python应该学什么

想学习Python的人都会有一个困惑，那就是Python目前有两个版本Python2和Python3，Python2与Python3有何区别，两个版本该学习哪个呢？

python3 和 python2 是不兼容的，而且差异比较大，python3是不向下兼容的，但是绝大多数组件和扩展都是基于python2的。目前实际应用中大部分暂不考虑 Python3，有的时候注意写兼容 2/3 的代码。用 Python2 为主的写新代码时要考虑以后迁移到 Python3 的可能性。据数据统计显示目前10% 使用 Python 3；20% 既使用Python 2也使用Python 3，Python 2用的更多；70% 使用Python 2。

其实python是linux上最常用的软件之一，但是linux目前的版本大部分还是使用python2的，而且，在linux上依赖python2的程序更多一些，所以 Python3 要代替 python2 成为主流还需要几年的时间。如果为了找工作还是学Python 2，学会了Python 2，由Python 2转到python3也不难。

说了半天，Python2与Python3到底有何区别呢？

1.性能

Py3.0运行 pystone benchmark的速度比Py2.5慢30%。Guido认为Py3.0有极大的优化空间，在字符串和整形操作上可以取得很好的优化结果。

Py3.1性能比Py2.5慢15%，还有很大的提升空间。

2.编码

Py3.X源码文件默认使用utf-8编码

3. 语法

1）去除了<>，全部改用!=

2）去除``，全部改用repr()

3）关键词加入as 和with，还有True,False,None

4）整型除法返回浮点数，要得到整型结果，请使用//

5）加入nonlocal语句。使用noclocal x可以直接指派外围（非全局）变量

6）去除print语句，加入print()函数实现相同的功能。同样的还有 exec语句，已经改为exec()函数

7）改变了顺序操作符的行为，例如x

8）输入函数改变了，删除了raw_input，用input代替：

9）去除元组参数解包。不能def(a, (b, c)):pass这样定义函数了

10）新式的8进制字变量，相应地修改了oct()函数。

11）增加了 2进制字面量和bin()函数

12）扩展的可迭代解包。在Py3.X 里，a, b, *rest = seq和 *rest, a = seq都是合法的，只要求两点：rest是list 对象和seq是可迭代的。

13）新的super()，可以不再给super()传参数，

14）新的metaclass语法：

15）支持class decorator。

4. 字符串和字节串

1）现在字符串只有str一种类型，但它跟2.x版本的unicode几乎一样。

2）关于字节串，请参阅“数据类型”的第2条目

5.数据类型

1）Py3.X去除了long类型，现在只有一种整型——int，但它的行为就像2.X版本的long

2）新增了bytes类型

6.面向对象

1）引入抽象基类（Abstraact Base Classes，ABCs）。

2）容器类和迭代器类被ABCs化，所以cellections模块里的类型比Py2.5多了很多。

3）迭代器的next()方法改名为__next__()，并增加内置函数next()，用以调用迭代器的

4）增加了@abstractmethod和 @abstractproperty两个 decorator，编写抽象方法（属性）更加方便。

7.异常

1）所以异常都从 BaseException继承，并删除了StardardError

2）去除了异常类的序列行为和.message属性

3）用 raise Exception(args)代替 raise Exception, args语法

4）捕获异常的语法改变，引入了as关键字来标识异常实例

5）异常链，因为__context__在3.0a1版本中没有实现

8.模块变动1）移除了cPickle模块，可以使用pickle模块代替。最终我们将会有一个透明高效的模块。

2）移除了imageop模块

3）移除了 audiodev, Bastion, bsddb185, exceptions, linuxaudiodev, md5, imeWriter, mimify, popen2, rexec, sets, sha, stringold, strop, sunaudiodev, timing和xmllib模块

4）移除了bsddb模块(单独发布，可以从Python "bindings" for Oracle Berkeley DB获取)

5）移除了new模块

6）os.tmpnam()和os.tmpfile()函数被移动到tmpfile模块下

7）tokenize模块现在使用bytes工作。主要的入口点不再是generate_tokens，而是 tokenize.tokenize()

