Python 学习路线：从语法基础到可维护的小项目

如果已经会写 JavaScript，学 Python 不必再从“什么是变量”开始背一遍。更有效的顺序是：掌握 Python 自己的数据模型，学会把代码拆成函数和模块，再用文件、异常和测试做出一个小工具；只有确实要写异步网络程序时，再进入 asyncio。

本文是一条原创练习路线，目标是让读者能读懂、运行、测试并逐步维护一个 Python 小项目，不是把第三方教程翻译或搬进本站。示例面向 Python 3.10 及以上版本；实际项目应遵从 pyproject.toml、部署环境和 CI 声明的版本范围。

先选一条目标路线

先选一个近期能完成的小目标，不要同时安装多个 Web 框架、异步运行时、ORM 和任务队列。项目已有的技术栈应优先于“热门工具清单”。

0. 建立可复现的运行环境

先确认你真正运行的是哪个解释器，再创建项目虚拟环境。macOS/Linux 常用 python3，Windows 上可以使用 Python Launcher 的 py：

python3 --version
python3 -c "import sys; print(sys.executable)"
python3 -m venv .venv
source .venv/bin/activate
python -m pip --version

Windows PowerShell：

py -3 --version
py -3 -m venv .venv
.\.venv\Scripts\Activate.ps1
python -c "import sys; print(sys.executable)"
python -m pip --version

激活脚本只是调整当前 shell 的命令搜索路径。判断是否使用了项目环境，应检查 sys.executable 和 python -m pip --version 的路径。不要把 .venv 提交到 Git，也不要把它复制到另一台电脑；在目标机器用项目声明的 Python 重新创建即可。环境与可测试服务的公开入门见 Python 后端开发入门。

1. 先掌握 Python 自己的表达方式

Python 用缩进表达代码块；值仍然有类型，但变量不需要先声明类型。条件判断中，空列表、空字符串和 0 都是假值；检查是否缺少值时应写 is None，而不是把 is 当作一般相等比较：

title = "  Python   工程入门  "
items = []
optional_value = None

if items:
    print("列表非空")
else:
    print("列表为空")

if optional_value is None:
    print("还没有提供可选值")

normalized_title = " ".join(title.split())
print(normalized_title)

JavaScript 的 === 和 Python 的 == 都用于比较值；Python 的 is 判断是不是同一个对象，最常见的正确用途是 value is None。列表和字典是可变对象，赋值通常不会复制内容：

source = ["Python"]
alias = source
alias.append("测试")
assert source == ["Python", "测试"]

如果要得到独立的浅拷贝，可使用 source.copy()；如果内部还包含可变对象，浅拷贝不会递归复制所有层级。开始时先用简单结构，只有确实需要时再引入 copy.deepcopy。

2. 熟悉列表、字典、循环与迭代

Python 列表常用 append()，长度通过 len(values) 获取；字典使用 data[key] 取必需字段，.get() 读取可选字段。列表推导式适合简短的转换，不要把多层循环、异常处理和副作用全部压成一行。

records = [
    {"title": "浏览器通信", "published": True},
    {"title": "异步请求", "published": False},
]

published_titles = [record["title"] for record in records if record["published"]]
for title in published_titles:
    print(title)

边界需要说清楚：record["title"] 缺键会抛 KeyError；record.get("title") 缺键会返回 None，但它不会验证值是不是字符串。如果字段来自文件、网络或用户输入，读取后仍要做类型和范围检查。更多 JavaScript 到 Python 的容器对照见列表、字典与数据访问。

3. 把函数、模块和异常作为工程边界

函数先表达一个可命名的动作，再明确输入、输出和失败条件。不要用可变对象作默认参数：默认值在函数定义时创建，后续调用可能共享同一个对象。

def add_tag(tag: str, tags: list[str] | None = None) -> list[str]:
    if tags is None:
        tags = []
    tags.append(tag)
    return tags

