解锁编程的三阶跃迁与30个必杀技摘要你是否曾想过那些能自动处理海量数据、搭建起复杂网站的程序最初也只是一行简单的代码 Python 的学习之路就像一场逐步升级的冒险从最初在屏幕上打印出“Hello World”到最终能驾驭高并发的复杂系统每一步都有其清晰的路径和核心武器。 本文将带你系统梳理 Python 从入门、提高到精通的三个阶段为你揭示每个阶段需要攻克的关键技术和思维方式助你少走弯路快速成长为一名真正的 Python 高手。 详细内容请参考下文。一、 核心函数“武器库”速查表正式进行编程起始之前, 先耗费几分钟认认手中拿着的那个“物件”。下面所提及到的这30个函数以及关键字, 既是基础又是武器, 说白了往后要编写任何代码都没办法避开它们的。别着急着去背诵, 先混个简单的熟悉面目——领会到有这么个事物存在、大概知道能够起到什么样的作用, 等真正到了需要运用的时候能够回想起来“, 好像有个工具可以把这事儿给解决掉”, 那就足够。它们就是你从入门一直打到精通阶段的贴身配备。举例来说。1.执行“print(Hello, World!)”这一操作, 能将相关内容输出至屏幕, 此操作所涉及的“print函数”起到了这样一个把内容输出到屏幕的作用。2. 名字等于, 键盘输入函数也就是input函数接收到的, 从键盘接收用户输入的内容, 此内容是请输入你的名字所提示的内容。3.f 被赋值为按照读的方式打开名为data.txt的文件, open函数具备打开文件以进行读写操作的能力。4. 生成列表, 通过 # 该具体列出元素项分别为 1、2、与 3 这种元组的 #list函数来创立, 或者借助相同函数从其他序列转换为列表。5. 使用dict函数, 通过赋予参数, 其中a对应1, b对应2, 从而创建出一个字典, 这个字典里包含着键为a、值为1, 键为b、值为2的键值对 #dict函数具备创建或转换为字典这一功能。等等。详情如下图所示二、入门——让代码“跑”起来主要观点是, 不该任由语法吓到自己, 在刚开始的阶段, 所追求的目标在于能够运用其去处理生活里的小型算术问题以及文件相关的处理事务。现象面对黑框框的迷茫不少新手才刚完成安装, 面对着黑乎乎的终端窗口, 或者面对着编辑器, 全然不晓得第一行代码究竟该写些什么。你有可能碰到的场景是如下这些: 想要计算一下这个月的账单总和, 或者想要对100个文件进行重命名, 然而却不清楚怎么样去指挥电脑做这些事情。实际情况是, 编程的实质是“人机对话”, 也就是说, 计算机听不懂人类所说的话语, 然而它却能够理解那种贴近英语的指令, 入门的实质在于学会运用计算机能够理解的“单词”变量、数据类型以及“语法”循环、判断去阐明你的需求。设想有一种情形, 比如说举例来讲要是你打算去进行计算, 计算的内容是从1起步一直到100的这些数字逐一相加起来的总和。在数学领域当中, 你倘若要这么去计算很有可能就得排布下来竖式一行列。然而呢存在这样一个情境在其中, 你仅仅只是需要借助range()这个函数产生或者说达成从数值1开始贯穿直至100以后形成一组数字的序列。再配合着安排上一个for循环这样就能够把这个问题解决了。total 0 for i in range(1, 101): # 使用 range 生成序列 total i print(total) # 使用 print 输出结果又如, 你获取到了一则 data.txt, 想晓得其中是否存有内容, 首先运用 open() 为文件“开启门户”, 借助 read() 让内容浮现, 通过 len() 测量长度。历经这三步之后, 心里便有了底。你留意到与否, 这三个函数实际上表明了一类固定的思维模式: 连接, 接着获取, 进而度量。在而后你学习任何全新事物时, 底层的思考路径都无法脱离这三步。f open(test.txt, r, encodingutf-8) content f.read() print(content) # 打印内容 print(总字符数, len(content)) # 数一数有多少个字符 f.close()理解了基础语法接下来我们看看如何把代码组织得更像样。三、提高——像工程师一样思考关键要点是: 要摒弃那种如同流水账般的代码, 进而掌握运用模块化以及面向对象的思维方式, 以此来处理工作里复杂的实际存在的问题。现象代码越写越乱当你编写了几百行代码之后, 会发觉满屏幕都是变量, 改动一处地方, 另外一处就出现报错。又或者你想要处理Excel表格, 去网上抓取一些数据, 可发现仅仅依靠内置函数根本是不够用的。本质: 这是源于你欠缺“工具箱”意识以及“分类”思维, 如果换为另一说法, 提高阶段的要点在于掌握“拿来主义”也就是导入第三方库与“抽象思维”即面向对象编程, 你需要将重复出现的功能, 借助 def 来定义成函数, 把相关联的数据和行为, 利用 class 打包成类。假定你打算去开发一款学生管理系统。要是不运用类, 你或许就要去定义 name1, age1, name2, age2之类 的, 杂乱得像一锅粥。然而要是你去定义一个类:class Student: def __init__(self, name, age): self.name name self.age age def show_info(self): print(f姓名: {self.name}, 年龄: {self.age}) # 使用时直接实例化 s1 Student(陈小帅, 20) s1.show_info()另外, 应对繁复任务少不了强大第三种库, 举例来说, 若你要剖析“成绩表.xlsx”, 无需自行编写解析算法, 直接 , 通过两行代码便能读取并且展示首十行数据。要是程序出现差错不用慌, 运用try... 结构将可能出错代码包裹起来, 程序不会崩溃, 而是极为优雅地向你示意何处出现问题。