Python适合网络应用(网站、后台服务)，日常小工具，管理员脚本任务等
缺点是运行慢，代码不能加密(解释型语言都有这个问题，编译型没有)
输出：print()函数，可以接受多个字符串，用","隔开(遇到","会输出空格)
输入：input()函数，可以接收字符串参数作为输入提示语 x = input() x 是字符串，如果输入的是数字可以转换：x = int(x)
变量本身类型不固定的语言称之为动态语言（Python），与之对应的是静态语言（在定义变量时必须指定变量类型，如果赋值的时候类型不匹配，就会报错，如Java）
a = 'ABC' Python解释器干了两件事情：
1、在内存中创建了一个'ABC'的字符串；
2、在内存中创建了一个名为a的变量，并把它指向'ABC'。
也可以把一个变量a赋值给另一个变量b，这个操作实际上是把变量b指向变量a所指向的数据
可以把任何数据都看成一个“对象”，而变量是程序中指向这些数据对象的，对变量赋值是把数据和变量给关联起来。对变量赋值x = y是把变量x指向真正的对象，该对象是变量y所指向的。随后对变量y的赋值不影响变量x的指向
字符编码：计算机内存中，统一使用Unicode编码，当要保存到硬盘或者需要网络传输时，就转换为UTF-8编码（可变长编码，节省空间）
Python字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。
Python对bytes类型的数据用带b前缀的单引号或双引号表示：
x = b'ABC'
要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。
encode：str->bytes decode：bytes->str
格式化输入：print('%d-%2d' % (3, 1)) 只有一个参数可以省略括号
列表和元组：
list：可变有序 e.g.: name = ['michael', 'mike', 'miky'] (可用索引访问，-1是最后一个元素 name[-2]:mike)
追加元素到末尾：name.append('alex') 添加元素到指定位置：name.insert(2,'james') 删除末尾元素：name.pop() 删除指定位置元素：name.pop(2) 替换元素：name[2] = 'jack'
list的元素可以不同类型
tuple：有序不可变，一旦初始化就不可修改（好处是安全，能用tuple就不用list）
t = (1, 2) 定义只有一个元素的tuple要注意：t = (1, )
dict：使用键-值(key-value)存储，查找速度快（根据key算出value的存储位置，其他语言中也叫map）
d = {'michael':98, 'mike':95} 删除：d.pop('mike') 获取value：d.get('michael')
dict要占用大量的内存（空间换时间） dict的key是不可变对象（对于不可变对象调用任意自身的方法都不会改变对象自身的内容，而是创建新的对象返回）
set：一组key的集合，不存value，key不能重复
两种创建方式：s = {'1','2','3'} 或者用list创建：list1 = ['1','2','3'] s = set(list1)
添加元素：s.add('4') 删除元素：s.remove('4')
set可以做交并差等集合的操作
函数：
pass语句什么都不做，可以当做占位符
可以使用内置函数isinstance()检查传入函数参数的类型是否正确： isinstance(x, (int,float))
函数可以返回多个值：return x,y （实际上返回的是一个tuple (x,y),tuple的括号可以省略）
函数参数：
默认参数必须指向不变对象(比如：None) （不变对象的好处：不变对象一旦创建，对象内部的数据就不能修改，可以减少由于修改数据导致的错误。此外多任务环境下同时读取对象不必加锁）
*args是可变参数（传入任意个参数），接收的实际上是一个tuple （可以在list或者tuple前加'*'作为可变参数传参）
**kw是关键字参数（传入任意个含参数名的参数），接收的实际上是个dict（可以在dict前加'*'作为可变参数传参）
命名关键字参数（必须传入参数名）：限制关键字参数的名字。 用'*'作为分隔符，'*'后面的参数视为命名关键字参数（如果函数定义中已有一个可变参数，后面不需加'*'）
高级特性：
切片：L[0:3](取L的前三个元素，从0开始0可以省略，L[:3]) L[10:20:2](每隔2个取10-20的元素) list、tuple和字符串都支持切片操作
