如何提高编程能力（知乎）

作者：Jiecheng Zhao
链接：https://www.zhihu.com/question/28177315/answer/39739882
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

    如何提高编程能力，这个问题几乎是媒体们采访大神们必问的问题。就我所敬仰的一些大神们（Linus，Yukihiro Matsumoto，TJ，多隆等）的回答都会提到多读源码，当然每个人还会列出其他的一些内容，但是我觉得读源码是十分核心的提升编程能力的方法。（debug其实也是编程能力的一部分，区别可能是需要熟悉一些debug的工具，不过我觉得就题主来说这都是浮云。编程能力本身是核心。等编程能力上去了，读代码的时候读到不对的地方就会感到硌牙，设计模块设计不好就会觉得难受，然后debug自然而然就顺当多了。。。）

    读高质量的源码有什么好处呢？ 这和大量的阅读对于写作有什么好处是十分类似的，我想题主作为一个很高阅读量，文字功夫也非常好的人对此应该也是深有体会的。这种好处难以用条条框框来说清楚。套用文学上的说法那叫语感。写代码也有语感。
创作自己的东西之前首先就是阅读别人创作的东西。多看了高手们是怎么写代码的，试图去理解高手们写代码时在想什么，久而久之（其实也不用太久，两个礼拜细心的读代码就能让能力上升一大截。）自己就会模仿就会慢慢地学会如何像大神一样写代码。等阅读量和写作量积累到一定程度，很多业界所谓的设计规范，模块流程会自然而然的理解并遵照执行，因为这已成习惯。（其实没说的那么自然啦，据传TJ大神是纯看代码流。[TJ Holowaychuk's answer to How did TJ Holowaychuk learn to program?] 正常人会看些书同步补充些规范啊之类的相关知识来帮助看懂代码。）相反如果一开始强套规范，容易遇到瓶颈，那时就只好说，臣妾做不到啊。

----------------------------------------------------2/15更新-
我觉得适合（以学习目的）阅读的代码有一下几个特点。
1。高质量。比如千锤百炼的基础库。
2。上下文环境熟悉。在读一个函数或组件的代码之前应该用过它，最好是经常用它，对于它的用法十分熟悉。恩，这也是我首先推荐阅读基础组件库的原因，因为这些总是经常用到的。
3。不涉及过于专业的知识。基础库很多代码并不适合这一条，特别是为了性能考量，代码中会涉及一些比较难的算法和罕见的处理手段。所幸的是这种东西出来的时候一般都会带上大把注释。开始时候回避一下，后来还是很值得读一读的。是在看不懂的话多读一两篇paper也能搞定，一般注释中都给出线索的。（当然了，有些就变成迷了，比如这段非常有名的代码，就只是留了个很邪恶的注释。 Fast inverse square root。）

读了代码以后可以做的两件事。
1。 默写。读完代码以后等感觉基本把细节忘干净了，比如一周到一个月后。像我这种小短脑三天就够了。。。自己把阅读的代码实现一遍。如果实现不下去了，或者觉得自己实现得很丑，就看看原版代码。
我自己在实践过程中最常碰到的就是模块设计上的障碍，核心的算法往往记得，数据结构也大致记得，但是模块是怎么设计的就忘得一干二净了。写起东西来总是磕磕绊绊的，然后再回头去看“正确答案”，会对别人的设计理解更深一层，发现在美好的设计下那些磕磕绊绊都自然消失了。或者忘了其他什么部分，总之忘了什么就说明缺什么，回头看一下大师的代码就能赶快补上。
2。翻译。现在很多开源项目的项目介绍中都会写“inspired by balabala”，基本是说我看了某某项目的源码（语言A），然后依着他的框架结构功能在语言B里实现了一套。这件事情其实是十分好的锻炼编程能力的方法，算法、逻辑、设计别人都已经做好了，需要做的只是迁移。迁移的过程中需要对原项目的代码结构有清晰的认识，还需要在现项目中对应的实现，但是对于原算法的理解和一些其他业务性的考量要求却不高（毕竟只要抄就好了）。如此一来，几乎就是集中锻炼了纯纯地编码能力。