一个 .py 文件就是一个模块。项目长大后按职责拆文件，并在入口文件中用 if __name__ == "__main__": 区分“作为脚本运行”和“被其他模块导入”。异常处理只捕获当前层能处理的错误：把不可恢复的输入错误转换成清晰消息，底层意外错误则保留上下文，不要用空的 except: 悄悄继续。

def parse_view_count(raw: str) -> int:
    try:
        count = int(raw)
    except ValueError as error:
        raise ValueError("阅读量必须是整数") from error

    if count < 0:
        raise ValueError("阅读量不能为负数")
    return count

raise ... from error 保留原始异常链，排查时既能看到业务提示，也能定位转换失败的根因。不要把同一错误在每一层都重复包装成含糊的“操作失败”。

4. 用 pathlib、JSON 和测试做一个小练习

把下面代码保存为 mini_catalog.py。它对标题做规范化，并把阅读量限制为非负整数：

from __future__ import annotations


def normalize_title(value: str) -> str:
    if not isinstance(value, str):
        raise TypeError("标题必须是字符串")
    result = " ".join(value.split())
    if not result:
        raise ValueError("标题不能为空")
    return result


def parse_view_count(value: str | int) -> int:
    if isinstance(value, bool) or not isinstance(value, (str, int)):
        raise TypeError("阅读量必须是整数或数字字符串")
    try:
        result = int(value)
    except ValueError as error:
        raise ValueError("阅读量必须是整数") from error
    if result < 0:
        raise ValueError("阅读量不能为负数")
    return result

把下面测试保存为 tests/test_mini_catalog.py。测试的是可观察的边界，不是私有实现细节：

import unittest

from mini_catalog import normalize_title, parse_view_count


class CatalogInputTests(unittest.TestCase):
    def test_title_whitespace_is_collapsed(self):
        self.assertEqual(normalize_title("  Python   工程  "), "Python 工程")

    def test_empty_title_is_rejected(self):
        with self.assertRaises(ValueError):
            normalize_title("  ")

    def test_non_string_title_is_rejected(self):
        with self.assertRaises(TypeError):
            normalize_title(123)

    def test_view_count_accepts_digit_string(self):
        self.assertEqual(parse_view_count("12"), 12)

    def test_negative_count_is_rejected(self):
        with self.assertRaisesRegex(ValueError, "不能为负数"):
            parse_view_count(-1)

    def test_boolean_is_not_silently_accepted_as_integer(self):
        with self.assertRaises(TypeError):
            parse_view_count(True)

    def test_float_is_not_silently_truncated(self):
        with self.assertRaises(TypeError):
            parse_view_count(1.5)


if __name__ == "__main__":
    unittest.main()

在项目根目录运行：

python -m unittest discover -s tests -v

这组练习刻意区分 TypeError 和 ValueError，并覆盖空白、错误类型、合法数字和负数。接下来可以把记录保存为 JSON：使用 pathlib.Path 表达路径，用 with 关闭文件，用 json.load/json.dump 读写，并明确 UTF-8 编码；不要把读取文件、校验、转换和打印全部塞进一个函数。JSON、函数拆分与测试的公开综合示例见 Python 后端开发入门。

迭代器和生成器决定数据是否按需读取；上下文管理器决定文件等资源何时释放。开始处理流式输入或多份文件时，可参考 Python 官方的迭代器类型说明与contextlib 文档，重点练习延迟执行和异常路径上的资源清理。

要把本地数据写入数据库，可从 Python 官方 sqlite3 文档开始：使用参数绑定而不是拼接 SQL，在明确的事务边界内处理一组写入，并结合目标 SQLite 版本核对并发和锁行为。

准备访问外部 API 时，可先看 Python 官方 urllib.request 文档，再为连接和读取分别设置合理的超时、限制响应大小，并只对明确幂等的请求做有预算的重试；超时后的 POST 不能盲目重放。

5. 类型标注是协作提示，不是运行时校验

name: str、-> int 等标注能帮助读者、IDE 和静态类型检查器理解接口；Python 解释器默认不会因为类型标注自动拒绝不符合类型的值。外部输入仍要在运行时验证，不能用一个 str 标注替代 API 参数校验。

先标注稳定的公共函数和数据结构，再在团队确定后选一个类型检查器并写入项目配置。不要为了标注每个局部变量而让代码失去可读性。涉及复杂泛型、协议、运行时反射或新版 typing 功能时，查对应 Python 版本的官方文档，避免把某个新版本的语法带进旧运行环境。