迭代：通过collections模块的Iterable类型可以判断一个对象是否可迭代：isinstance(s, Iterable)
列表生成式：可以快速创建list生成式（代码简洁）
[x*x for x in range(1,6) if x % 2 == 0] = [4, 16] [m+n for m in 'ab' for n in 'xy'] = [ax, ay, bx, by] L = ['ABC', 'Hello'];[d.lower() for d in L if isinstance(d,str)] = ['abc', 'hello']
生成器(generator)：一边循环一边计算的机制
g = (x * x for x in range(10))就是一个generator 可以通过next()方法获得generator的下一个返回值，直到抛出stopIteration错误（一般不用next()遍历，使用for循环（for循环本质也是调用next））
如果一个函数定义中包含'yield'关键字，这个函数就不再是一个普通函数，而是一个generator， generator跟函数的执行流程不同，每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次yield返回处执行
普通函数调用返回结果，generator函数'调用'返回一个generator对象
迭代器（Iterator）：可被next()函数调用并不断返回下一个值 可isinstance('abc', Iterator)判断
可迭代对象（Iterable）：可直接用于for循环的对象 可isinstance('abc', Iterable)判断 可用for循环的有以下几种：
1、集合数据类型，list、tuple、dict、set、str ---（不是Iterator，可通过iter()函数获得一个Iterator对象） Iterator的计算是惰性的，只有在需要返回下一个数据时才会计算
2、generator，包括生成器和带yield的generator function
函数式编程：（允许把函数作为参数传入另一个函数，允许返回一个函数）
高阶函数：把函数作为参数传入的函数。函数式编程就是指这种高度抽象的编程范式 f = abs f(-10)==>10 函数名就是指向函数的变量
map函数：参数一：函数 参数二(三...)：多个iterable 返回一个Iterator 只有一个iterable，对iterable中每个元素调用参数一的函数 多个iterable，并行调用参数一的函数
reduce函数：参数一：函数（必须有2个参数） 参数二：iterable序列 返回计算结果 将函数作用在一个序列[x1,x2,x3,,,]上 reduce(f, [x1, x2, x3, x4]) ==> f(f(f(x1, x2), x3), x4)
filter()函数：参数一：函数 参数二：iterable 返回：Iterable 从一个序列中筛选出符合条件的函数
sorted()函数：参数一：Iterable 参数二（可省略）：比较函数 参数三（可省略）：用来进行比较的元素 参数四（可省略）：排序规则 reverse=True/False
闭包：内部函数可引用外部函数的参数和局部变量，返回的函数中保存了相关的参数和变量
函数可以返回一个函数：返回函数时并未执行这个返回的函数（返回函数一定不要引用任何可能会变化的变量，如循环变量）
匿名函数：lambda x: x*x ':'前是函数参数 只能有一个表达式 匿名函数时一个函数对象，可以赋值给一个变量
装饰器：代码运行期间动态增加功能的方式 @语法
偏函数：functools.partial创建偏函数 int2 = functools.partial(int, base=2) 把一个函数的某些参数固定，从而调用更简单
模块：一个.py文件就是一个模块，模块可以置于包目录下，每个包目录下有一个__init__.py文件（必须存在），否则Python将这个目录当成普通目录，而不是一个包
模块是对象，且所有的模块都有一个内置属性 __name__，__name__ 的值取决于如何应用模块。如果import一个模块，__name__的值通常为模块文件名，不带路径或者文件扩展名。也可以像一个标准程序样直接运行模块，此时__name__值缺省为"__main__"
作用域：模块中，有的函数或变量希望给别人用，有的希望仅在模块内使用，通过_前缀实现
正常的函数名或变量名是公开的(public)，如abc，x1，PI等
类似__xxx__的变量是特殊变量，可被直接引用，但是有特殊用途如__name__
类似_xxx和__xxx的函数或变量是非公开的(private)，不应该被直接引用（并不是不能）