优化后的代码如下class Student: def __init__(self, name, age): try: self.name str(name).strip() self.age int(age) if not self.name: raise ValueError(姓名不能为空) if self.age 0 or self.age 150: raise ValueError(年龄超出合理范围) except (ValueError, TypeError) as e: print(f 创建失败{e}) # 给个安全默认值 self.name 未知 self.age 0 def show_info(self): try: print(f姓名: {self.name}, 年龄: {self.age}) except Exception as e: print(f 显示失败{e})学会了处理复杂逻辑接下来我们要挑战的是如何让程序起飞。四、精通——掌控性能与架构核心观点是, 不止要达成功能, 更得去寻觅极致的性能, 还有并发处理的能耐, 甚至那底层的掌控程度。现象程序跑得慢服务器扛不住倘若你所编写的爬虫需要去下载一万个网页, 单单依靠线程去运行会耗费一下午的时间又或者你的网络服务一旦有几百人同时进行访问便会出现卡死的状况。在这种时候你便能发觉, 简单的逻辑已然没办法去满足高并发以及高性能相应的需求了。本质: 此乃计算机资源的调度问题, 换而言之, 于精通阶段你得着手与CPU打交道, 还得与内存打交道, 并且要和网络IO打交道, 你需明白什么是多线程, 要清楚什么是异步, 以及得晓得如何借助阅读源码去优化你的算法。便是适才那爬虫, 要是想要加快速度, 那就不可以逐个去下载了。你能够借助库来开启多线程, 或者运用更具高级性的方式来做作异步处理, 使得电脑能够同时去下载十个网页, 速度顷刻间便得到提升。import threading import requests def fetch(url): print(requests.get(url).status_code) # 开启多线程同时工作 t threading.Thread(targetfetch, args(https://www.example.com,)) t.start()比如说, 你感觉程序运行速度迟缓, 然而却不清楚其迟缓具体体现在哪里。在这个时候能够运用 来开展性能剖析, 它会向你表明哪一行代码所耗费的时间最为长久。要是你正处于处理数量巨大的数据的状况下, 内存出现爆满的情形该如何应对呢? 此时就需要借助 yield 关键字去编写生成器, 计算一点就消耗一点资源, 从而大幅度地节约内存。具体详情如下。# # 两招搞定性能与内存cProfile 找瓶颈yield 省内存 # import cProfile import pstats import io # ---------- 第一招cProfile 性能分析 ---------- def slow_function(): total 0 for i in range(1000000): total i ** 2 return total def main(): print(slow_function()) # 跑一下看看哪里慢 cProfile.run(main(), sortcumtime) print(\n * 50 \n) # ---------- 第二招yield 生成器省内存 ---------- def read_large_file(file_path): 逐行读取大文件不一次性加载到内存 with open(file_path, r, encodingutf-8) as f: for line in f: yield line.strip() # 每次只吐一行 # 使用方式边读边处理内存始终只有一行 def count_errors(log_file): error_count 0 for line in read_large_file(log_file): if ERROR in line: error_count 1 print(f发现 {error_count} 条错误) # 如果你没有真实的大文件用这个模拟一下 def mock_data(): 模拟大数据的生成器 for i in range(1000000): yield fdata_{i} # 处理模拟数据 for item in mock_data(): # 每次只处理一条处理完就忘了它 if int(item.split(_)[1]) % 100000 0: print(f已处理到{item}) print(\n * 50) print( 记住两句话 1. 程序跑得慢 → cProfile 跑一下谁拖后腿一目了然 2. 内存扛不住 → 列表改成 yield逐条吐出用一点算一点 就这么简单干活够用了。 )走到这般层级状态, 就表明你已然把控住了从基础应用层面print起始, 直至并发维度往后又到传输范畴的整套技术链路。你会拥有参与主流开源项目构建的专业本事, 能够领会其架构规划并且奉献出具备高水准的代码。这算得上是开发者从“使用者”迈向“建设者”的关键分界点。五、总结与综合实例打造你的城市天气预报系统关键性的观点是, 要达成融会贯通的目标, 把那些零零散散的知识点连接起来, 从而搭建起一个能够处理实际问题的完备应用。现象知识点都会但不会整合你在结束前面三个阶段的学习之后, 也许会感觉每个知识点自己都明白, 然而当把这些知识点放置到一块儿的时候, 就不清楚该从何处着手了。举例来说, 你打算去做一个能够并发查询多个城市天气状况并且生成报告的程序, 可却不晓得该如何去组织代码。这是由于你欠缺一个“项目化”的视角导致的本质情况, 换一种说法形容, 真正可称之为编程能力的体现在于把函数、类、库以及框架进行组合, 以此构建出一个可以协同开展工作的系统, 于此你所要达成的是理解数据究竟是以怎样的方式从用户端流入, 历经你的逻辑施行处理之后, 又以何种路径流回到用户端的。我们着手去写个“城市天气预报系统”。对此程序而言, 它需要整体性运用我们所学过的一系列知识 , 借助input去接纳用户输入。凭借class来将功能予以封装 , 通过特定方式达成并发查询 , 最终依靠map、sum一类函数来生成分析报告。