探索 Python 学习

Python 是一种敏捷的、动态类型化的、极富表现力的开源编程语言，可以被自由地安装到多种平台上（参阅 参考资料）。Python
代码是被解释的。如果您对编辑、构建和执行循环较为熟悉，则 Python 代码对您来说更简单。但是，请不要搞错：Python 器可以是简单的脚本，也可以是大型的复杂程序。事实上，Python 解释器的最大特点是鼓励探索和简化学习过程。如果您想证明这一点，请使用 Python 编写著名的 Hello
World! 程序：

1. 启动 Python 解释器。在 UNIX 系统（包括 Mac OS X）中，启动解释器通常包括在命令提示行键入 python；在
   Microsoft® Windows® 系统中，启动 Python 命令 shell。
2. 在 Python 提示行中，在三个大于号 (>>>)
   标志后输入 print 'Hello
World!'，然后按 Enter。
3. 完成：没有第三步了。清单 1 显示了此命令的输出。

清单 1. 用 Python 编写的 "Hello World" 的输出

rb% python
Python 2.4 (#1, Mar 29 2005, 12:05:39)
[GCC 3.3 20030304 (Apple Computer, Inc. build 1495)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> print 'Hello World!'
Hello World!

您可以看到，我使用的是运行于 Apple OS X 系统上的 Python V2.4。但是，不管操作系统是什么，基本原理都是一样的，而且在本例中，所用的是 Python 的哪一个实际版本也无所谓。我虽然不了解您，但是此 Hello World! 练习比我学过的 C、C++ 甚至 Java™ 语言的对应练习容易多了。这种简单性就是使用 Python 解释器的主要优点之一。开发人员可以快速试验一个想法、研究一种对象属性或不同算法，而无需编译、执行和测试任何代码。

Python 类型层次结构

从其他语言过渡到 Python 编程语言时需要学习的最重要的课程之一是，Python 中的每样东西都是对象。这一点可能并没有什么特别之处，尤其是对于熟悉面向对象的语言（如 C++、Java 或 C#）的人来说。然而，Python 的面向对象原理与其他语言不同，主要表现在两个方面：第一，Python 中的所有数据值都被封装在相关对象类中。第二，Python 程序中的所有东西都是可以从程序访问的对象，即使是您编写的代码也不例外。

大多数流行的编程语言都有多个内置的数据类型，在这一方面 Python 也一样。例如，C 编程语言具有整型和浮点类型。由于谱系相同，Java 语言和 C# 具有内置类型也不足为奇。这意味着在 C 程序中，可以编写 int
i = 100 来创建和初始化整型变量。在 Java 和 C# 中，此方法也是可能的，而且使用它们的自动装箱功能，在需要时这两种语言还可以把这种简单的内置类型转换为 Integer 对象。

另一方面，Python 不包含像 int 这样的简单类型 —— 只有对象类型。如果 Python 中需要整数值，将整数赋值给相应变量（如 i
= 100 ）即可。在后台，Python 将创建一个整数对象，并将对新对象的引用赋值给变量。问题的关键是：Python 是一种动态类型化语言，所以无需声明变量类型。事实上在单个程序中，变量的类型是可以改变（多次）的。

一种直观演示动态类型化工作方式的简单方法是，设想单个名为 PyObject 的基类，让
Python 中的所有其他对象类型都继承它。在这一模型中，您创建的所有变量都将引用在总的类层次结构中创建的对象。如果您还让 PyObject 类记录曾创建并分配给变量的子类的实际类型或名称，则
Python 程序可正确确定程序执行过程中需要采取的步骤。

上一段描述 Python 的面向对象的模型图像是对 Python 的实际工作方式很好的模拟。除此之外，Python 还可以使用类型函数来简化对变量类型的确定。（本例还介绍如何使用带有 # 字符的内联注释。）

清单 2. 演示 Python 简单类型

>>> i = 100 # Create an int object whose value is 100
>>> type(i)
<type 'int'>
>>> f = 100.0
>>> type(f)
<type 'float'>

可以将 PyObject 类之下的所有
Python 类划分为 Python 运行时解释器可以使用的四个主要类别：

• 简单类型 —— 基本构建块，如 int 和 float。
• 容器类型 —— 保存其他对象。
• 代码类型 —— 封装 Python 程序的元素。
• 内部类型 —— 程序执行期间使用的类型。