通常一个第三方库都会在Python官方的pypi.python.org网站注册，知道库的名字就可以安装这个第三方库了
模块搜索路径：Python解释器会搜索当前目录、所有已安装的内置模块和第三方模块，搜索路径存放在sys模块的path变量中。 添加自己的搜索目录：sys.path.append('xxx') （运行时生效，运行结束后失效） 或者设置环境变量PYTHONPATH，该变量的内容会自动添加到模块搜索路径中
面向对象
__init__方法初始化一个实例对象，有了__init__方法创建实例的时候就不能传入空的参数了
类中的函数第一个参数必须是self，调用时不需要传递这个参数
变量名类似__xxx__的，即以双下划线开头且以双下划线结尾的，是特殊变量，特殊变量是可以直接访问的，不是private变量，所以不能用__name__、__score__这样的变量名。
以一个下划线开头的实例变量名如_name，这样的实例变量外部是可以访问的，但是，按照约定俗成的规定，看到这样的变量时，意思就是，“虽然我可以被访问，但是，请把我视为私有变量，不要随意访问”。
双下划线开头的实例变量是不是一定不能从外部访问呢？其实也不是。不能直接访问__name是因为Python解释器对外把__name变量改成了_Student__name，所以，仍然可以通过_Student__name来访问__name变量。（不同的解释器可能解释成不同的名字）
静态语言如Java，如果需要传入Animal类型，则传入的对象必须是Animal类型或者它的子类，否则，将无法调用run()方法
对于Python这样的动态语言，则不一定需要传入Animal类型。只需要保证传入的对象有一个run()方法就可以了
这就是动态语言的“鸭子类型”，并不要求严格的继承体系，一个对象只要“看起来像鸭子，走起路来像鸭子”，那它就可以被看做是鸭子 动态语言的鸭子类型决定了继承不像静态语言那样是必须的
获取对象信息：
type()函数，instance()函数（优先使用instance） dir()函数可以获得一个对象的所有属性和方法，返回一个包含字符串的list getattr(),setattr(),hasattr()可以操作一个对象的状态
不要对类属性和实例类型使用相同的名字，如果相同实例属性会屏蔽掉类属性
定义class时，可定义__slot__变量来限制该class实例能添加的属性（仅对当前类起作用，对继承的子类不起作用）
@property可以让调用者写出简短的代码，同时保证对参数进行必要的检查 @property装饰器可以吧一个方法编程属性调用
class允许定义许多定制方法，可以非常方便的生产特定的类 __str__,_iter__,__getitem__,__getattr__,__call__
meteclass：创建类
错误处理：
当认为某些代码执行可能出错时，可用try来运行这段代码。如果执行出错，后续代码不执行，跳转至错误处理代码（except）处，执行完except后，如果有finally语句块则执行finally语句块
错误也是class，且所有的错误都继承自BaseException，except捕获错误时，将其子类也捕获
raise语句会抛出错误
调试：
通过导入logging使用logging语句，可以指定记录信息的级别，debug,info,warning,error，logging不会抛出错误，可以输出到文件（logging最强大）
python -m pdb xxx.py 通过pdb进行单步调试 pdb.set_trace()可以为程序设置断点
单元测试：导入unittest，编写一个继承unittest.Test的类，每一类测试都要写一个test_xxx()方法，然后使用内置的条件判断 unittest.main()运行单元测试 可以在单元测试中编写setUp()和tearDown()方法，会分别在每个测试方法前后被执行
文档测试：Python内置的doctest模块可以直接提取注释中的代码并执行
同步IO：等待IO执行完成，再接着执行
异步IO：不等待IO执行完成，而去做别的事情（性能高，但是编程模型复杂，如何通知IO完成）
文件读写
磁盘上读写文件都是由OS提供的，现代OS不允许普通程序直接操作磁盘，读写文件就是请求OS打开一个文件对象(称为文件描述符)，然后通过OS提供的接口从这个文件对象读取数据或把数据写入这个文件对象
读文件：open()函数，read()方法一次读取文件全部内容到内存（用str表示），最后close()关闭文件（必须关闭，文件对象会占用OS资源，且OS同一时间打开的文件数量有限）
