Python基础

知识库简介

本知识库由两层组成：原有 Python 100 天公开课程作为冻结参考层；新增 Agent工程路线/ 作为本路线独立维护的必修层。目标不是把 100 天内容逐页背完，而是先掌握“环境—数据边界—可靠性—测试—并发—工具契约”这条工程主线，再按项目需要回到公开课程学习 Web、数据库和数据分析。

原教程图片路径

原教程有少量图片链接写死了重命名前的 Python-100-Days-master 目录名。为同时遵守“原教程正文不改”和“不要恢复旧目录”的要求，本轮未改写这些原文件，也未创建旧目录别名；若个别旧页面图片未显示，请在当前课程同级的 res/ 目录中查看原资源。新增路线中的 wikilink 已按当前 Python基础 路径验证。

资料时点与兼容性

Python、第三方库和安装方式会变化。本入口于 2026-07-14 核对：Python.org 的最新稳定版为 Python 3.14.6；Python 3.15 仍为预发布分支，不作为默认生产基线。原教程包含不同时期的生态示例，运行前应先读对应依赖说明，并以项目锁定版本和当前官方文档为准。新增路线尽量兼容 Python 3.11+；配套示例的实际本机验证版本与结果见本页“验证记录”，不能据此声称所有 Python 版本均已验证。

冻结参考层中的已知不可运行或不安全示例

以下问题于 2026-07-19 在本地审计确认。它们保留用于理解历史 API，不是当前运行指引：

• Python 语言进阶把裸 coroutine 交给 asyncio.wait()；在本项目 Python 3.11.9 会直接抛出 TypeError: Passing coroutines is forbidden。现代代码应先创建 Task，或根据取消与错误语义选择 gather() / TaskGroup，不要原样运行该片段。
• Day31-35/code/example24.py 对真实站点使用 ssl=False，又缺少连接/总超时、状态码与响应大小检查；不要关闭证书校验或直接请求示例中的站点。练习时改用本地 fixture/测试服务器，并显式验证超时、状态、大小和解析失败。
• 公开课/年薪50W+的Python程序员如何写代码/code/Python/opencourse/part01/example10.py 会连续请求真实第三方页面，硬编码 BaiduSpider User-Agent，且没有 timeout、状态检查或站点政策核对。不要直接运行；教学测试默认使用本地 HTML fixture，真实采集必须使用诚实可联系的身份、限速，并先核对 robots 与服务条款。
• 公开课的 requirements.txt 是 2020 年上游环境快照，含多组旧版和平台相关依赖。不要在现代环境直接执行 pip install -r；只在隔离环境为当前练习声明最小依赖、重新解析并测试。
• Day31-35/code/example01.py 的查找算法现在可在无绘图库环境中导入和测试；只有执行 main() 绘制复杂度曲线时才需要 matplotlib 与 numpy（可在隔离环境运行 python -m pip install matplotlib）。

这些文件属于冻结第三方参考层，因此本轮没有改写其正文或代码；公开站继续按既有规则只提供来源说明。当前可运行做法以本页 Agent工程路线/ 为准。

内容边界与使用方法

层级	位置	用途	编辑边界
Agent 工程必修层	Agent工程路线/	从环境、类型和 I/O 进入可靠性、测试、并发、CLI 与工具契约	本知识库当前维护层
公开课程参考层	Day01-20/、Day21-30/ 等原目录	补语法、面向对象、Web、数据分析和历史生态	保持上游课程正文、代码和资源不变
配套验证层	Agent工程路线/04-项目与自测/examples/	新路线的离线 JSON 任务队列及单元测试	只演示标准库最小边界，不等于生产系统

完全没有编程经验时，先通过下方“零基础先修门”，再完成 12 节 Agent 工程路线；已有基础者可用检查清单直接判断是否跳过。之后若仍有概念不熟，再按每节前置链接或“公开课程选择性复习”回补。不要把公开课程的旧依赖示例直接复制到生产项目。

原有单页 Python Agent 工程最小实践 及其根级 examples/ 保持原样，作为历史快速入口；本轮增强版只放在新路线自己的项目目录中，避免覆盖既有材料。