到本系列结束时，我会把所有不同类别都介绍给大家。但是在这第一篇文章中，我重点介绍简单类型。

回页首

简单类型

Python 有五个内置的简单类型：bool、int、long、float 和 complex。这些类型是不可变的，就是说整数对象一旦创建，其值便不可更改。相反，系统将创建新的简单类型对象并将其赋值给变量。通过
Python id 函数，可以查看基本 PyObject 标识的变更方式：

清单 3. 使用 Python id 函数

>>> i = 100
>>> id(i)
8403284
>>> i = 101
>>> id(i)
8403296

此方法看似容易丢失对象，会导致内存泄漏。但是，Python 像 C# 和 Java 一样，使用了垃圾回收功能，以释放用于保存不再引用的对象的内存，如上例中用于保存 100 的整数对象。

布尔类型

Python 中最简单的内置类型是 bool 类型，该类型包括的对象仅可能为 True 或 False：

清单 4. bool 类型

>>> b = True
>>> type(b)
<type 'bool'>
>>> id(b)
1041552

因为只有两个可能值，所以布尔类型是惟一的。Python 解释器提供这仅有的（也是必需的）两个 bool 对象：True 和 False。在任何时候，在
Python 程序需要这些对象时，变量只能相应地引用其中一个值。清单 5 显示 bb 变量如何具有同一个 id，不管您直接赋予它 b 变量的值还是直接赋予它 True 对象。

清单 5. bb 变量的值

>>> b = True
>>> id(b)
1041552
>>> bb = b
>>> id(bb)
1041552
>>> bb = True
>>> id(bb)
1041552

布尔对象名称的大小写是至关重要的，因为 true（和 false）是未定义的：

清单 6. 未定义的 true 和 false

>>> b = true
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
NameError: name 'true' is not defined

在这一点上，bool 类型可能看起来不是很有用。不过顾名思义，布尔表达式是依赖于名称的，如下所示：

清单 7. 布尔表达式

>>> b = 100 < 101
>>> print b
True

很多程序利用布尔表达式，Python 提供一整套布尔比较和逻辑运算，详细信息请分别参见表 1 和表 2。

表 1. Python 中的布尔比较运算符

运算符	描述	示例
<	小于	i < 100
<=	小于等于	i <= 100
>	大于	i > 100
>=	大于等于	i >= 100
==	相等	i == 100
!=	不相等（另外使用 <>）	i != 100

补充一点，表 1 中列出的运算符优先级都一样，除非将表达式置于括号中，否则按从左到右的顺序应用。

表 2. Python 中的逻辑运算符

运算符	描述	示例
not	逻辑非	not b
and	逻辑与	(i <= 100) and (b == True)
or	逻辑或	(i < 100) or (f > 100.1)

逻辑运算符的优先级低于单独的比较运算符，这一点意义重大，因为必须先计算比较运算符，然后才能计算逻辑运算符。逻辑运算符的实际优先级就是表 2 中罗列这些运算符的顺序。

在 Python 中，关于 or 和 and 逻辑运算符有意思的是，它们都是快捷运算符。简言之，如果给定表达式 x or y，则仅当 x 为 False 时才会计算y。同样地，如果给定表达式 x and y，则仅当 x 为 True 时，才会计算 y。此功能可以增强表达式求值的性能（尤其是针对长的或复杂的表达式），然而对于习惯于从其他语言学来的不同规则的程序员而言，则容易犯错。

数值类型

Python 中其他四个简单的内置类型都是数值类型：int、long、float 和 complex。在程序中，数值类型很常见，不管使用的是什么语言。Python
对算术运算提供完整支持，包括加法、减法、乘法和除法（参见表 3）。

表 3. Python 中的算术运算

运算符	描述	示例
*	乘	i * 100
/	除	i / 100
//	整除	i // 100
%	取余	f % 100
+	加	i + 100
-	减	i - 100

