第一章　计算环境与语言基础：从可运行到可理解

本章的目标不是“背会语法”，而是建立两套可持续复用的认知支架：其一是让代码稳定跑起来的可运行基座（环境、命令、文件与编码）；其二是让你能解释“它为什么这样跑”的语义基座（对象、绑定、类型与运算规则）。当这两套基座搭好之后，后续学习函数、模块、面向对象与库生态时，你将始终拥有可验证、可推导的起点。

学习目标

• 理解编程语言、解释器与源代码的分工，能用自己的话解释 CPython 的基本执行路径。
• 独立完成 Python 安装与版本确认，掌握命令行、REPL 与脚本运行的核心命令。
• 认识 Python 的最小语法要素：标识符、缩进代码块、注释与文档字符串。
• 建立“变量绑定”与“动态类型”的正确直觉模型，避免把变量误解为“存储盒子”。
• 熟练使用 `int`、`float`、`bool`、`str`、`None` 与常见运算符，严格区分 `==` 与 `is`。
• 能编写一个“输入—计算—输出”的小程序，并用 f-string 或 `format()` 输出结构化结果。

先修知识

• 会使用键盘输入英文与常见符号，能在操作系统中创建与保存文本文件。
• 了解“文件/文件夹”的概念；不要求提前理解编译原理或数据结构。

本章结构

1. 编程语言、解释器与源代码的关系（#env） 2. 环境搭建与运行方式：命令行、REPL、脚本与编码（#env） 3. 语法最小单元：标识符、缩进与注释（#syntax） 4. 基础数据类型与运算：`==` vs `is`（#types） 5. 输入输出与字符串格式化：形成完整闭环（#io） 6. 练习：温度换算、BMI、成绩单（#practice）

> 【术语索引】解释器（Interpreter）：执行源代码或其中间形式的程序。 > 【术语索引】字节码（Bytecode）：介于源代码与机器码之间的中间指令表示。

---

编程语言、解释器与源代码 #env

源代码并不会“自己运行”

Python 程序首先以源代码（通常是 `.py` 文件）存在。源代码是给人读的文本；计算机硬件并不能直接理解它。使源代码产生行为（例如打印文本、读写文件）的关键角色，是解释器。在主流实现中，你日常安装并运行的“Python”，通常指的是 CPython 解释器：用 C 语言实现的 Python 官方参考实现。

从工作分工上看，可以把 Python 的执行理解为三层： 1. 你编写：源代码（可读、可编辑） 2. 解释器处理：分析、转换与执行 3. 操作系统/硬件完成：真正的输入输出与资源管理（文件、网络、内存等）