readlines()每次读取一行，按行返回list read(size)最多读取size个字节的内容 文件小，则用read()一次性读取，文件大小不确定用read(size)保险，配置文件用readlines()最方便
写文件：open(),write(),close() 写文件时，OS不会立刻把数据写入磁盘，而是先放到内存缓存起来，空闲时再慢慢写入，只有调用close()方法时，OS才保证把没有写入的数据全部写入磁盘
最好使用with语句操作文件IO with语句是对try...except...finally语法的一种简化，并提供了对异常很好的处理方式（with所求值的对象必须有__enter__()和__exit()__方法）
StringIO和BytesIO是内存中操作str和bytes的方法，使得和读写文件具有一致的接口
操作文件和目录的函数在os模块和os.path模块中 将两个路径合成一个时，不要直接拼字符串，使用os.path.join()函数，可以处理不同OS的路径分隔符 拆分路径使用os.path.split()函数 os.path.splitext()可以直接得到文件扩展名 shutil模块也有很多实用的函数，可看做是os模块的补充
pickle模块实现序列化操作：pickle.dumps()将任意对象序列化成一个bytes，pickle.loads()将bytes反序列化出对象，pickle.load()从一个file-like Object中直接反序列化出对象
json模块提供对象到JSON格式的转换：json.dumps()返回一个str，内容是标准的JSON loads()吧JSON字符串反序列化，load()从一个file-like Object中读取字符串反序列化
进程线程：
os模块封装了常见的系统调用，包括fork，可以创建进程，不能再Windows上调用 multiprocessing模块是跨平台的多进程模块，提供一个Process类代表一个进程对象，需要传入一个函数和函数的参数 通过start()启动进程，join()方法等待子进程结束后继续往下执行，通常用于进程间同步
如果要启动大量的子进程，可以用进程池批量创建子进程 对Pool对象调用join()会等待所有子进程执行完毕，调用join()前必须调用close()，调用close()后就不能继续添加新的Process了 subprocess模块可以方便的启动一个子进程，控制其输入输出
进程间通信：multiprocessing模块封装了底层的机制，提供了Queue、Pipes等方式来交换数据
Python的线程时真正的Posix thread,而不是模拟出来的线程
_thread是低级模块，threading是高级模块，对_thread进行了封装，大多数情况下用threading模块 启动一个线程就是创建一个Thread实例，传入一个函数，调用start()开始执行
多进程中对于同一个变量，每个进程各自有个拷贝，互不影响，但是多线程中所有变量都由所有线程共享，所以多线程同时操作一个变量需要加锁，通过threading.lock()实现
Python解释器(CPython)执行代码时有一个GIL(Global Interpreter Lock)锁，Python线程执行前必须先获得GIL锁，然后每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。
ThreadLocal虽然是全局变量，但是每个线程都只能读写自己线程的独立副本，互不干扰，解决了参数在一个线程中各个函数间互相传递的问题
multiprocessing模块的子模块managers支持把多进程分布到多台机器上
网络编程：
socket表示打开一个网络连接，打开一个socket需要知道目标计算机的IP地址和端口号，再指定协议类型
客户端：创建一个socket，然后connect，send发送数据，recv接收数据，最后close关闭socket
服务端：创建一个socket，bind绑定监听地址和端口，listen监听端口，accept等待并返回一个客户端的连接（会返回一个socket和address，通常开一个线程去处理这个连接，send发送数据，recv接收数据，close关闭socket）
协程：看上去是子程序，但执行过程中，在子程序内部可中断，转而执行别的子程序，在适当的时候再返回来接着执行
协程是一个线程执行，执行效率高，没有现场切换开销，也不需要锁机制 Python对协程的支持是通过generator实现的（yield不但可以返回一个值，还可以接收调用者发出的参数）
https://blog.csdn.net/soonfly/article/details/78361819