乘法和除法运算符（表 3 中列出的前四个）具有高于加法和减法的优先级。如前所述，您可以通过使用括号分组子表达式，将其分离出来以提高优先级。

Python 与 Java 语言不同，Java 语言通常定义允许的数值类型的范围，而 Python 在这一点上更像 C，因为它的类型范围是依赖于平台的。您可以使用 int 和 long 两种类型来保存整数值，它们的不同点在于
int 是一种 32 位的整数值。因而，它被限制为只能保存从 -2³² 到 2³² -
1 之间的值（在多数平台上）。与此相反，长整数类型的精度不受限，仅计算机内存对它有影响。要通知 Python 应该按照长类型处理整数，只需将 L 附加到数字的末尾，如 100L。在
Python 中，浮点值始终是按双精度处理的；因此 Python 的 float 类型对应于
C 类语言中的双精度。

与数值类型相关的其他两个重点是常量（如上例中的 100，只是明确表达的数字）和位运算。程序员一般在十进制系统（以 10 为基数）中工作。但是，有时其他系统也相当有用，尤其是我们知道计算机是基于二进制的。Python 可以提供对八进制（以 8 为基数）和十六进制（以 16 为基数）数字的支持。要通知 Python 应该按八进制数字常量处理数字，只需将零附加在前面。将一个零加上一个 x 附加在数字的前面是告诉 Python 按十六进制数值常量处理数字，如以下代码所示：

清单 8. 通知 Python 按十六进制数值常量处理数字

>>> print 127    # Using decimal literal
127
>>> print 0177   # Using octal literal
127
>>> print 0x7F   # Using hexadecimal literal
127

当您具有容易的方式来表达数值常量时，尤其是十六进制，就可以容易地构建对应于特定测试用例的标志，这是一种常见的编程技术。例如，一个 32 位的整数可以存储 32 个标志值。使用位测试，可以容易地测试标志变量上的特定标志。Python 中位运算的完整列表如表 4 所示。

表 4. Python 中的位运算

运算符	描述	示例
~	按位求补	~b
<<	向左位移	b << 1
>>	向右位移	b >> 1
&	按位和	b & 0x01
^	按位异或	b ^ 0x01
|	按位或	b | 0x01

至此，您可能想知道不同数值类型在单个表达式中混合出现的时候怎么办。简单的答复是，Python 会根据需要将表达式中的所有操作数转换为最复杂的操作数的类型。复杂度的顺序是：int、long、float 和 complex（非双关），下面是一个简单的示例：

清单 9. Python 将所有操作数转换为最复杂的操作数

>>> 1 / 3
0
>>> 1.0 / 3
0.33333333333333331
>>> 1.0 // 3
0.0
>>> 1 % 3
1
>>> 1.0 % 3
1.0

尽管 Python 会与您预期的一样转换操作数，但是语言并不基于运算符转换操作数，如 1/3 示例中所示，其计算结果为整数。如果要强制取得浮点结果，则必须确保操作数中至少有一个为浮点类型。

complex 类型

最后一种类型 complex 可能是大多数程序员难以识别的，因为它不是其他编程语言中常见的内置数据类型。而对于工程师和科学家来说，复数却是个司空见惯的概念。从形式上讲，复数 具有实部和虚部两个部分，都由
Python 中的 float 类型来表示。虚数 是
-1 的平方根的倍数，用 i或 j 表示 ——
取决于您被培养为科学家还是工程师。在 Python 中，复数的虚部被表示为 j：

清单 10. 复数的虚部

>>> c = 3.0 + 1.2j
>>> print c
(3+1.2j)
>>> print c.real, c.imag
3.0 1.2

本例是一个实部为 3.0 和虚部为 1.2 的复数。注意，通过使用复杂对象的 real 和 imag 属性，即可访问复数的不同部分。

它们真是对象吗？

到此为止，我已经介绍了 Python 只处理对象类型，然而示例中好像并没有什么对象。最后还有一个问题，构造函数在哪里？对于简单的内置数据类型，Python 替您做了大量的工作。不过，构造函数还在那里（其名称与相关数据类型的名称相同），如果您愿意，可以直接使用它们，如下所示：

清单 11. Python 构造函数

>>> b = bool(True)
>>> i = int(100)
>>> l = long(100)
>>> f = float(100.1)
>>> c = complex(3.0, 1.2)
>>> print b, i, l, f, c
True 100 100 100.1 (3+1.2j)

回页首

结束语

Python 是一种无比简单又功能强大的语言。入门极其容易，尤其是对于已经具有 C 类语言的经验的程序员来说。本文简单介绍了 Python 编程语言和内置数据类型：bool、int、long、float 和 complex。如果您尚未理解，则请启动一个
Python 解释器，并尝试按照我上面讨论的方法操作。您将会很高兴，我做到的您也可以做到。