9.其它 1）xrange() 改名为range()，要想使用range()获得一个list，必须显式调用

2）bytes对象不能hash，也不支持 b.lower()、b.strip()和b.split()方法

3）zip()、map()和filter()都返回迭代器。

4）string.letters和相关的.lowercase和.uppercase被去除，请改用string.ascii_letters 等

5）如果x< y的不能比较，抛出TypeError异常

6）__getslice__系列成员被废弃。

7）file类被废弃

通过为开发人员提供应用程序开发结构，框架使开发人员的生活更轻松。他们自动执行通用解决方案，缩短开发时间，并允许开发人员更多地关注应用程序逻辑而不是常规元素。

在本文中，我们分享了我们自己的前十大Python Web框架列表，我们认为这些列表对于您成为专业后端开发人员以及改进现有技能集的方式将会非常有用。请记住，这些框架并没有按照特定的顺序排列：我们专注于展示你能做什么，而不是告诉你应该做什么。

有些事情要考虑

在决定使用哪个框架时，请查看项目的规模和复杂程度。如果您希望开发的是一个包含功能和需求的大型系统，那么全栈框架可能是正确的选择。如果你的应用在更小和更简单的一面，你应该考虑一个微框架。

你可以找到一些框架的种类和焦点信息在这里。但是，最终的决定应该来自您对项目的理解以及您想要简化的任务。

但是，框架也可能阻碍发展。在选择全栈框架时，您经常注册一组限制。当然，你可以找到解决这些问题的方法，但要小心，不要花更多的时间来争取自己的自由，而是要用纯Python编写应用程序。

全堆栈框架

Django是一个免费的开源全栈Python框架。它试图默认包含所有必要的功能，而不是将它们作为单独的库提供。

Django的一些示例性功能是它的身份验证，URL路由，，对象关系映射器（ORM）和数据库模式迁移（Django v.1.7 +）。

Django使用它的ORM将对象映射到数据库表。相同的代码适用于不同的数据库，并不难从一个数据库转移到另一个数据库。Django使用的主要数据库是PostgreSQL，MySQL，SQLite和Oracle，但第三方驱动程序也允许您使用其他数据库。

在SteelKiwi，我们使用Django作为后端开发的主要框架。如果您想看看我们已经使用Django开发的惊人的应用程序，请访问我们的项目页面。

Pyramid是一个开源的基于Python的Web应用程序框架。其主要目标是尽可能以最小的复杂性进行操作。

金字塔最显着的特点是它能够同时适用于小型和大型应用程序。金字塔的一些很棒的功能包括：

单文件应用程序

全面支持模板和资产规范

灵活的认证和授权

，支持和全面的数据文档

和许多每个路由视图

TurboGears是一个开源的，数据驱动的全栈Web应用程序框架。

它允许您快速开发可扩展的数据驱动的Web应用程序。TurboGears配备了用户友好的模板和强大灵活的ORM。

TurboGears的一些独特功能包括：

多数据库支持

MVC风格的架构

支持SQLObject和SQLAlchemy

和Genshi包含在首选的模板语言中

使用FormEncode进行验证

作为网络服务器的塔

一个简化前端设计和服务器开发协调的应用程序库

模板

面向前端的基于WSGI的服务器（粘贴HTTP服务器，CherryPy WSGI / HTTP服务器等）

命令行工具

集成

所有功能都作为函数装饰器实现

Web2py是一个可扩展的开源全栈Python框架。但是，在进一步阅读之前，您应该知道Web2py不支持Python 3。

不过，Web2py的优点在于它配备了自己的基于Web的IDE，其中包括代码编辑器，调试器和一键式部署。

其他有价值的Web2py功能包括：

没有安装和配置要求

能够在Windows，Mac，Linux / Unix，Google App Engine，Amazon EC2以及任何支持Python 2.5-2.7或Java + Python的虚拟主机上运行

多种协议的可读性

数据安全可防止跨站点脚本，注入漏洞和恶意文件执行等漏洞

成功使用软件工程实践，使代码易于阅读和维护

错误跟踪，彻底的错误记录和票务

支持国际化

向后兼容性确保以用户为导向，而不需要失去与早期版本的联系

Flask是一个在BSD许可下可用的Python框架。它受到了Sinatra Ruby框架的启发。Flask依赖于Werkzeug WSGI工具包和Jinja2模板。

