2.7　Python基礎

Python是一種面向對象的解釋型程序設計語言，在1989年由Guido van Rossum在荷蘭國家數學和計算機科學研究所設計，并于1991年公開發行。

Python的源代碼和解釋器CPython全部遵循GPL（General Public License，通用公共許可）協議。任何人均可到Python的官方網站[39]，以源代碼或二進制形式下載Python解釋器及其標準擴展庫，也可以自由分發。該網站還提供了大量的第三方Python模塊、程序、工具及附加文檔。

Python語言結構簡單，容易學習。Python包含豐富的跨平臺標準庫，可以方便地在UNIX、Windows和Mac操作系統之間切換。作為一種粘合劑語言，Python可以方便地粘合其他語言編寫的代碼，如C、C++和FORTRAN編寫的程序。雖然Python語言功能強大，操作簡潔，但本節主要講解Python語言的網絡數據抓取功能，即如何使用簡單的Python語言編寫代碼，快速而準確地抓取網頁上的內容。

雖然可以使用工具從網站上收集數據，但很多個性化數據的獲取依舊需要使用編程來實現。考慮到易用性，Python才是數據獲取的最佳選擇[40]（見圖2.48）。

2.7.1　環境配置

Mac操作系統自帶的Python不需配置即可使用，允許多個版本同時存在。圖2.49顯示系統中包含Python2.7.10和Python3.7.0兩個版本。

Windows系統下，Python的安裝非常簡單。雙擊下載的安裝包，出現Python安裝向導，見圖2.50，建議勾選界面底部的“Install launcher for all users （recommended）”和“Add Python3.5to PATH”選項，選擇“Install Now”，然后單擊“下一步”按鈕，即可完成安裝。

說明：

① 如果希望修改安裝位置，可以選擇“Customize installation”自定義安裝模式。

② 如果沒有勾選“Add Python3.5to PATH”選項，需要設置環境變量，設置方法如下。

右擊“計算機”，在出現的快捷菜單中選擇“屬性|高級系統設置”，在“高級”選項卡中選擇“環境變量”，在彈出的對話框的“系統變量”中選擇“Path”，見圖2.51，然后單擊“編輯”按鈕；在彈出的“編輯系統變量”對話框的“變量值”中添加Python的安裝路徑，見圖2.52。如Python的安裝路徑是“C：\python”，則添加“；C：\python”（不區分大小寫），前面的“；”是為了分隔多個安裝路徑。

安裝結束后，可以在“cmd命令行”中輸入“python”，如果出現圖2.53所示的Python版本的數據，則表明安裝正確。

另外，退出Python的函數是“exit（ ）”。

也可以選擇“開始”菜單的“Python3.5|IDLE（Python3.564-bit）”，出現圖2.54所示的信息，表明安裝正確。

2.7.2　第一個Python程序

我們用2.7.1節介紹的第二種方法進入Python交互窗口，完成第一個Python程序。先嘗試Python的使用方法，使用“print（"hello world"）”函數實現輸出，見圖2.55。

然后新建第一個Python程序，并運行該程序，見圖2.56，具體步驟如下。

<1> 選擇“File|New File”菜單命令，新建程序文件。然后輸入如下代碼，注意英文大小寫。

<2> 選擇“File|Save”菜單命令，保存文件為“1.py”。

<3> 選擇“Run|Run Module”菜單命令或按F5鍵運行程序，結果見圖2.56。

說明：

① 函數print（ ）是Python的一個重要輸出函數，功能是將括號中的一個或多個對象輸出。本例中將字符串“hello world”直接輸出。實際上，該函數還可以輸出數值、布爾、列表和字典等對象。

② Python語言嚴格區分大小寫，使用函數時注意括號和雙引號均為英文格式。

2.7.3　變量和運算符

變量是在程序運行過程中值允許改變的量。變量存儲在計算機的內存中，Python變量不需要聲明，變量被賦值后就意味著創建了變量，即根據賦值的數據類型在內存中開辟一塊空間保存變量的值，因此變量可以是整數，也可以是小數，還可以是字符等，在后續章節中有更詳細的介紹和使用。常見的變量使用方法如下。