缺点是运行慢，代码不能加密(解释型语言都有这个问题，编译型没有)
输出：print()函数，可以接受多个字符串，用","隔开(遇到","会输出空格)
输入：input()函数，可以接收字符串参数作为输入提示语 x = input() x 是字符串，如果输入的是数字可以转换：x = int(x)
变量本身类型不固定的语言称之为动态语言（Python），与之对应的是静态语言（在定义变量时必须指定变量类型，如果赋值的时候类型不匹配，就会报错，如Java）
a = 'ABC' Python解释器干了两件事情：
1、在内存中创建了一个'ABC'的字符串；
2、在内存中创建了一个名为a的变量，并把它指向'ABC'。
也可以把一个变量a赋值给另一个变量b，这个操作实际上是把变量b指向变量a所指向的数据
可以把任何数据都看成一个“对象”，而变量是程序中指向这些数据对象的，对变量赋值是把数据和变量给关联起来。对变量赋值x = y是把变量x指向真正的对象，该对象是变量y所指向的。随后对变量y的赋值不影响变量x的指向
字符编码：计算机内存中，统一使用Unicode编码，当要保存到硬盘或者需要网络传输时，就转换为UTF-8编码（可变长编码，节省空间）
Python字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。
Python对bytes类型的数据用带b前缀的单引号或双引号表示：
x = b'ABC'
要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。
encode：str->bytes decode：bytes->str
格式化输入：print('%d-%2d' % (3, 1)) 只有一个参数可以省略括号
列表和元组：
list：可变有序 e.g.: name = ['michael', 'mike', 'miky'] (可用索引访问，-1是最后一个元素 name[-2]:mike)
追加元素到末尾：name.append('alex') 添加元素到指定位置：name.insert(2,'james') 删除末尾元素：name.pop() 删除指定位置元素：name.pop(2) 替换元素：name[2] = 'jack'
list的元素可以不同类型
tuple：有序不可变，一旦初始化就不可修改（好处是安全，能用tuple就不用list）
t = (1, 2) 定义只有一个元素的tuple要注意：t = (1, )
dict：使用键-值(key-value)存储，查找速度快（根据key算出value的存储位置，其他语言中也叫map）
d = {'michael':98, 'mike':95} 删除：d.pop('mike') 获取value：d.get('michael')
dict要占用大量的内存（空间换时间） dict的key是不可变对象（对于不可变对象调用任意自身的方法都不会改变对象自身的内容，而是创建新的对象返回）
set：一组key的集合，不存value，key不能重复
两种创建方式：s = {'1','2','3'} 或者用list创建：list1 = ['1','2','3'] s = set(list1)
添加元素：s.add('4') 删除元素：s.remove('4')
set可以做交并差等集合的操作
函数：
pass语句什么都不做，可以当做占位符
可以使用内置函数isinstance()检查传入函数参数的类型是否正确： isinstance(x, (int,float))
函数可以返回多个值：return x,y （实际上返回的是一个tuple (x,y),tuple的括号可以省略）
函数参数：
默认参数必须指向不变对象(比如：None) （不变对象的好处：不变对象一旦创建，对象内部的数据就不能修改，可以减少由于修改数据导致的错误。此外多任务环境下同时读取对象不必加锁）
*args是可变参数（传入任意个参数），接收的实际上是一个tuple （可以在list或者tuple前加'*'作为可变参数传参）
**kw是关键字参数（传入任意个含参数名的参数），接收的实际上是个dict（可以在dict前加'*'作为可变参数传参）
命名关键字参数（必须传入参数名）：限制关键字参数的名字。 用'*'作为分隔符，'*'后面的参数视为命名关键字参数（如果函数定义中已有一个可变参数，后面不需加'*'）
高级特性：
切片：L[0:3](取L的前三个元素，从0开始0可以省略，L[:3]) L[10:20:2](每隔2个取10-20的元素) list、tuple和字符串都支持切片操作
迭代：通过collections模块的Iterable类型可以判断一个对象是否可迭代：isinstance(s, Iterable)