在总路线中的位置

Python 是工程基础中的编程主线。后续 API、数据清洗、RAG、Tool Calling、MCP 和 Agent 框架都需要你能看懂函数、字典/列表、异常、文件、JSON、模块和测试。先完成本页的“最小必修”，再进入 API 与 LLM 应用；Web 框架和数据科学章节可以按需回补。

学习目标

• 在 Windows 11 + PowerShell 7 中创建 venv，用 python -m pip 安装依赖。
• 使用变量、分支、循环、函数、模块、列表、字典和集合表达任务逻辑。
• 用类型提示和数据类表达内部模型，同时对不可信输入做运行时校验。
• 读写显式 UTF-8 与 JSON，限制资源并区分语法、结构和业务错误。
• 设计异常、总时限、有限重试、日志、测试、取消和并发上限。
• 构建可复现运行的 CLI，并为 API、RAG 或 Agent 工具写“小而深”的 Python 执行边界。

前置知识

• 会在资源管理器中定位文件夹，并能在 PowerShell 中运行命令。
• 不要求编程经验。遇到旧版截图或库 API 时，先理解概念，再核对当前文档。

开始前：环境与版本

在独立练习目录中运行：

python --version
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip

如果 python 不是预期解释器，先用 Get-Command python 查看来源。.venv 是本机环境，不应加入 vault 或 Git。只有明确需要更快的环境/依赖管理时，再学习 uv；初学阶段先理解 venv + pip 的职责。

推荐学习顺序

零基础先修门

按顺序完成这些冻结教程入口：

1. 初识 Python、第一个 Python 程序：会保存并运行 .py，能读 traceback 的文件名和行号。
2. 变量与类型、分支、循环：能用数据、条件与重复表达步骤。
3. 列表、字符串、集合、字典：会创建、遍历、索引和更新常用容器。
4. 函数和模块：能写一个接收参数、返回结果的函数，并从另一个文件导入它。

进入 Agent 工程主线前，闭卷完成：读取一个字符串列表，过滤空白项，统计各字符串出现次数，并把逻辑拆成函数。若能解释 list、dict、参数、返回值和异常信息，可继续；否则先完成相应练习，而不是跳到 dataclass 或异步代码。

Agent 工程主线（必修）

第一段：基础与边界

1. 解释器、虚拟环境与依赖：先分清 Python、venv、pip、声明和锁定，之后再选择 uv。
2. 类型提示与数据模型：用类型表达内部契约，但不把注解误当运行时验证。
3. 函数、模块与依赖注入：分开纯核心与副作用适配器。
4. 文件、JSON 与输入校验：从字节、编码、语法、结构到业务约束逐层拒绝坏输入。

第二段：可靠性与测试

5. 异常、超时、重试与资源管理：把失败、总预算、幂等和收尾写进契约。
6. 配置、日志与敏感信息：让运行可诊断，同时不泄漏凭据和内容。
7. 单元测试、Mock 与回归：用确定性测试覆盖成功、边界和失败路径。

第三段：并发、交付与工具契约

8. 异步、并发、取消与限流：只为等待型 I/O 引入受控并发。
9. 项目结构、CLI 与可复现运行：把脚本变成稳定、可自动化调用的项目入口。
10. Agent 工具函数设计：把模型建议和真实执行隔在验证、权限与审计之后。
11. 项目：可靠任务队列：离线实现 JSON 输入、校验、报告、CLI 与测试。
12. 全库自测与掌握检查：闭卷解释并从空目录完成两项综合任务。

公开课程选择性复习

以下入口保留原教程的学习价值，不代表其第三方库版本仍是当前推荐。

语法与程序控制

1. 初识 Python：了解解释器、安装与适用范围。
2. 第一个 Python 程序：从编辑、运行、报错位置开始。
3. 变量与类型、运算符：理解值、类型和表达式。
4. 分支、循环：让程序依据条件重复或停止。
5. 分支与循环实战：用小题验证控制流，而不是只读语法。