第1條語句為變量var1賦值為整數1，第2條語句為變量var2賦值為小數“3.14”，第3條語句為變量var3賦值為字符串"abc"。

用“=”為變量賦值，左側是變量名，右側是變量值。Python也允許同時為多個變量賦相同或不同的值，格式如下。

變量名是標識符的一種，必須嚴格遵守Python標識符的規定。變量名的首字符必須是字母或下劃線，其他字符可以包含字母、數字和下劃線。注意，變量名不可以是Python保留的關鍵字。查看Python關鍵字的方法是進入幫助功能，然后輸入“keywords”，具體方法如下。

注意：help（ ）函數的功能是查看函數或模塊用途的詳細說明，按q鍵退出幫助。

Python的關鍵字有25個，見圖2.57。

變量被賦值后，可以使用type（ ）函數查看變量中保存值（或者說對象）的數據類型，使用id（ ）函數查看其分配的內存空間，具體方法如下。

說明：

① 變量var1保存的對象是整數數據（int），變量var2保存的對象是浮點（也稱為小數）型數據（float），這兩種數據統稱為數值型數據。變量var3保存的對象是字符串（str）。

② 對象是有數據類型的，但變量無數據類型。如上例中的小數“3.14”是浮點型數據類型的對象，被賦予變量var2，變量可以被多次賦值，每次賦值的對象的數據類型可以是不同的。例如：

Python有6種數據類型，分別是Number（數字）、String（字符串）、List（列表）、Tuple（元組）、Sets（集合）、Dictionary（字典）。本節主要介紹前3種數據類型。

1.Number（數字，也稱為數值）型數據

Python支持4種數值型數據，除了前面使用的int和float，還有bool（布爾）和complex（復數）。

布爾型數據僅包含“True”和“False”兩個值，對應的數字分別是“1”和“0”，它們可以與數字相加，任意布爾型數據也可以相加。例如：

復數型數據由實數和虛數構成，如“a + bj”，或者用函數complex（a，b）表示。例如：

2.String（字符串）型數據

字符串是由單引號（'）或雙引號（"）括起來的零個或多個字符。字符串的索引以“0”為初始值，索引“-1”為右側末尾的位置。如2.7.2節中第一個Python程序中的字符串"hello world"，字符串的索引值可以方便地將字符串中的部分字符取出，例如：

說明：

① “[0]”表示字符串的第1個字符，“[-1]”表示字符串的最后一個字符。

② “[3：]”表示字符串的第4個至最后一個字符。

③ “var8*2”表示復制當前字符串，數字表示復制的次數。

④ "UCASS" + var8表示將兩個字符串連接。

⑤ “[6：9]”表示字符串的第7～9個字符。

字符串使用“+”運算符時，必須保證左右兩側均是字符串，若數據類型不正確，可能導致出錯。例如：

說明：

① 表達式“100+ var8”中，“+”運算符左側不是字符串，運算后產生了錯誤。

② 可以使用str（100）函數將數字100變成字符串"100"，即可避免這類問題。

字符串中的“\”是轉義特殊字符，具有特殊的含義。如“\n”表示換行，如不希望“\”轉義，可以在字符串前面添加字符“r”，常見的轉義特殊字符見表2.6。例如：

字符串還有一個經常使用的函數len（ ），其功能是返回字符串的長度。例如：

3.List（列表）型數據

Python的列表型數據功能強大，在進行網頁內容獲取的時候被頻繁使用。列表由寫在“[ ]”之間、用“，”分隔的元素構成。列表中元素的類型可以不同，最常用的元素類型是數字、字符串和嵌套列表（即列表中的一個元素是另一個列表）。定義列表類型的變量方法如下。

與字符串類似，也可以使用索引值表示列表中的元素。例如：

說明：

① “print（var9）”表示輸出列表的全部元素。

② “var9[0]”表示列表的第1個元素。

③ “var9[2：]”表示列表的第3個至最后一個元素。

④ “var9*2”表示復制當前列表2次。

列表的常用函數有append（ ）、reverse（ ）、count（ ）、index（ ）、insert（ ）、remove（ ）和sort（ ）等。

函數append（ ）的功能是將參數追加入列表對象的結尾。reverse（ ）函數的功能是將列表對象中的元素按所在位置進行反轉。count（ ）函數的功能是返回列表中某元素的個數。例如：