列表生成式：可以快速创建list生成式（代码简洁）
[x*x for x in range(1,6) if x % 2 == 0] = [4, 16] [m+n for m in 'ab' for n in 'xy'] = [ax, ay, bx, by] L = ['ABC', 'Hello'];[d.lower() for d in L if isinstance(d,str)] = ['abc', 'hello']
生成器(generator)：一边循环一边计算的机制
g = (x * x for x in range(10))就是一个generator 可以通过next()方法获得generator的下一个返回值，直到抛出stopIteration错误（一般不用next()遍历，使用for循环（for循环本质也是调用next））
如果一个函数定义中包含'yield'关键字，这个函数就不再是一个普通函数，而是一个generator， generator跟函数的执行流程不同，每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次yield返回处执行
普通函数调用返回结果，generator函数'调用'返回一个generator对象
迭代器（Iterator）：可被next()函数调用并不断返回下一个值 可isinstance('abc', Iterator)判断
可迭代对象（Iterable）：可直接用于for循环的对象 可isinstance('abc', Iterable)判断 可用for循环的有以下几种：
1、集合数据类型，list、tuple、dict、set、str ---（不是Iterator，可通过iter()函数获得一个Iterator对象） Iterator的计算是惰性的，只有在需要返回下一个数据时才会计算
2、generator，包括生成器和带yield的generator function
函数式编程：（允许把函数作为参数传入另一个函数，允许返回一个函数）
高阶函数：把函数作为参数传入的函数。函数式编程就是指这种高度抽象的编程范式 f = abs f(-10)==>10 函数名就是指向函数的变量
map函数：参数一：函数 参数二(三...)：多个iterable 返回一个Iterator 只有一个iterable，对iterable中每个元素调用参数一的函数 多个iterable，并行调用参数一的函数
reduce函数：参数一：函数（必须有2个参数） 参数二：iterable序列 返回计算结果 将函数作用在一个序列[x1,x2,x3,,,]上 reduce(f, [x1, x2, x3, x4]) ==> f(f(f(x1, x2), x3), x4)
filter()函数：参数一：函数 参数二：iterable 返回：Iterable 从一个序列中筛选出符合条件的函数
sorted()函数：参数一：Iterable 参数二（可省略）：比较函数 参数三（可省略）：用来进行比较的元素 参数四（可省略）：排序规则 reverse=True/False
闭包：内部函数可引用外部函数的参数和局部变量，返回的函数中保存了相关的参数和变量
函数可以返回一个函数：返回函数时并未执行这个返回的函数（返回函数一定不要引用任何可能会变化的变量，如循环变量）
匿名函数：lambda x: x*x ':'前是函数参数 只能有一个表达式 匿名函数时一个函数对象，可以赋值给一个变量
装饰器：代码运行期间动态增加功能的方式 @语法
偏函数：functools.partial创建偏函数 int2 = functools.partial(int, base=2) 把一个函数的某些参数固定，从而调用更简单
模块：一个.py文件就是一个模块，模块可以置于包目录下，每个包目录下有一个__init__.py文件（必须存在），否则Python将这个目录当成普通目录，而不是一个包
模块是对象，且所有的模块都有一个内置属性 __name__，__name__ 的值取决于如何应用模块。如果import一个模块，__name__的值通常为模块文件名，不带路径或者文件扩展名。也可以像一个标准程序样直接运行模块，此时__name__值缺省为"__main__"
作用域：模块中，有的函数或变量希望给别人用，有的希望仅在模块内使用，通过_前缀实现
正常的函数名或变量名是公开的(public)，如abc，x1，PI等
类似__xxx__的变量是特殊变量，可被直接引用，但是有特殊用途如__name__
类似_xxx和__xxx的函数或变量是非公开的(private)，不应该被直接引用（并不是不能）