Flask背后的主要思想是帮助构建坚实的Web应用程序基础。从那里，你可以使用任何你可能需要的扩展。

Flask的轻量化和模块化设计使其能够轻松适应开发人员的需求。它包含许多有用的开箱即用功能：

内置开发服务器和快速调试器

集成支持单元测试

安全的Cookie支持（客户端会话）

WSGI 1.0合规性

基于Unicode

能够插入任何ORM

HTTP请求处理

瓶子是一个微框架。Bottle最初意味着构建API，它将所有内容都实现在一个源文件中。除了Python标准库之外，它没有任何依赖关系。使用Bottle进行编码可以让您更接近金属而不是使用任何全栈框架进行编码。

其默认功能包括路由，模板，实用程序以及WSGI标准的基本抽象。

路由 - 支持对函数调用映射的请求，使您可以实现干净和动态的URL

模板 - 快速和Pythonic 开箱即用，全面支持mako，jinja2和猎豹

实用程序 - 舒适地访问表单数据，文件上传，Cookie，标题和其他与HTTP相关的元数据

服务器-支持一个内置的HTTP开发服务器fapws3，比约恩，GAE，СherryPy，以及任何其他WSGI能力的HTTP服务器

Bottle是原型开发，学习Web框架组织以及构建简单个人应用的完美解决方案。

CherryPy是一个开源，极简主义的Web框架。它使构建Python Web应用程序与构建任何其他面向对象的程序无异。

事实上，CherryPy支持的网络应用程序是一个独立的Python应用程序，它嵌入了自己的多线程网络服务器。CherryPy应用程序可在任何支持Python的操作系统上运行（Windows，MacOS，Linux等）。它们可以部署在任何可以运行普通Python应用程序的地方。CherryPy应用程序不需要Apache，但是您可以在Apache后面运行CherryPy应用程序，以及在Lighttpd或IIS后面运行它。

CherryPy不是一个非常有限的框架，因为它允许您使用任何类型的技术进行模板化，数据访问等。但是，它仍然能够处理会话，静态，Cookie，文件上传以及web框架通常可以执行的其他任何操作。

一些默认的CherryPy功能包括：

一个HTTP / 1.1兼容WSGI线程池网络服务器

简单一次运行多个HTTP服务器

一个强大的配置系统

一个灵活的插件系统

出的现成的工具缓存，编码，会话，认证，静态内容，并等

内置支持分析，覆盖和测试

能够在Python 2.7+，Python 3.1+，PyPy，Jython和Android上运行

异步框架

Sanic是一个构建在uvloop上的Python Web框架，专门为通过异步请求处理的快速HTTP响应而创建。

它运行在Python 3.5+上。Sanic支持异步请求处理程序，这使它与Python 3.5的异步/等待函数兼容。这提高了速度，提供了非阻塞功能。

在一个进程和100个连接的基准测试中，Sanic每秒能够处理33,342个请求。

Tornado是一个Python Web框架和异步网络库。它使用非阻塞网络I / O并解决C10k问题（意思是说，如果配置正确，它可以处理10,000多个并发连接）。

这使它成为构建需要高性能和数万并发用户的应用程序的理想工具。

龙卷风的主要特点是：

内置的用户认证支持

实时服务

高品质的性能

基于Python的网页模板语言

非阻塞HTTP客户端

实施第三方认证和授权计划（Google OpenID / OAuth，Facebook登录，雅虎BBAuth，FriendFeed OpenID / OAuth，）