函數index（ ）的功能是返回參數在列表中的索引位置。函數insert（ ）的功能是在任何位置增加一個列表元素。函數remove（ ）的功能是刪除列表元素。例如：

說明：

① 函數insert（ ）包含兩個參數，第一個參數是索引值，第二個參數是插入內容。

② 函數remove（ ）只有一個參數，即刪除的列表元素，若列表中包含參數，則刪除列表中找到的第一個列表元素，如上例var9.remove（"abc"）只刪除第一個元素"abc"，而未刪除第二個"abc"元素。若參數并不能在列表中找到，則返回錯誤提示數據。

思考：列表var9包含兩個相同的元素'abc'，則函數index（'abc'）返回哪個的索引值？

函數sort（ ）的功能是對列表元素進行從小到大的排序，若列表元素的數據類型不同，則無法排序（有些Python版本也支持數據類型不同的列表元素排序，如Python2.7.10），顯示錯誤數據。例如：

說明：

① 函數sort（ ）出現無法排序的錯誤提示，是因為列表元素有字符串，還有整數和小數，而字符串和數值型數據是無法比較大小的。

② 函數sort（ ）使用“reverse=True”參數時，是按照從大到小降序排列。

③ 函數sort（ ）使用“key=len”參數時，是按照長度從小到大升序排列。

④ 單獨使用var9的功能與print（var9）相同，功能是輸出列表的全部元素。

Python語言支持的運算符包括算術運算符、比較（關系）運算符、賦值運算符、邏輯運算符、位運算符、成員運算符和身份運算符。賦值運算符在前面的案例中已經多次使用，算術運算符、比較（關系）運算符和邏輯運算符應用廣泛。

4.算術運算符

算術運算符見表2.7。假設變量a賦值為23，變量b賦值為10，變量c賦值為“TV”。

說明：

① 乘法運算符的左右兩側均為數字型數據時，表示兩個數字相乘。當左側為字符串、右側為整數n時，表示復制左側字符串n次。

②23除以10的商是2余數是3，所以取模運算“a % b=3”，而整除運算“a // b=2”。

5.比較（關系）運算符

比較運算符見表2.8。假設變量a賦值為23，變量b賦值為10。

說明：比較運算符的運算結果只能是“True”或“False”。“True”或“False”都是Python關鍵字，首字母大寫，且默認為藍色顯示。

6.邏輯運算符

邏輯運算符見表2.9。假設變量a賦值為23，變量b賦值為10，變量c賦值為0，變量d賦值為“True”，變量e賦值為“False”。

說明：任何非零數字型數據均認為是邏輯值“True”，邏輯值“True”和“False”可以與數字型數據進行算術運算，此時邏輯值“True”被認為是數字1，“False”是數字0。

7.成員運算符

成員運算符見表2.10。假設變量a賦值為“abc”，變量b賦值為“Abc”（注意字符串的大小寫），變量c賦值為列表['ABC'，'UCASS'，'abc']。

2.7.4　條件語句

Python語言包含三種語句，最簡單的是順序語句，即按照語句的先后順序執行。第二種是條件語句，根據條件進行判斷和選擇執行的語句。第三種是循環語句，根據條件決定執行的次數。

條件語句也稱為分支語句或if語句，格式如下。

說明：

① 必須使用4個空格的縮進表示語句塊的開始和結束。

② 條件和else后面的“：”必須書寫。

③ 根據需要，決定elif語句的個數及是否包含else語句。

1.單分支條件語句

條件語句的使用方法有多種情況，最簡單的單分支條件語句只包含一個if，沒有elif和else。只有一個分支。例如，新建一個程序文件test.py。

程序運行結果如下：

說明：變量a賦值為整數10，輸出時必須使用函數str（a）轉換為字符串，才能使用“+”運算符。

2.雙分支條件語句

雙分支條件語句包含兩個分支，根據條件是“True”還是“False”來決定執行的分支。例如：

程序運行結果如下：

說明：縮進表示語句塊的開始和結束，最后一行語句沒有任何縮進，不屬于if語句，也不屬于else語句，是單獨的一條順序語句，無論條件“a>0”的結果是“True”還是“False”，均執行該條語句。