通常一个第三方库都会在Python官方的pypi.python.org网站注册，知道库的名字就可以安装这个第三方库了
模块搜索路径：Python解释器会搜索当前目录、所有已安装的内置模块和第三方模块，搜索路径存放在sys模块的path变量中。 添加自己的搜索目录：sys.path.append('xxx') （运行时生效，运行结束后失效） 或者设置环境变量PYTHONPATH，该变量的内容会自动添加到模块搜索路径中
面向对象
__init__方法初始化一个实例对象，有了__init__方法创建实例的时候就不能传入空的参数了
类中的函数第一个参数必须是self，调用时不需要传递这个参数
变量名类似__xxx__的，即以双下划线开头且以双下划线结尾的，是特殊变量，特殊变量是可以直接访问的，不是private变量，所以不能用__name__、__score__这样的变量名。
以一个下划线开头的实例变量名如_name，这样的实例变量外部是可以访问的，但是，按照约定俗成的规定，看到这样的变量时，意思就是，“虽然我可以被访问，但是，请把我视为私有变量，不要随意访问”。
双下划线开头的实例变量是不是一定不能从外部访问呢？其实也不是。不能直接访问__name是因为Python解释器对外把__name变量改成了_Student__name，所以，仍然可以通过_Student__name来访问__name变量。（不同的解释器可能解释成不同的名字）
静态语言如Java，如果需要传入Animal类型，则传入的对象必须是Animal类型或者它的子类，否则，将无法调用run()方法
对于Python这样的动态语言，则不一定需要传入Animal类型。只需要保证传入的对象有一个run()方法就可以了
这就是动态语言的“鸭子类型”，并不要求严格的继承体系，一个对象只要“看起来像鸭子，走起路来像鸭子”，那它就可以被看做是鸭子 动态语言的鸭子类型决定了继承不像静态语言那样是必须的
获取对象信息：
type()函数，instance()函数（优先使用instance） dir()函数可以获得一个对象的所有属性和方法，返回一个包含字符串的list getattr(),setattr(),hasattr()可以操作一个对象的状态
不要对类属性和实例类型使用相同的名字，如果相同实例属性会屏蔽掉类属性
定义class时，可定义__slot__变量来限制该class实例能添加的属性（仅对当前类起作用，对继承的子类不起作用）
@property可以让调用者写出简短的代码，同时保证对参数进行必要的检查 @property装饰器可以吧一个方法编程属性调用
class允许定义许多定制方法，可以非常方便的生产特定的类 __str__,_iter__,__getitem__,__getattr__,__call__
meteclass：创建类
错误处理：
当认为某些代码执行可能出错时，可用try来运行这段代码。如果执行出错，后续代码不执行，跳转至错误处理代码（except）处，执行完except后，如果有finally语句块则执行finally语句块
错误也是class，且所有的错误都继承自BaseException，except捕获错误时，将其子类也捕获
raise语句会抛出错误
调试：
通过导入logging使用logging语句，可以指定记录信息的级别，debug,info,warning,error，logging不会抛出错误，可以输出到文件（logging最强大）
python -m pdb xxx.py 通过pdb进行单步调试 pdb.set_trace()可以为程序设置断点
单元测试：导入unittest，编写一个继承unittest.Test的类，每一类测试都要写一个test_xxx()方法，然后使用内置的条件判断 unittest.main()运行单元测试 可以在单元测试中编写setUp()和tearDown()方法，会分别在每个测试方法前后被执行
文档测试：Python内置的doctest模块可以直接提取注释中的代码并执行
同步IO：等待IO执行完成，再接着执行
异步IO：不等待IO执行完成，而去做别的事情（性能高，但是编程模型复杂，如何通知IO完成）
文件读写
磁盘上读写文件都是由OS提供的，现代OS不允许普通程序直接操作磁盘，读写文件就是请求OS打开一个文件对象(称为文件描述符)，然后通过OS提供的接口从这个文件对象读取数据或把数据写入这个文件对象
读文件：open()函数，read()方法一次读取文件全部内容到内存（用str表示），最后close()关闭文件（必须关闭，文件对象会占用OS资源，且OS同一时间打开的文件数量有限）
readlines()每次读取一行，按行返回list read(size)最多读取size个字节的内容 文件小，则用read()一次性读取，文件大小不确定用read(size)保险，配置文件用readlines()最方便