支持翻译和本土化

其他

Dash是一个开源Python框架，用于构建分析型Web应用程序。对于不熟悉Web开发的Python数据科学家来说，这尤其有利。

Dash应用程序是运行并通过HTTP请求与JSON数据包进行通信的Web服务器。他们的前端使用呈现组件

使用Dash开发的应用程序在Web浏览器中呈现，并可以部署到服务器。这也意味着Dash应用程序本质上是跨平台和移动就绪的。

Dash开发人员可以访问底层Flask实例及其所有可配置属性。为了扩展Dash应用程序的功能，开发人员还可以使用一套丰富的

选择一个Python Web框架

正确的框架可能是您开发一个成功项目所需的一切。我们真的希望你在本文中找到了一个有趣的框架。如果您有兴趣探索更多选项。

另外，欢迎私信小编交流 Python 的学习经验哦

学习Python的这几天来，觉得Python还是比较简单，容易上手的，就基本语法而言，但是有些高级特性掌握起来还是有些难度，需要时间去消化。Python给我最大的印象就是简洁，这也正是我为什么要从Java转行Python的原因之一。

一、Python简介

ython实现强势逆袭，而且我相信，随着时间的推移，国内Python语言未来前景也是一片向好。

Python的特点是优雅简单，易学易用（虽然我感觉还是有一些概念不容易理解），Python的哲学是尽量用最少的，最简单易懂的代码实现需要的功能。Python适宜于开发网络应用，脚本写作，日常简单小工具等等。Python的缺点是效率较低，但是在大量的场合效率却不是那么重要或者说Python不是其性能瓶颈，所以不要太在意。其次是2.x-3.x的过渡使得许多3.x还缺少很多2.x下的模块，不过也在完善中。其次就是源代码无法加密，发布Python程序其实就是发布源代码。

tiobe编程语言排行榜

一，函数

1.函数是对象，函数名即是指向对应函数对象的引用，所以可以将函数名赋给一个变量，相当于给函数起一个‘别名’。

2.Python函数可以返回”多个值“，之所以打引号，是因为实际上返回的多个值拼成了一个元组，返回这个元组。

3.定义默认参数需要牢记：默认参数必须指向不变对象。否则第一次调用和第二次调用结果会不一样，因为可变的默认参数调用后改变了。

4.可变参数：传入的参数个数是可变的，可以是0个或多个。可变参数会将你传入的参数自动组装为一个tuple。在你传入的list或tuple名字前加一个 * 即说明传入的是可变参数。习惯写法为*args。

5.关键字参数：传入0个或多个含参数名的参数，这些参数被自动组装成一个dict。习惯写法**kw，如**a表示把a中所有的键值对以关键字参数的形式传入kw，获得一个dict，这个dict是a的一份拷贝，对kw改动不会传递到a

6.命名关键字在函数定义中跟在一个*分割符后c,d为命名关键字参数，可以限制调用者可以传入的参数名，同时可以提供默认值

7.参数定义顺序：必选参数，默认参数，可变参数/命名关键字参数，关键字参数。

8.切片操作格式为lis[首下标：尾下标：间隔]，如果都不填，即lis[::]则代表整个容器lis

9.用圆括号()括起来一个列表生成式创建一个生成器generator，generator保存生成算法，我们可以用next(g)取得生成器g的下一个返回值。生成器的好处就是我们不需要提前生成所有列表元素，而是需要时再生成，这在某些情况下可以节省许多内存。算法也可以不是列表生成式而是自定义函数，只需在函数定义中包含yield关键字。

10.map()和reduce()： 二者都是高阶函数。map()接收两个参数，一个是函数，一个是Iterable序列，map将传入的函数依次作用在序列每一个元素上，并把结果作为新的Iterator返回。reduce()类似累积计算版的map()，把一个函数作用在一个序列上，每次接收两个参数，将结果继续与序列的下一个元素做累积计算。

利用map和reduce编写一个str2float函数，如把字符串'123.456'转换成浮点数123.456：

11.fliter()函数过滤序列，类似于map()作用于每一元素，根据返回值是True或者False决定舍弃还是保留该元素。函数返回一个Iterator。

12.sorted()函数可实现排序，类似于C++库中的sort()函数，但是比其更加简洁，语法为sorted(lis,key=func,reverse=T/F)

key函数可实现自定义的排序规则，reverse表示升序还是降序。

13.一个函数可以返回一个函数，但是返回时该函数并未执行，所以返回函数中不要引用任何可能发生变化的变量，否则会出现逻辑错误。

14.装饰器(decorator): 当需要增强函数的功能却不希望修改函数本身，那么可以采用装饰器这种运行时动态增加功能的方式，增加的功能卸载装饰器函数中。如在执行前后打印'begin call'和'end call'，可以这样做：

二，基础

1.如果一个字符串中有许多需要转义的字符，而又不想写那么多'',那么可以用 r'...' 表示 '...'内的内容不转义。

2.Python的逻辑运算and, or, not 分别对应C语言中的&&, ||, !.