-------------------------------------------------------
关于debug，我觉得这其实是小事，还有那么多人还在用printf debug呢! 但是也是很烦恼的一件事，很多时候总是觉得debug很不顺手。这里也说一下我的看法。
debug首先是编程能力的一部分，如果都搞不太清楚程序再干什么又怎么debug呢？如果模块设计很差，算法实现混乱，出错的概率和debug的难度当然会增加。相反，设计的好，编程习惯好，想出错都不容易。
debug主要有三种工具，debugger（mike zhang 给出的 26.2. pdb — The Python Debugger 是一个很好的debugger工具。），log（print大法），assertion & testcase （可以视为一种工具化再抽象的print大法，其实本质和log没区别）。
可以从这样一个视角去看这三种工具：
工具： debugger——log————assertion
可操作度（对人灵活性）： 高————中————低
表述能力（对机器灵活性）：低————中————高
请按需取用，对于离机器端较远，逻辑抽象度较高的应用，一般会更看重debug时对内部状态的表述能力而不是具体的运行细节。相反离机器端比较近的，逻辑抽象度并不高的场景，一般更喜欢用debug一步一步跟，希望能了解程序具体的运行细节。

以上仅仅是我个人的理解，实践出真知。各种debug方法都用一下，然后再判断该怎么debug吧。况且实际使用时各类工具是可以混合使用的。

另外当程序规模渐渐超出一个程序员能力范围的时候，debug有时的确是十分苦恼的，大神也不例外，他们也会抱怨，然后说“我不想再写XXX了”。例如：
Why should I have written ZeroMQ in C, not C++ (part I)
Farewell Node.js
（记得linus也吐槽过linux kernel变得越来越大而越来越难以维护和调试，文章我找不到了。如果有线索的童鞋希望能告知一下。）
所以当觉得调试很难时请不要灰心。那些说着不干了的大神们后来还是都回到了自己原来的位置。困难总是一时的。

------------------------------------------------------
对于python来说有一步很重要的debug步骤静态类型检查不是python环境自带的。它可以在运行期之前就解析并探知python代码中的类型错误，十分有用。可以减少很多的麻烦。
现在比较好的工具如下。
Sourcegraph
https://github.com/yinwang0/pysonar2

------------------------------------------------------

然后就如同教别人怎么读书一下，现在应该写推荐书目了：
先弱弱的问一句除了python还会什么？一般而言读源码我会先推荐别人当前语言的标准库，先从二分搜索和排序开始看起。这两个算法几乎每个语言的标准库中都有，它们是将逻辑本质从事物本身表象中解耦的典范，而且除了语言本身以外它们对其他知识和上下文语义的依赖很小，十分适合作为最早的读物。很可惜的是python的这部分标准库是C写的，所以并不能靠读这些立杆见影地提高python的编码能力。（当然那些C代码也很有价值，特别是python的排序实现，很精彩，后来被java啊，octave啊，gnome啊都抄了去。其实编程能力总是相通的，读了对python还是很有好处的。）入门"书籍"都不知道推荐什么，真让人团团转。（我猜其实题主既然是用python在做机器学习，应该底层实际接触的还是C。其实cpython的标准库也可以读～～）

恩，推荐"书目"之前我能问一下题主的编程水平吗？
比如写过多少代码。然后看看这里Problems | LeetCode OJ的题目，用python做一下感觉如何？（这里的题目也很好，做做也是很好的提升代码能力的途径。）描述一下，然后我帮你找找看合适的阅读材料。其实我觉得呐你只要双手一摊问你导师要他的代码或许就可以了，虽然程序写的最漂亮的还是那些大师级的程序员。

啊对了，光读不练是不行的，如果追求高强度，高效，那就请刷题吧。题主坐拥世界上最好的计算机教育资源，我这里就不献宝了。

就把码代码当做写作，我相信题主你可以的！
========================================
为表对cpython TimSort 的景仰还是贴点连接：
cpython: 99302634d756 Objects/listobject.c
http://bugs.python.org/file4451/timsort.txt
TJ 是node社区代码贡献第一的男人，代码质量高产量高。以下是他回答他是如何学习编程的。
TJ Holowaychuk's answer to How did TJ Holowaychuk learn to program?