阅读 6298
我入门 Python 后总结的基础教程

我入门 Python 后总结的基础教程

0) 先唠叨几句

学习 Python 有几周了,也写了 2 个小项目来解决自己的实际需求。简单记录一下,供自己备忘,也供后来者参考。

0.0) 我为什么选择 Python

我之前使用 Swift + Vapor 开发了 iPic (图床工具) 的后端服务,遇到很多问题:

  • 主要还是 Swift 在 Ubuntu 下并不成熟,甚至很多关键性、基础性的库,都是 TBD;
  • 以及,基于 Swift + Ubuntu 的库并不多,开发起来很吃力。

接下来要开发 Klib (Kindle、iBooks 标注管理) 的标注分享功能,需要后端支持,于是打算好好学一学后端开发。

适合后端开发的语言还是挺多的,比如 Java、PHP、Python、Ruby、Go、Javascript、等等。我其实并没有严格比较,最后选择了 Python,主要原因其实是和 Swift 相对的:

  • Python 成熟,无论在 Windows/Linux/macOS 都很稳定。
  • Python 轮子多,几乎所有能标准化的操作都能找到库,然后你可以专注于自己的业务。

还有个原因,之前我接触过的开发语言(VB/C++/Java/C#/Swift)都是编译型的,这次想学个 解释型 的玩玩。

0.1) 首先,知道要学什么

先形而上地聊聊这个话题。

至少从我的经验来看,在学习一样新东西时,我很希望能被告知要学什么,类似于一个大纲、知识点清单。这样,我就可以对照着清单一样样学习,方向感清晰、还不怕走弯路。

而事实上,很少有这样的「清单」,最接近的可能是书的目录。可惜,好书实在太少了。尤其技术更新快,书中的知识很可能是陈旧的。

出于这个理解,本文我只会 罗列我学习 Python 时所遇到的知识点,尽量组织成系统的清单

0.2) 然而,我并不会教你怎么学

清单上的知识点,我并不打算展开讲,因为:

  • 这太花()时()间()了
  • 通常,官方文档已经足够好,我没必要复制粘贴

所以,对于某一个具体的点,还得你自己去学习。至于怎么学?我建议,在项目开发实际用到某个点时,再参考官网系统性的学习

如果你实在急的必须在被炒鱿鱼之前解决某个问题(通常并不存在),你可以上网搜索,通常在技术博客、StackOverflow 这样的网站上能找到答案。

不过,这是种投机行为、可能会有 陷阱

  • 如果你找对了方案,可能很快就解决问题。
  • 可如果你找了过期的、错误的、不适合你的环境的方案,你可能会掉入解决 A 问题时遇到 B 问题、解决 B 问题时又遇到 C 问题这样的陷阱,所花的时间,会当初系统性地学习,更多。

1) Python 语法及基础

好,唠叨了半天,终于来干的了。

1.0) Python 2 or 3?

Python 的 2、3 之争,在网上可以找到很多。虽然我一向主张学新不学旧(比如我甚至尝试用 Swift 开发后端,no zuo no die…),但在后端方面,由于吃了 Swift 的亏,我自己选择先学习 Python 2。真到了不得不用 3 的时,学。据说差别并不大(我保证,绝对没有 Swift 2 和 3 的差别大)

1.1) 入门教程

虽说我一向建议以官网为基础学习,但 Python 的官网的文档实在是太长了。没办法,为了全面性,各种犄角旮旯、你一辈子都用不到点的,官网也要提及。

这里介绍 2 个 Python 入门教程:

2) 尽早开发 Python 项目

我建议,一旦有了语法基础,尽早 开发实际的、能解决自己问题的项目(或表述为工程、产品、工具、轮子)。

注意,一定要是「能解决自己问题的项目」。相信我,如果只是做一个你自己根本用着的博客系统、爬虫之类的,学习过程中的困难一定会让你半途而废的。

2.0) 项目的文件夹结构

如果你真的想写个好项目,项目的文件夹结果一定要拿得出手,比如要区分代码、配置、数据、文档、测试等文件。尤其对于在不同服务器上部署、需要区分开发与生产环境的项目,更重要。

注意,文件夹结构并没有唯一解;并且,和你使用的网络框架(后面会介绍)相关。在实践中逐渐优化,越早形成一套自己熟悉的项目结构,收益越大。

我在 GitHub 上创建了一个 Python 项目文件夹结构示例,供参考。

参考:

2.1) 单元测试

单元测试很重要、很重要、很重要

尤其对于后端程序,几乎没有用户交互,非常适合进行单元测试。也许,一些已经超出了单元测试的范畴,称之为功能测试、压力测试、等等更合适。Anyway,叫测试就对了。

我在开发过程中有写单元测试的习惯,甚至有时会先写单元测试、再写功能代码(恩,这就是测试驱动开发)。

在多个测试框架中,我目前选择 pytest:一直在更新、对 Python 3 支持好、自动发现测试用例。

2.2) IDE

我一位大学同学,用 Windows 记事本开发了一个局域网内 IM 工具,可那是为了学习。人生苦短,还是用 IDE 开发吧。

选什么呢?其实我并没有纠结,因为之前在 Windows 上使用 Visual Studio、且一直听闻 Visual Studio Code 不错,就直接上了 VS Code

不过,VS Code 本身只提供一个框架,要打造适合自己的 IDE,还得有一系列的配置,比如主题、字体、快捷键、插件、等等。

就 Python 开发,目前还有几点不顺手(如果你知道怎么做,麻烦告诉我):

  • 出错时,不能点击错误日志跳转至对应的代码
  • 单元测试有时会卡死,重启 VS Code 后正常
  • 调试工具跟 Xcode 等工具有差距
  • 快捷键没办法和 Xcode 统一,用起来很割裂

3) 善用 Python 库

Python 的优势之一,就是轮子多,也就是库(模块)丰富。碰到一个问题,你不愁找不到库,而是不知道该选哪个,甜蜜的烦恼。

号外:我为 Python 造的第一个轮子:AES256CBC

3.1) 标准库

任何语言都会把常用的库,纳入自己的标准库中。其实,很多时候我们说一门语言,都是在学其标准库。

对于标准库的学习,倒是建议参考 官方文档

3.2) 管理 Python 库

库多了,管理就成了问题。这个没什么好说的,直接使用 pip

小技巧:

  • 对于项目的依赖库,可以使用 requirements.txt 集中管理。
pip freeze > requirements.txt
pip install -r requirements.txt复制代码
  • 可以将 Python 的安装源改为国内豆瓣、阿里等镜像源,速度快。

3.3) Python 运行环境

库+库,就是 Python 运行环境。尤其,当你需要在服务器上部署 Python 项目时,保证服务器和开发环境有一致的 Python 运行环境,很重要。

推荐使用 pyenv,其利用 Shell 的 shims 机制,当你 cd 到项目目录时,自动切换 Python 版本(对比 virtualenv,其需要手动执行 source 命令,麻烦)。

小建议:要在自己的电脑上特别建立一个「Python 脏环境」,用于平时写临时代码、测试新模块时使用,确保不会破坏电脑上的 Python 环境。

4) 使用 Python 开发网络服务

前面据说,我学 Python 主要是为了后端。我目前使用的是 Flask + Gunicorn + Nginx + MySQL + Supervisor 组合。

4.0) Flask

Python 的 Web 框架不少,不过据说主要还是 DjangoFlask。据说:

  • Django 的特点的大而全、开箱即用。
  • Flask 的特点的小巧灵活、定制性高。

只要不是太不成熟、坑太多,我通常会选择简单的,于是,选 Flask.

Flask 是个大话题,根本不适合在这里介绍,直接看 Flask Web Development 这本书吧,建议读原文。

4.1) Gunicorn

Flask 自带的 Web 服务器只是能让代码跑起来,而真正用于生产,则需要考虑并发、缓存等问题。

主要的选择是 uWSGIGunicorn,和 Flask 与 Django 的对比很相似:

  • uWSGI 的特点的成熟、用的人多、高性能、强大(复杂)
  • Gunicorn 则更简单、易用

于是,选 Gnuicorn.

Gnuicorn 的配置简单,直接看官方文档即可。

4.2) Nginx

有了 Flask + Gunicorn,为什么还要 Nignx?职责不同,Nginx 在处理静态资源、https/http2、负载均衡等方面,更擅长。

Nginx 我就不介绍了吧?主要还是和 Gnuicorn 的配合。

4.3) MySQL

本地测试,我直接使用 SQLite,但要用于服务器,还是 MySQL 吧。

主要这次开发 Klib 后端服务,业务上的数据比较规整,适合关系数据库;以后有机会再试试 NoSQL 吧。

4.4) Supervisor

服务,要的就是稳定。

啥叫稳定?就是程序挂了能满血复活、重新运行。

于是,使用 Supervisor,监控程序运行,挂了就立即重新运行。

5) 尾巴

这么长、这么枯燥的文章你都能看完?牛!粉我的公众号吧,以后每周二都会有一篇技术长文。

Python 我只是入门,要学的东西还很多,以后还会有小结、分享。

未完待续…