3.Python的整数与浮点数大小都没有范围。

4.Python中除法有两种： '/'除出来必是浮点数， '//'除出来是整数，即地板除。

5.Python中一切皆引用。每个对象都有一个引用计数器（内部跟踪变量）进行跟踪，引用计数值表示该对象有多少个引用，当初次产生赋给变量时，引用计数为1，其后没进行下列行为中的任意一种都会增加引用计数

6.深拷贝与浅拷贝的概念与对比，有点复杂，看这篇文章

7.list，tuple和dict，set

list： 为列表，是一个有序集合，类似于数组但又比数组功能强大，可以随时append,pop元素，下标从0开始，且下标为加n模n制，即lis[-1] = lis[len-1]，下标范围[-len,len-1].

tuple：为元组，类似于list，但list为可变类型，而tuple不可变，即没有append,pop等函数。一个建议是为了安全起见，能用tuple代替list尽量用tuple。如果tuple只有一个元素，要写成如(1,)以避免歧义。

dict：字典类型，存放key-value键值对，可以根据key迅速地找出value，当然，key必须是不可变类型

三，面向对象编程

1.Python实例变量可以自由地绑定任何属性

2.为了不让内部属性不被外部访问，在属性的名称前加上两个下划线__，这样就变成了一个私有变量(private)，注意，不能直接访问不代表一定不能访问，事实上，加双下划线后Python就会将其改名为‘_class名__name’，所以还是可以这样来访问这个‘私有’变量。

3.对于静态语言，如果要求传入一个class类型的对象，那么传入的对象必须是class类型或者其子类，否则将无法调用class中的方法，而Python这样的动态语言有‘鸭子类型’一说，即不一定要传入class类型或其子类，而只要保证传入的对象中有要使用的方法即可。

4.如果想要限制实例可以绑定的属性，那么在定义class时定义一个__slots__变量即可。

5.@ property装饰器可以使一个getter方法变成属性，如果方法名为me，那么@me.setter装饰器则可使一个setter方法变成属性。这样可以使代码更简短，同时可对参数进行必要的检查。注意，__slots__限制的属性对当前类实例起完全限制作用，且与子类共同定义其__slots__，也就是说子类可以定义自己的__slots__，子类实例允许定义的属性就是自身的__slots__加上父类的__slots__，即并集。

6.通过多重继承，可使子类拥有多个父类的所有功能。

7.在类中__call__方法可使实例对象像函数那样直接调用，作用即是该方法定义的过程。

8.ORM(Object Relational Mapping 对象关系映射)，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表。ORM的实现需要通过metaclass元类修改类的定义。元类可以改变类创建时的行为。

四，IO编程

1.序列化： 把变量从内存中变成可存储或传输的过程称之为序列化。Python用pickle模块实现序列化。序列化之后，就可以把序列化后的内容存储到磁盘上或者通过网络进行传输。pickle.dumps()将对象序列化成一个bytes,而pickle.loads()可以根据bytes反序列化出对象。

2.pickle虽好，但是它专为Python而生，所以要在不同语言间传递对象，最好还是xml或者json，而json表示格式是一个字符串，更易读取，且比xml快，所以更加适宜于对象序列化。Python内置了json模块，相应方法仍然是dumps()和loads()。

3.但是在默认情况下，有些对象是无法序列化的，所以我们有时还需要定制转换方法，告诉json该如何将某类对象转换成可序列为json格式的{}对象。如下即是一个转换方法：

五，调试

1.Python调试方法：

(1)直接打印

(2)断言

(3)pdb

(4)IDE

想学习从事Python工作的请关注小编