Python 技术专题

Python 是由 Guido van Rossum 开发的，可免费获得的。是一种非常高级的解释型语言。其语法简单易懂，而且面向对象的语义功能强大又灵活，Python 可以广泛使用并具有高度的可移植性。本专题内容包括可爱的 Python 系列、Python 探索系列、Python 扩展、使用 Python 进行各种应用开发等等。

可爱的 Python 系列

• 可爱的
  Python：将 XML 和 Python 结合起来 介绍 Python 的 XML 工具
• 可爱的
  Python：DOM 的动态性近观 Python 的 xml.dom 模块
• 可爱的
  Python：我的第一个基于 Web 的过滤 proxy 使用 Txt2Html 转换文本到 HTML
• 可爱的
  Python：使用状态机
• 可爱的
  Python：Python 中的文本处理 入门者提示
• 可爱的
  Python：Curses 编程 入门提示
• 可爱的
  Python ：Python 的实现内幕 Interviews with the creators of Vyper and Stackless Python
• 可爱的
  Python：动态重新装入
• 可爱的
  Python：JPython 和 Python for .NET 内幕 采访创始人
• 可爱的
  Python：Python 中的函数编程 -- 让您喜爱的脚本语言发挥更大功效
• 可爱的
  Python：获得版本 2.0
• 可爱的
  Python：Python 中的 TK编程 -- 给使用 Python GUI 库的初学者的提示
• 可爱的
  Python：在 Python 下开发全文索引
• 可爱的
  Python：Python IDE 测评
• 可爱的
  Python：重温 Python 的 XML 工具
• 可爱的
  Python：Python 中的函数编程，第 2 部分
• 可爱的
  Python：在 Python 中进行函数编程，第 3 部分
• 可爱的
  Python：用于 PalmOS 的 Python
• 可爱的
  Python：pydoc 和 distutils 模块
• 可爱的
  Python：迭代器和简单生成器
• 可爱的
  Python：[anygui] 项目预览
• 可爱的
  Python：更新您的 Python 读物列表，第 2 部分
• 可爱的
  Python：使用 SimpleParse 模块进行解析
• 可爱的
  Python：更新您的 Python 读物列表，第 3 部分
• 可爱的
  Python：用 Python 生成器实现“轻便线程”
• 可爱的
  Python：基于生成器的状态机
• 可爱的
  Python：使用 Spark 模块解析
• 可爱的
  Python：用 Psyco 让 Python 运行得像 C 一样快
• 可爱的
  Python：创建声明性迷你语言 -- 编程为断言而不是指令
• 可爱的
  Python：使用 itertools 模块中的组合函数 -- Python 中的函数编程变“懒惰”了
• 可爱的
  Python: Numerical Python -- 使用 Numeric 软件包和 Numarray 软件包
• 可爱的
  Python：点评 Python IDE -- Python 开发变得更容易
• 可爱的
  Python：Python 中的测试框架 -- 确保软件如您所愿地工作
• 可爱的
  Python：Python Enterprise Application Kit -- 在 Python 中对协议使用 PEAK
• 可爱的
  Python：了解 DParser for Python
• 可爱的
  Python：用 hashcash 打击垃圾邮件
• 可爱的
  Python：Pyrex 可扩展并加速 Python 应用
• 可爱的
  Python：深入 PEAK 的新特性
• 可爱的
  Python：使用 setuptools 孵化 Python egg
• 可爱的
  Python：Decorator 简化元编程
• 可爱的
  Python：Python 之优雅与瑕疵，第 1 部分
• 可爱的
  Python: Python 之优雅与瑕疵，第 2 部分
• 可爱的
  Python：自然语言工具包入门
• 可爱的
  Python：SimPy 简化了复杂模型

使用 Python 构建网格应用程序

• 使用
  Python 构建网格应用程序，第 1 部分：介绍
• 用
  Python 构建网格应用程序，第 2 部分：通信
• 用
  Python 构建网格应用程序，第 3 部分：安全性
• 用
  Python 构建网格应用程序，第 4 部分：元数据
• 使用
  Python 构建网格应用程序，第 5 部分：跟踪和管理

