各个编程语言都有各自的格式化字符串方法。对于 Python，官方文档中列举有四种，选择适合的即可。

f-string

通过在以 f"" 包括的字符串中使用 {expression} 来嵌入值，在表达式后紧接 : ! = 等格式说明符可以指定格式。重复的花括号可以得到花括号本身。详见官方文档。

python

>>> a = 11.4514
>>> f"{a}" 
'11.4514'
>>> f"ww{a:08.2f}" # 格式化
'ww00011.45'
>>> f"{a=}" # 自说明
'a=11.4514'
>>> f"{int!r}" # 转换
"<class 'int'>"
>>> f"}}{a}{{" # 花括号转义
'}11.4514{'

format

format() 是字符串对象的一个方法^[2]。同样通过花括号发挥效用。在格式说明符 : ! 上的语法与 f-string 相同，但其余部分略有不同。

python

>>> a = 11.4514
>>> "{}".format(a)  
'11.4514'
>>> "{=}".format(a)  # 没有`=`说明符
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: '='
>>> "{:08.2f}".format(a)
'00011.45'
>>> b = 191.981  
>>> "{1:.2f} {0:.3f}".format(a, b)  # 指定位置
'191.98 11.451'
>>> "{b:.2f} {a:.3f}".format(a=a, b=b)  # 指定关键字
'191.98 11.451'

这意味着你可以在 format 方法中使用参数解包等很帅的操作 —— cool！

更多信息参见官方文档

旧式格式化

Python 支持通过在字符串后紧跟 % 符进行格式化。当只有一个值时括号可省。

又被称作 printf 风格格式化，详见官方文档。C 语言中的相关内容参见 cppreference。

python

>>> "%.2f" % (a)
'11.45'

手动格式化

详见官方文档

https://zh.wikipedia.org/wiki/Shebang ↩︎
同时也是一个内置函数，若感兴趣可以自行查阅文档。 ↩︎

2.1.1 Book

2.1.2 Lab

2.1.3 Project

2.2.1 Python Grammar

2.2.2 Project Perspective

2.2.2.1 Proj-00

2.2.2.2 Proj-01

2.2.2.3 Proj-02

2.2.2.4 Proj-03

2.2.2.5 Proj-04

2.2.3 CS Intro

2.2.3.1 Building Abstraction with Functions

补注喵

关于虚拟环境

虚拟环境是什么？

为什么需要虚拟环境

手动创建虚拟环境

关于 `requests` 库

关于语法

注释

控制流

导入模块

函数

函数的定义

关于函数的默认参数

异常

异常捕获

异常抛出

变量作用域与生命周期

引用与拷贝

with 语句

格式化字符串

f-string

format

旧式格式化

手动格式化

2.2.2.1 Proj-00

2.2.2.2 Proj-01

2.2.2.3 Proj-02

2.2.2.4 Proj-03

2.2.2.5 Proj-04

2.2.3.1 Building Abstraction with Functions

补注喵 ​

关于虚拟环境 ​

虚拟环境是什么？ ​

为什么需要虚拟环境 ​

手动创建虚拟环境 ​

关于 requests 库 ​

关于语法 ​

注释 ​

控制流 ​

导入模块 ​

函数 ​

函数的定义 ​

关于函数的默认参数 ​

异常 ​

异常捕获 ​

异常抛出 ​

变量作用域与生命周期 ​

引用与拷贝 ​

with 语句 ​

格式化字符串 ​

f-string ​

format ​

旧式格式化 ​

手动格式化 ​

补注喵

关于虚拟环境

虚拟环境是什么？

为什么需要虚拟环境

手动创建虚拟环境

关于 `requests` 库

关于语法

注释

控制流

导入模块

函数

函数的定义

关于函数的默认参数

异常

异常捕获

异常抛出

变量作用域与生命周期

引用与拷贝

with 语句

格式化字符串

f-string

format

旧式格式化

手动格式化