数据结构与函数

1. 列表、字符串：处理有序数据和文本。
2. 集合、字典：做去重、查找和 JSON 风格记录。
3. 函数和模块、函数进阶：把可复用逻辑收进明确接口。
4. 面向对象入门：先会读类和对象；不要为了“高级”把简单函数强行改成类。

I/O、测试与并发补充

1. 文件读写与异常处理：所有外部输入都可能失败。
2. 序列化与反序列化、CSV：理解边界数据格式。
3. 正则应用：用于轻量文本提取，不把复杂解析全交给正则。
4. 单元测试：让输入、输出和失败行为可重复验证。
5. 获取网络资源：作为 API 学习的前导；真实调用要补超时、重试与认证安全。
6. 并发编程入门：只在确有等待/吞吐问题时学习，不把并发当默认答案。

按项目选修

• 数据处理：从 数据分析概述 进入 NumPy、pandas 与可视化。
• 机器学习：从 浅谈机器学习 了解流程，再回到专门的机器学习知识库。
• API 设计：网络 API 接口设计；其中具体框架/版本需按当前文档复核。
• 测试与交付：软件测试与自动化测试。

动手实践与项目入口

完成 项目：可靠任务队列：读取 JSON 任务，限制输入，校验字段，统计状态并输出报告。配套代码位于 Python基础/Agent工程路线/04-项目与自测/examples/，不联网、不需要密钥；先自行实现，再对照示例和测试。随后使用 全库自测与掌握检查 闭卷验收。

推荐练习顺序：

1. 为每个必修章节手敲一个最小例子，故意制造一次异常并解释 traceback。
2. 给示例新增一种非法输入和对应失败测试。
3. 把“读取—校验—处理—输出”画成四段数据流，标出每段的类型和错误。

掌握标准

• 能从空目录创建/激活 venv，并解释它与 Python 解释器、pip 的关系。
• 能独立写出包含函数、类型提示、if、for、列表和字典的程序。
• 能以 encoding="utf-8" 读写文本，能解析 JSON 并校验必需字段。
• 能区分语法错误、类型/值错误、I/O 错误和业务校验错误。
• 能写至少 3 个单元测试，并让失败测试提供有意义的信息。
• 能说明程序是否有网络、文件写入、凭据或重复执行副作用。
• 遇到旧教程 API 时会去官方文档核对，不凭印象猜参数。

与其他知识库的关系

• 数据结构基础 与 JSON 深化容器、复杂度和跨系统数据契约。
• API 把函数调用扩展为跨进程 HTTP 契约。
• 数据清洗、机器学习 与 数据可视化 使用 Python 处理和验证数据。
• Tool Calling（含 Function Calling）、MCP 与 Agent 核心 要求工具函数可校验、可观察、可恢复且受授权。
• Git、Linux命令、MLOps 和 LLMOps 负责版本、服务器和交付环境。

验证记录

• 当前路线示例仅使用 Python 标准库；已在本机 Python 3.11.9 运行 unittest，23 项测试全部通过，并完成两个 .py 文件的 AST 解析和示例 JSON 解析。冻结参考层的 example01.py 算法测试也可在没有绘图库的基础环境中单独运行；绘图入口仍需按上方说明安装可选依赖。
• 公开课程参考层共 714 个文件；本轮仅对 Day31-35/code/example01.py 做了局部可测试性修复（延迟加载可选绘图库），没有批量改写其余历史依赖或硬编码图片路径。
• 未在 Python 3.14 解释器、真实网络 SDK、权限系统或生产部署中运行；因此这些环境仍属于明确未验证项。

主要参考资料

获取日期：2026-07-14。

• Python 3.14 官方教程
• Python 3.14.6 发布页
• Python 3.15.0b3 发布页：预发布，不作为默认生产基线。
• Python venv 文档
• Python Packaging User Guide：安装包
• PyPA：编写 pyproject.toml
• uv 项目指南：在 venv + pip 之后按需学习。
• Python 100 Days 上游仓库：本目录原课程的来源入口；本轮没有改写原课程正文。