本文详细介绍Python的特性与应用场景，包括不同解释器的选择、版本差异、语言规则及格式化输出方法。此外还提供了项目目录结构的最佳实践，帮助开发者更好地组织代码。
Python擅长区域：
学习步骤：
Python解释器：
CPython：命令下运行python就是启动CPython解释器；
IPython：基于CPython上的交互解释器；
PyPy：提高执行速度，才行JIT技术；
Jython：运行在java平台上的解释器，可以直接将Python代码编译成Java字节码执行；
IronPython：和Jython类似，运行在微软.Net平台上的解释器；
Python版本选择3：
最大的区别：python3可以直接默认写中文，支持Unicode，python2中必须添加#-*-coding：utf-8 -*-；且python3升级后不再支持python2版本；
Python语言规则：
第一行声明解释器：
Eg：
#！/usr/bin/env python #找环境变量中的python
#-*-coding：utf-8 -*-
#Author：Julia
Python语法基础：
博客系列：python基础系列<i>
注^(*￣(oo)￣)^：
ASCII：255bytes
简体中文：GB2312、GB18030、GBK（中文Windows内码）；
繁体字：big5；
统一码，万国码，单一码：Unicode；
UTF-8是对Unicode编码的压缩和优化，可变长，中文3bytes，英文1bytes；
格式化输出：
python 2.x:input()输入什么就是什么格式；raw_input()
python3.x ：输入input（）
if __name__ == "__main__":
name = raw_input("name:")
age = input("age:")
info1 ='%s %d'% (name, age)
info2 = '''
name=%s
age=%d
''' % (name, age)
info3 = '''
name={_name}
age={_age}
'''.format(_name=name, _age=age)
info4 = '''
name={0}
age={1}
'''.format(name, age)
print info1
print info2
print info3
print info4
PyCodeObject和.pyc
PyCodeObject是Python编译器真正编译成的结果；
python程序运行时，编译结果保存到内存中的PyCodeObject，python运行结束时，python解释器将PyCodeObject写会到pyc文件中。
python程序第二次运行时，首先会在硬盘中找pyc文件，直接载入；
pyc是PyCodeObject的一种持久化保存方式，预编译后的字节码文件。
编译型语言：在程序执行之前，先通过变压器对程序执行一个编译，将持续变成机器语言。运行时就不需要翻译，可以直接执行，如C语言；
解释型语言：没有编译过程，在程序运行时，通过解释器对程序作出解释，然后直接运行，如Ruby；
补：java是一种先编译成字节文件，后解释成及其文件的语言；
软件开发规则：
设计好目录结构的原因：
提高项目可读性、可维护性:
- 可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。
- 可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。
目录组织方式
Stackoverflow上能看到大家对Python目录结构的讨论。
Eg：假设项目名为foo:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
解释:
bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。docs/: 存放一些文档。setup.py: 安装、部署、打包的脚本。requirements.txt: 存放软件依赖的外部Python包列表。README: 项目说明文件。
除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。
README内容
基本每个项目都有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。
它需要说明以下几个事项:
- 软件定位，软件的基本功能。
- 运行代码的方法: 安装环境、启动命令等。
- 简要的使用说明。
- 代码目录结构说明，更详细点可以说明软件的基本原理。
- 常见问题说明。
我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。
可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。
setup.py
一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:
- 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
- Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
- 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
- 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。
setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。
setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py
当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也可以。
requirements.txt
这个文件存在的目的是:
- 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在
setup.py安装依赖时漏掉软件包。 - 方便读者明确项目使用了哪些Python包。
这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。
关于配置文件的使用方法
注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。
很多项目对配置文件的使用做法是:
- 配置文件写在一个或多个python文件中，比如此处的conf.py。
- 项目中哪个模块用到这个配置文件就直接通过
import conf这种形式来在代码中使用配置。
我不太赞同这种做法:
- 这让单元测试变得困难（因为模块内部依赖了外部配置）
- 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
- 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖
conf.py这个文件。
所以，我认为配置的使用，更好的方式是，
- 模块的配置都是可以灵活配置的，不受外部配置文件的影响。
- 程序的配置也是可以灵活控制的。
上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。
扫一扫
765
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