探索 Python 系列

• 探索
  Python，第 1 部分：Python 的内置数值类型
• 探索
  Python，第 2 部分：探索 Python 类型的层次结构
• 探索
  Python，第 3 部分：探索 Python 类型的层次结构
• 探索
  Python，第 4 部分：探索 Python 类型的层次结构
• 探索
  Python，第 6 部分：用 Python 编程
• 探索
  Python，第 5 部分：用 Python 编程
• 探索
  Python，第 7 部分：探索 Python 类型层次结构
• 探索
  Python，第 9 部分：化零为整
• 探索
  Python，第 8 部分

Python Web 服务开发者系列

• Python
  Web 服务开发者：第 1 部分
• Python
  Web 服务开发者，第 2 部分：Web 服务软件资源库，第 1 部分
• Python
  Web 服务开发者 第 5 部分：Python SOAP 库
• Python
  Web 服务开发者 第 6 部分：Python SOAP 库，第 2 部分
• Python
  Web 服务开发者 第 7 部分：第十届国际 Python 大会
• Python
  Web 服务开发者 第 8 部分：Python SOAP 库，第 3 部分
• Python
  Web 服务开发者：针对 Python 的 XML-RPC
• Python
  Web 服务开发者：消息传递技术比较
• Python
  Web 服务开发人员: 用于 Python 的 RSS
• Python
  Web 服务开发者：通过 SMTP 处理 SOAP
• Python
  Web 服务开发者：三股力量：Python、Web 服务和 XSLT
• Python
  Web 服务开发者：现实世界，第 2 部分
• Python
  Web 服务开发者：Python SOAP 库，第 5 部分
• Python
  Web 服务开发者： Python SOAP 库，第 4 部分
• 使用
  python 开发 Web Service
• Python
  Web 服务开发人员：现实世界，第一部分

Python 与数据源

• 使用
  SQLObject 连接数据库与 Python
• 使用
  Python 连接 Apache Derby 数据库
• 基于
  Python 与 DB2 Express-C 的应用开发
• 使用
  Python 访问 DB2 for Linux

使用 Python 进行 socket、web、桌面开发

• Linux
  socket 编程，第一部分
• Linux
  Socket 编程，第二部分
• 使用
  Python 进行 socket 编程
• Python
  Web 框架，第 1 部分：使用 Django 和 Python 开发 Web 站点
• Python
  Web 框架，第 2 部分：使用 TurboGears 和 Python 开发 Web 站点
• 基于
  Django 框架的敏捷 Web 开发
• 针对
  OLPC 膝上型电脑的应用程序开发（教程）
• 针对
  OLPC 膝上型电脑的桌面开发

Python 设计模式系列

• 用模式改善软件设计
• 创建型
  Simple Factory 模式
• Python设计模式系列之三
  -- 创建型Factory Method模式
• Python设计模式系列之四
  -- 创建型Abstract Factory模式

Python 扩展

• 细述
  wxWindows -- 可移植 C++ 和 Python 工具箱简介
• 供初学者使用的
  wxHTML
• 集成
  Pyrite 的 Palm-Linux
• 用
  C 扩展 Python 和 Zope
• 供初学者使用的
  wxHTML
• Python
  自省指南 -- 如何监视您的 Python 对象
• Qt
  和 PyQt -- 用于 Python 的高级 GUI 库
• 用C语言扩展Python的功能
• 在
  Python 中封装 GObject -- 您不必是 C 专家就可以为 Python 封装模块
• 使用
  Python 编织神经网络
• Python
  与 Gnumeric 共舞
• 基于
  Python Matplotlib 模块的高质量图形输出
• 适用于
  CGI 程序员的 CherryPy
• Python
  中的元类编程，第 2 部分 -- 理解继承的奥秘和实例创建
• Python
  中的元类编程，第 3 部分：不用元类进行元编程

Python 开发工具

• Python
  自动单元测试框架
• Python
  中的元类编程 -- 将面向对象编程推向新的高度
• 使用
  Eclipse 和 Ant 进行 Python 开发
• Eclipse
  JyDT 插件简介

Python 与系统管理

• 面向系统管理员的
  Python -- 使系统管理更加简单（并且更加有趣）
• 使用
  Net-SNMP 和 IPython
• 使用
  Python 创建 UNIX 命令行工具
• 使用
  Python 进行实际的线程编程
• 从脚本编写到面向对象的
  Python 编程