3.多分支條件語句

多分支條件語句包含三個或以上的分支，根據條件結果執行相應的分支。例如：

程序運行結果如下：

說明：

① 判斷變量a是否是零值的語句是“a==0”，不能寫成“a=0”，前者“==”是比較運算符，后者“=”是賦值運算符。

② 本例中條件語句只包含一個elif分支，實際上可以根據需要包含多個elif分支，只有當前面的所有條件均不為“True”時才執行else語句。

③ 各條件不能有交集。

4.注釋

注釋是對程序代碼的解釋和說明。注釋并不執行，對程序的運行結果也沒有任何影響，主要用于幫助自己或他人更好地理解代碼。注釋要準確簡潔，格式一致，盡量保證注釋與所注釋的代碼相鄰，一般在代碼的上方或右側進行注釋。例如：

程序運行結果如下：

說明：

① 單行注釋以“#”開頭，可以在所注釋代碼的上方或右側。

② 多行注釋需要在注釋的上面使用3個英文引號、下面使用3個英文引號。引號可以是單引號或雙引號，但上下引號必須一致。

2.7.5　循環語句

在編寫程序時經常需要完成大量的重復工作，為了減少代碼的長度，提高程序可讀性，降低復雜度，可以使用循環語句完成這類問題。

Python包含兩種循環語句：for循環、while循環。

1.for循環語句

Python中的for循環語句可以方便地遍歷一個序列的全部元素，如一個列表中的每個元素，一個字符串中的每個字符。例如：

遍歷列表元素的代碼如下：

程序運行結果如下：

說明：

① 程序共循環4次。第1次循環取出列表langs中的第一個元素'Java'并打印，然后依次取出第二個、第三個、第四個元素并打印。

② 循環語句中的變量c用于臨時存儲每次循環取出的元素，此變量名只需符合標識符規則即可，名字可以任意設定。

遍歷列表元素的方法不止一種，也可以使用如下代碼實現。

說明：

① 函數len（langs）用于返回langs列表的元素個數，本例返回“4”。

② 函數range（start，end，step）包含3個參數。start設置計數的起始值。end設置計數的結束值，但不包括end。step設置每次增加的間距，默認為1。本例的range（0，4）表示從0開始，每次增加1，包含1、2、3但不包含4，即打印langs[0]、langs[1]、langs[2]、langs[3]，遍歷了列表的全部元素。

遍歷字符串的代碼如下。

程序運行結果如下：

說明：

① 循環語句中的變量c用于臨時存儲字符串中的每個字符。

② 本循環語句共循環3次。

2.while循環語句

Python中，while循環語句包含一個執行條件，當條件滿足時就執行某段程序，直至條件不再滿足。例如：

使用while循環語句遍歷列表元素的代碼如下。

程序運行結果如下：

說明：

① 本例中的函數len（langs）的返回值是4。變量i的初始值是0，滿足條件，則循環1次，變量i的值重新賦值為1；然后循環判斷條件是否滿足，直到變量i賦值為4時，條件不再滿足，退出循環。本例共循環4次。

② 本例中的變量i必須在while循環語句前賦值，否則變量i沒有賦值，無法進行條件判斷。

循環語句while和for中經常使用break語句終止循環（即使滿足循環條件也會停止執行）。continue語句用于跳出本次循環，執行下一次循環。注意，break語句將終止整個循環。例如：

程序運行結果如下：

說明：

① 程序的功能是從1開始的整數相加，當和大于10時不再相加跳出循環，打印輸出。

② for循環語句的循環體包含兩條語句。第一條是“sum= sum + i”，第二條是if語句，當條件“sum >10”的結果是“True”時，執行break語句，即條件滿足退出for循環語句，執行for循環語句后面的print語句。

③ 程序最后的print語句的縮進格式表示這條語句不屬于for循環，如該語句縮進，則屬于for循環，該語句循環4次，輸出如下。

例如，語句continue如下。

程序運行結果如下：

說明：

① 程序的功能是將1～10中的奇數相加，當超出10時不再相加跳出循環，打印輸出。

② for循環語句的循環體包含兩條語句。第一條是if語句，當條件“i %2==0”的結果是“True”時，即當變量i是偶數時，執行continue語句，跳出本次循環，即不執行第二條語句“sum= sum + i”，進入下一次循環。