写文件：open(),write(),close() 写文件时，OS不会立刻把数据写入磁盘，而是先放到内存缓存起来，空闲时再慢慢写入，只有调用close()方法时，OS才保证把没有写入的数据全部写入磁盘
最好使用with语句操作文件IO with语句是对try...except...finally语法的一种简化，并提供了对异常很好的处理方式（with所求值的对象必须有__enter__()和__exit()__方法）
StringIO和BytesIO是内存中操作str和bytes的方法，使得和读写文件具有一致的接口
操作文件和目录的函数在os模块和os.path模块中 将两个路径合成一个时，不要直接拼字符串，使用os.path.join()函数，可以处理不同OS的路径分隔符 拆分路径使用os.path.split()函数 os.path.splitext()可以直接得到文件扩展名 shutil模块也有很多实用的函数，可看做是os模块的补充
pickle模块实现序列化操作：pickle.dumps()将任意对象序列化成一个bytes，pickle.loads()将bytes反序列化出对象，pickle.load()从一个file-like Object中直接反序列化出对象
json模块提供对象到JSON格式的转换：json.dumps()返回一个str，内容是标准的JSON loads()吧JSON字符串反序列化，load()从一个file-like Object中读取字符串反序列化
进程线程：
os模块封装了常见的系统调用，包括fork，可以创建进程，不能再Windows上调用 multiprocessing模块是跨平台的多进程模块，提供一个Process类代表一个进程对象，需要传入一个函数和函数的参数 通过start()启动进程，join()方法等待子进程结束后继续往下执行，通常用于进程间同步
如果要启动大量的子进程，可以用进程池批量创建子进程 对Pool对象调用join()会等待所有子进程执行完毕，调用join()前必须调用close()，调用close()后就不能继续添加新的Process了 subprocess模块可以方便的启动一个子进程，控制其输入输出
进程间通信：multiprocessing模块封装了底层的机制，提供了Queue、Pipes等方式来交换数据
Python的线程时真正的Posix thread,而不是模拟出来的线程
_thread是低级模块，threading是高级模块，对_thread进行了封装，大多数情况下用threading模块 启动一个线程就是创建一个Thread实例，传入一个函数，调用start()开始执行
多进程中对于同一个变量，每个进程各自有个拷贝，互不影响，但是多线程中所有变量都由所有线程共享，所以多线程同时操作一个变量需要加锁，通过threading.lock()实现
Python解释器(CPython)执行代码时有一个GIL(Global Interpreter Lock)锁，Python线程执行前必须先获得GIL锁，然后每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。
ThreadLocal虽然是全局变量，但是每个线程都只能读写自己线程的独立副本，互不干扰，解决了参数在一个线程中各个函数间互相传递的问题
multiprocessing模块的子模块managers支持把多进程分布到多台机器上
网络编程：
socket表示打开一个网络连接，打开一个socket需要知道目标计算机的IP地址和端口号，再指定协议类型
客户端：创建一个socket，然后connect，send发送数据，recv接收数据，最后close关闭socket
服务端：创建一个socket，bind绑定监听地址和端口，listen监听端口，accept等待并返回一个客户端的连接（会返回一个socket和address，通常开一个线程去处理这个连接，send发送数据，recv接收数据，close关闭socket）
协程：看上去是子程序，但执行过程中，在子程序内部可中断，转而执行别的子程序，在适当的时候再返回来接着执行
协程是一个线程执行，执行效率高，没有现场切换开销，也不需要锁机制 Python对协程的支持是通过generator实现的（yield不但可以返回一个值，还可以接收调用者发出的参数）
https://blog.csdn.net/soonfly/article/details/78361819
1192
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