CPython 的基本执行流程：源代码→字节码→虚拟机

CPython 并不是逐字符“硬解释”源代码；它会先把源代码转换成一种更便于执行的中间形式——字节码，再由 Python 虚拟机逐条执行字节码指令。

```mermaid graph TD A[源代码 .py] --> B[词法/语法分析] B --> C[字节码 .pyc] C --> D[Python虚拟机执行] D --> E[输出/副作用] ```

• 词法/语法分析阶段负责确认代码是否符合语言规则（例如缩进是否正确、括号是否匹配）。
• 字节码通常会缓存为 `.pyc` 文件，位于 `__pycache__` 目录中，以加速下次启动（不是每次都从零开始）。

<!-- example:id=1-1 topic=bytecode --> ```python import dis

def add(a, b): return a + b

dis.dis(add) ```

例 1-1 展示了用标准库 `dis` 把函数的字节码“反汇编”为可读形式。初学阶段你不必记住每条指令，但要形成关键认识：同一段源代码能跨平台运行，本质上依赖“同一种语言规范 + 对应平台上的解释器实现”。你不是把 `.py` 直接交给 CPU，而是交给“Python 解释器 + 虚拟机”。

> 【术语索引】虚拟机（Virtual Machine）：以软件方式模拟一套指令执行环境，此处指 CPython 的字节码执行器。

---

环境搭建与运行方式 #env

安装与版本确认：先把“可运行”钉牢

Python 的主版本以 `3.x` 为主流。学习阶段建议选择较新的稳定版（例如 3.11、3.12），因为语法与性能更一致，资料也更集中。安装完成后，你至少要能在命令行确认版本：

• macOS / Linux 常见：`python3 --version`
• Windows 常见：`py --version` 或 `python --version`

（视频链接占位符：Windows 安装 Python 与勾选 PATH） （视频链接占位符：macOS 使用 Homebrew 安装 Python） （视频链接占位符：Linux 发行版安装与 `python3` 命令说明）

若你需要在同一台机器上管理多个版本，可以了解：

• `pyenv`（偏向 macOS/Linux）：按项目切换版本
• `conda`（偏向数据科学环境）：按环境隔离依赖与版本

学习本章时的最低要求是：确定你正在使用的解释器版本，并能稳定调用它。

命令行与 REPL：把“即时反馈”用起来

REPL 是 “Read–Eval–Print Loop” 的缩写，即“读入—求值—输出—循环”。它提供即时反馈，适合验证语法与表达式含义。

<!-- example:id=1-2 topic=repl --> ```python >>> 1 + 2 * 3 7 >>> "Py" + "thon" 'Python' >>> type(3.14) <class 'float'> ```

例 1-2 中，`type()` 让你直接观察表达式结果的类型。REPL 的价值在于：当你不确定某个运算规则、某个函数行为时，先用最小例子在 REPL 里验证，再写进脚本。

> 可展开释义[^repl]

脚本执行方式：把“可复现”用起来

当代码变得更长、更需要复用时，应把它写入 `.py` 文件形成脚本。例如 `main.py`，通过命令行运行：

• `python main.py`（或 `python3 main.py`）
• 作为模块运行：`python -m package.module`（更适合项目结构化后使用）

脚本相对 REPL 的优势是：可复现、可版本管理、可分享。从学习路径上看，建议你在 REPL 做快速实验，在脚本里沉淀稳定结论。

编码与文本文件：让“能运行”不被字符问题打断

Python 源文件本质是文本文件。现代工程默认使用 UTF-8 编码，这是跨平台协作最稳妥的选择之一。若你在运行时遇到类似错误：

• `SyntaxError: Non-UTF-8 code starting with ...`
• `UnicodeDecodeError: 'gbk' codec can't decode byte ...`

通常意味着：解释器读取源文件或输入文本时，使用的编码与文件真实编码不一致。

> 常见错误提示侧栏：编码错误排查步骤 > 1）确认编辑器文件编码为 UTF-8（优先无 BOM）。 > 2）确认终端编码设置（Windows 终端可能默认非 UTF-8）。 > 3）如需显式声明源文件编码，可在文件头部添加：`# -*- coding: utf-8 -*-`（PEP 263）。 > 4）读写文件时使用 `open(path, encoding="utf-8")` 明确编码。

---

语法最小单元：标识符、缩进与注释 #syntax

标识符与关键字：名字的规则与边界

标识符用于命名变量、函数、类等。基本规则包括：由字母、数字、下划线组成；不能以数字开头；大小写敏感。Python 还保留了一组关键字（如 `if`、`for`、`class`、`True`、`None`），它们具有固定语义，不可用作普通标识符。

良好的命名并非“形式主义”，而是可理解性的第一层结构：对初学者而言，一个清晰的名字往往比一段注释更可靠。

缩进与代码块：Python 用空间表达结构

Python 使用缩进表示代码块，而不是花括号。缩进不仅影响可读性，还直接决定语义。常见约定是每级缩进使用 4 个空格，不混用 Tab 与空格。

<!-- example:id=1-3 topic=indentation --> ```python score = 82

if score >= 60: result = "pass" else: result = "fail"

print(result) ```

例 1-3 中，`if` 与 `else` 的从属关系完全由缩进表达。若缩进错误，解释器会报 `IndentationError` 或 `SyntaxError`。这类错误不是“细节问题”，而是 Python 语法结构本身。

> 常见错误提示侧栏：缩进错误排查步骤 > 1）统一使用空格缩进（建议 4 空格）。 > 2）打开编辑器“显示不可见字符”，检查是否混入 Tab。 > 3）对齐同一代码块内的所有语句；不要在块中突然改变缩进层级。

注释与文档字符串：给人读，也给工具读

• **注释**以 `#` 开始，解释器会忽略其内容，主要服务于阅读者。
• **文档字符串（docstring）**是出现在模块、类或函数体开头的字符串字面量，能够被工具提取，用于生成文档与交互式帮助（例如 `help()`）。