循環語句還有一種包含else子句的用法，當循環條件不滿足結束循環時執行，但循環被break語句終止時不執行。

輸出20～30之間的質數的代碼如下：

程序運行結果如下：

說明：

① 這是一個循環嵌套，即for循環語句中包含另一個for循環語句。

② 第二個for循環語句的范圍是range（2，n//2），“n//2”表示n整除2的值。

③ 循環語句中的if語句的條件“n % x==0”表示當n能被x整除時，執行break語句終止內部的for循環，即不執行后面的else語句。但不影響外部for循環，即終止內部嵌套的for循環后，繼續執行外部for循環。

④ 當內部for循環一直沒有滿足if條件，但因為超出range（2，n//2）范圍而終止時，執行else語句，即n不能整除2～n//2的所有整數，則可判斷其為質數。

思考：若將else語句縮進到與if語句同列，則運行結果如何？

2.7.6　輸入和輸出

Python語言經常使用print（ ）函數完成輸出，使用函數input（ ）實現輸入。函數print（ ）在前面的案例中已經多次使用，本節介紹如何使用該函數完成格式化輸出，例如：

程序運行結果如下：

說明：

① 函數print（ ）中的“%”符號表示轉換說明符的開始。轉換說明符的具體含義見表2.11。

② 函數print（ ）還可以設置左對齊，顯示正負號，設置最小字段寬度和精度等格式，具體參見幫助文檔[41]。

函數input（ ）的功能是返回用戶輸入的字符串，默認的標準輸入是鍵盤，每次僅讀入一行文本。

程序運行結果如下：

說明：

① 函數input（ ）包含一個參數時用于提示用戶輸入的內容。

② 程序運行input（ ）時，需要用戶手動輸入內容并回車后才能繼續執行其他語句。

2.7.7　文件的讀/寫

文件對象用于建立與磁盤文件的聯系，可以實現文件內容的讀取，將字符串寫入文件，或將獲取的網絡數據使用文件對象存儲，方便后續的修改和使用。

讀/寫文件前，先用open（ ）函數打開一個文件，該函數的功能是返回一個文件對象。其格式如下：

說明：

① 第一個參數表示文件的名字，第二個參數說明打開文件的模式，即如何使用該文件，該參數省略，表示文件以“r”模式打開。文件的打開模式見表2.12。文件的打開模式可以有多種組合，如“r”模式表示以只讀方式打開文件，“r+”模式是文件既可讀也可寫，從文件頭部開始寫，覆蓋原文件的內容，但不會創建不存在的文件。“w+”模式是文件既可讀也可寫，若文件存在，則覆蓋整個文件，與“r+”模式不同的是，若文件不存在，則新建文件。

② 通常情況下，文件是以文本模式打開的，讀寫采用默認的UTF-8編碼格式，以二進制模式打開的情況使用較少，一般以字節的形式進行讀寫操作。

文件對象file的常用函數見表2.13。

例如，讀取文件內容的代碼如下：

說明：

① 代碼的第1行以只讀方式打開文件“test.txt”，函數open（ ）生成文件對象f。

② “f.name”的功能是返回文件對象f的文件名。

③ 函數f.read（10）從文件頭部開始讀取10字節后，賦值給變量line。

例如，將字符串寫入文件的代碼如下：

說明：

① 代碼第2行以只寫方式打開文件“test.txt”，若該文件不存在，則新建此文件。

② 代碼“f. write（var1）”的功能是將變量var1的字符串寫入對象f指向的文件“test.txt”。

③ 最后一行代碼用于關閉文件。

例如，從一個文件中讀取內容寫入另一個文件的代碼如下：

說明：

① 第1行缺少文件打開模式，默認表示文件以只讀模式打開。

② 循環語句while多次執行，直到文件“input.txt”中的內容全部被讀取。循環體中使用if語句判定是否退出循環，當內容全部讀取后，再次讀取時變量line的值為空，不符合條件，則使用語句break結束循環。

③ 最后2行代碼分別關閉兩個文件。