Python常被称赞为“语法简洁、上手门槛低”是许多人的编程入门首选。正因为上手太快很多入门者在写出能跑通的代码之后便止步不前忽略了那些藏在“自动”背后的精密设计。直到某天程序出现莫名其妙的Bug调试半天才发现——原来是Python自己的“特性”在搞鬼。本文总结了五个入门者最容易忽略的细节希望能帮你少走一些弯路。一、可变对象作为函数默认参数这是Python中最著名的陷阱之一。看下面这段代码python复制下载def add_item(item, my_list[]): my_list.append(item) return my_list print(add_item(1)) # 输出: [1] print(add_item(2)) # 预期: [2]实际输出: [1, 2] print(add_item(3)) # 预期: [3]实际输出: [1, 2, 3]许多入门者认为每次调用add_item时都会创建一个新的空列表但事实并非如此。默认参数值是在函数定义时计算的而不是在函数调用时。也就是说my_list[]这个空列表在函数被定义的那一刻就创建好了之后每次调用都复用同一个列表对象。正确的做法是用None作为默认值在函数内部再初始化python复制下载def add_item(item, my_listNone): if my_list is None: my_list [] my_list.append(item) return my_list口诀很简单默认参数用不可变可变对象内部造。二、混淆“”与“is”入门者常把和is混为一谈但它们有着本质区别比较的是变量的值是否相同is比较的是两个变量是否指向同一块内存地址即是否是同一个对象python复制下载a [1, 2, 3] b [1, 2, 3] print(a b) # True值完全相同 print(a is b) # Falsea和b是两块不同内存的列表对象更令人迷惑的是“小整数池”——Python对-5到256的整数做了缓存优化导致这个范围内的整数用is比较会返回True。但这只是实现细节不应依赖。日常判断值是否相等永远优先用。只有当你确实需要判断“是否是同一个对象”时比如判断变量是否为None才用is。三、在迭代列表时修改列表在遍历列表的同时增删元素是入门者极易犯的错误python复制下载nums [1, 2, 3, 4, 5] for num in nums: if num 5: nums.remove(num) print(nums) # 输出[2, 4, 5]——完全不是预期的结果问题出在哪里for循环是通过索引来迭代的。当删除一个元素后列表长度变了后面的元素会前移导致某些元素被跳过。解决方案很简单迭代列表的副本同时修改原列表python复制下载nums [1, 2, 3, 4, 5] for num in nums.copy(): # 或 list(nums) if num 5: nums.remove(num) print(nums) # 输出[5]或者用列表推导式创建一个新列表更加Pythonic。四、隐式字符串拼接——少个逗号惹的祸这个细节藏得极深很多写过几年Python的人都不小心踩过python复制下载fruits [ apple banana orange ] print(fruits) # 输出[applebananaorange]而不是三个元素原因在于Python有个“贴心”的设计相邻的字符串字面量会自动拼接——不管是否在列表里不管是否换行。上述代码中三个字符串被拼成了一个列表变成了单元素列表。更坑的是写SQL语句时的场景python复制下载sql [ SELECT id, name FROM users WHERE age 18 # 少逗号变成 usersWHERE... LIMIT 10 ]规避方法很简单列表或元组中每个元素后面都加上逗号。养成这个习惯就能彻底避开这个坑。五、浮点数精度问题0.1 0.2 0.3在Python中返回什么答案是False。这并非Python的Bug而是所有使用二进制浮点数的语言的通病。python复制下载print(0.1 0.2) # 0.30000000000000004对于绝大多数日常场景这种微小的误差可以忽略不计。但如果涉及金融计算、金额累计等需要精确结果的场景就必须使用decimal模块python复制下载from decimal import Decimal print(Decimal(0.1) Decimal(0.2)) # 0.3记住一句话浮点数有误差比较时留点余地。以上五个细节每一个都曾让无数入门者踩过坑。Python的简洁让上手变得容易但也正是因为“太简单”才让人忽略了那些藏在简单背后的精妙设计。写出能跑的代码只是第一步理解代码为什么这么跑才是真正入门的开始。希望这篇文章能帮你绕过这些“隐形陷阱”写出更健壮的Python代码。