<!-- example:id=1-4 topic=docstring --> ```python def bmi(weight_kg, height_m): """计算 BMI = weight_kg / height_m**2，并返回浮点数。""" return weight_kg / (height_m ** 2) ```

例 1-4 中的 docstring 不是“注释的替代品”，而是可被 Python 运行时访问的结构化说明。

---

变量绑定与动态类型：从“盒子模型”到“指向关系” #types

初学者最常见的误解，是把变量看成“盒子”，认为赋值是把值放进盒子。更准确的模型是：变量名是标识符，运行时它会绑定（bind）到某个对象[^object]。这一关系可抽象写为： $$name \mapsto object$$

当你写 `x = 3`，更贴近事实的表述是：“名字 `x` 现在指向（绑定到）整数对象 `3`”。这也解释了 Python 的动态类型：类型属于对象，而不是属于名字。名字可以在不同时间绑定到不同类型的对象，但这并不意味着“随便写也没问题”；相反，你需要更依赖运行时验证与清晰的程序结构。

> 可展开释义[^binding]

---

基础数据类型与运算规则 #types

五类核心值：`int`、`float`、`bool`、`str`、`None`

• `int`：整数，支持任意精度（不易溢出，但计算成本会增加）。
• `float`：浮点数，遵循 IEEE 754 近似表示，可能出现 `0.1 + 0.2 != 0.3` 的现象。
• `bool`：布尔值，仅有 `True` 与 `False`，参与逻辑运算。
• `str`：字符串，表示文本；在 Python 中字符串是不可变对象[^immutable]。
• `None`（类型为 `NoneType`）：表示“空值/缺失/尚未有结果”，常用于函数返回或占位。

运算符速览：算术、比较、逻辑、成员与身份

• 算术：`+ - * / // % **`
• 比较：`== != < <= > >=`（结果是 `bool`）
• 逻辑：`and or not`（短路求值）
• 成员：`in` / `not in`（判断元素是否属于容器）
• 身份：`is` / `is not`（判断是否为同一对象）

其中最需要刻意训练的是：`==` 与 `is` 的区别。

• `==` 比较的是“值是否相等”（由对象的相等性规则决定）。
• `is` 比较的是“是否为同一对象”（同一内存中的同一对象身份）。

<!-- example:id=1-5 topic=eq_vs_is --> ```python a = [1, 2, 3] b = [1, 2, 3] c = a

print(a == b) # True：值相等 print(a is b) # False：不是同一对象 print(a is c) # True：同一对象 ```

例 1-5 给出最稳定、最不依赖实现细节的演示：列表是可变对象，两个内容相同的列表通常是不同对象，因此 `==` 与 `is` 在此会明显分化。经验法则是：除非你明确要判断对象身份（例如判断是否为 `None`），否则优先用 `==`。例如：

• 正确：`x is None`（判断缺失值）
• 常规：`x == 0`（判断数值）

---

输入输出与字符串格式化：形成闭环 #io

从 `input()` 到类型转换：文本进入程序的第一站

`input()` 返回的是字符串。若你期望用户输入数字，需要显式转换：

<!-- example:id=1-6 topic=io --> ```python name = input("请输入姓名：") score = float(input("请输入分数：")) print("你好，", name, "你的分数是", score) ```

将输入直接用于计算而不转换，是初学者最常见的类型错误来源之一。

f-string 与 `format()`：把输出写得“可读且可检验”

f-string（格式化字符串字面量）是 Python 3.6+ 的推荐方式，语法紧凑、可读性高：

<!-- example:id=1-7 topic=formatting --> ```python weight = 70 height = 1.75 bmi_value = weight / (height ** 2)

print(f"BMI={bmi_value:.2f}") # 保留两位小数 print(f"{'结果':<6}{bmi_value:>8.2f}") # 左右对齐 ```

同样的格式化也可用 `format()` 完成，适合在字符串模板需要复用时使用。无论哪种方式，目标都是：输出不是随意拼接，而是结构化呈现，便于人读、也便于后续程序解析与测试。

---

本章小结

本章首先澄清了“代码如何被执行”的链路：源代码经过分析生成字节码，再由虚拟机执行，解释了 Python 跨平台的前提条件。随后你完成了从安装、命令行、REPL 到脚本运行的最小闭环，并理解了编码为何是“可运行基座”的一部分。最后，你建立了 Python 语义的核心模型：名字到对象的绑定关系、动态类型的边界，以及 `==` 与 `is` 的严格区分，并用输入输出与格式化把知识闭环为可运行的小程序。

---

练习 #practice

1. 温度换算器：读取摄氏温度 `C`，输出华氏温度 `F = C * 9/5 + 32`，要求输出保留 1 位小数，并附单位说明。 2. BMI 计算器：读取体重（kg）与身高（m），计算 BMI，按区间输出分类（你可自行查表或先只输出 BMI 数值）。 3. `==` 与 `is` 对比：分别用整数、字符串、列表做实验，记录 `==` 与 `is` 的结果，并用“值相等/对象同一性”解释每个结论。 4. 简易成绩单：输入姓名与三科分数，输出总分、均分，并用对齐格式生成表格样式的文本输出（建议使用 f-string 的宽度控制）。

---

[^object]: 对象（Object）：运行时可被引用的一切实体，包含值与行为（方法）。在 Python 中，整数、字符串、列表、函数等都是对象。 [^binding]: 绑定（Binding）：标识符与对象之间的关联关系。赋值语句会创建或更新绑定；对象本身并不会因为“换了名字”而改变。 [^immutable]: 可变性（Mutability）：可变对象可在原地改变其内容（如 `list`）；不可变对象一旦创建其值不可变（如 `str`、`int`）。 [^repl]: REPL：交互式执行环境，适合快速实验表达式与语句，获取即时反馈。