6. 什么时候进入 asyncio 和 Web 后端

asyncio 面向异步 I/O 协作。async def 定义协程，只有在 await 等交还控制权的位置，事件循环才有机会调度其他协程；把长时间 CPU 计算或同步阻塞调用直接放进协程，仍会卡住事件循环。异步不是“代码里加上 async 就变快”，也不是所有脚本的默认起点。

进入异步服务后，下一步不要只练 asyncio.gather()：任务的所有权、取消后的清理、期限传递和队列背压同样重要。请结合 Python 官方 asyncio 任务与 TaskGroup 文档验证当前版本行为，并为取消与超时路径补上可重复的测试。

准备做 API 时，建议按这个顺序扩展：

1. HTTP 方法、状态码、请求体、响应头和超时。
2. 输入 schema、字段校验、错误格式和分页契约。
3. 身份认证与对象级授权；前端隐藏按钮不是权限控制。
4. 数据库连接生命周期、事务、唯一约束和迁移。
5. 日志、健康检查、配置与密钥隔离、可观测性和可回滚部署。
6. 并发限制、客户端断开、幂等、重试和资源释放。

先完成一个普通同步请求的完整闭环，再根据项目框架的官方文档学习异步处理。跨层异常要保留原因，数据库状态变更要考虑事务；不要让 API 直接暴露原始 SQL、堆栈或用户提交的敏感字段。

一条四周练习安排

每周都保留一项可运行产物。遇到新工具时先回答“它解决哪个具体问题、失败时怎么诊断、如何锁定版本”，再决定是否加入项目。

常见误区检查表

• 裸 pip 和运行程序的 python 可能不属于同一个解释器；优先使用 python -m pip。
• is 不是普通的相等运算；值比较用 ==，单例缺失值用 is None。
• list/dict 是可变对象；不要把它们当作共享默认参数。
• .get() 只处理缺键，不会验证数据类型、范围或业务含义。
• except Exception: pass 会隐藏故障；只捕获能恢复的具体错误。
• 类型标注不代替运行时输入校验；异步语法不代替超时、取消和背压设计。
• .venv 是本机可重建环境，不是跨电脑的依赖交付物；提交项目配置和经过审阅的依赖声明。

字典练习：读、增、改、删与成员判断

本地 Python 学习材料中的 lesson4.py 目前只有练习要求，没有已完成的答案。下面是为这篇学习路线新写的参考解答，不是原文件代码，也不表示这段练习曾在真实项目中使用。姓名、年龄和经验值都是虚构示例，公开示例不要填入不打算公开的个人信息。

profile = {
    "name": "Example Reader",
    "age": 30,
    "job": "Frontend Engineer",
    "skills": ["JavaScript", "TypeScript", "Python"],
}

print(profile["name"])
print(profile["job"])

profile["years_of_experience"] = 3
profile["job"] = "AI Engineer"
del profile["age"]

print(list(profile.keys()))
print(list(profile.values()))
print("skills" in profile)
print(profile.get("email"))

for key, value in profile.items():
    print(f"{key}: {value}")

profile["job"] = ... 会新增或覆盖该键；del profile["age"] 删除已存在的键，如果键不存在会抛出 KeyError。确实允许字段缺失时，可以用 profile.pop("age", None)，但不要用默认值掩盖本来必须存在的数据。profile.get("email") 适合读取可选字段，返回 None 不代表已经完成类型校验。

"skills" in profile 检查的是字典键，不是键对应的值；与 JavaScript 的 in 不同，它不会沿原型链查找。keys()、values() 和 items() 返回可迭代的动态视图，例子里的 list(...) 是为了把当时的结果变成普通列表。日常遍历键和值时，直接使用 for key, value in profile.items() 更清楚。

学习资源

以上中文教程和官方文档均保留为外链；本文仅提供原创路线、示例和选择建议，不镜像第三方教程。所有版本相关行为以项目目标解释器对应的官方文档为准。路线上的其他 Python 专题见后端目录。