import requests # 提高导入第三方库用于网络请求 import threading # 精通多线程用于并发加速 class WeatherFetcher: 真实天气获取器调用公开API def __init__(self, cities): self.cities cities self.results {} # 精通线程锁保证多线程写入同一个字典时不冲突 self.lock threading.Lock() def fetch_single(self, city): 核心从API获取真实天气数据 print(f 正在连接气象站获取 {city} 数据...) # try: # 1. 构造API地址 (wttr.in 是一个免费的天气API支持JSON格式) # ?formatj1 表示返回详细的JSON数据 url fhttps://wttr.in/{city}?formatj1langzh # 2. 发送GET请求 (设置超时时间防止卡死) response requests.get(url, timeout5) # 3. 检查HTTP状态码 (200表示成功) if response.status_code 200: # 4. 解析JSON数据 data response.json() # 5. 提取我们需要的信息 (根据API返回结构调整) current_condition data[current_condition][0] temp_c current_condition[temp_C] desc_zh current_condition[lang_zh][0][value] # 获取中文天气描述 result_data { city: city, temp: temp_c, condition: desc_zh } else: result_data {city: city, temp: 错误, condition: fHTTP {response.status_code}} except Exception as e: # 提高异常处理网络不通或城市名错误时捕获异常 result_data {city: city, temp: N/A, condition: 查询失败(检查城市名)} print(f 获取 {city} 失败: {e}) return # 查询失败则直接返回不保存结果 # 6. 线程安全地保存结果 with self.lock: self.results[city] result_data print(f {city} 获取完成: {result_data[temp]}°C, {result_data[condition]}) def fetch_all(self): 并发获取所有城市 threads [] for city in self.cities: t threading.Thread(targetself.fetch_single, args(city,)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join() print(\n 所有城市数据抓取完毕) return self.results def show_report(self): 生成报告 if not self.results: return # 过滤掉查询失败的数据再计算 valid_temps [] print(\n 实时天气汇总报告) print( * 40) for city, data in self.results.items(): temp_str data[temp] # 只有当温度是数字时才参与统计 if isinstance(temp_str, str) and temp_str.isdigit(): valid_temps.append(int(temp_str)) print(f {city:10} | {temp_str}°C | {data[condition]}) # 统计计算 if valid_temps: print(- * 40) print(f 统计信息: 平均 {sum(valid_temps)/len(valid_temps):.1f}°C | f最高 {max(valid_temps)}°C | 最低 {min(valid_temps)}°C) # else: print(️ 未能获取有效温度数据进行统计。) # --- 程序入口 --- if __name__ __main__: print( 欢迎使用 Python 全球天气查询系统) city_input input(请输入城市英文名 (如: Beijing London NewYork)空格分隔: ) city_list city_input.split() if city_list: fetcher WeatherFetcher(city_list) fetcher.fetch_all() fetcher.show_report() else: print(请输入至少一个城市名)执行这串代码时, 你要是输入若干城市名称, 程序便会以并发方式“开展”天气的“查找”工作, 进而生成一份美观的汇总报告。此示例, 将用户交互这一行为, 以input形式, 与面向对象, 以class呈现, 以及并发编程这一模式, 还有以map和sum这样数据处理方式的核心概念, 极佳地串联起来了。详情如下 解锁Python编程的三阶跃迁与30个必杀技
解锁编程的三阶跃迁与30个必杀技摘要你是否曾想过那些能自动处理海量数据、搭建起复杂网站的程序最初也只是一行简单的代码 Python 的学习之路就像一场逐步升级的冒险从最初在屏幕上打印出“Hello World”到最终能驾驭高并发的复杂系统每一步都有其清晰的路径和核心武器。 本文将带你系统梳理 Python 从入门、提高到精通的三个阶段为你揭示每个阶段需要攻克的关键技术和思维方式助你少走弯路快速成长为一名真正的 Python 高手。 详细内容请参考下文。一、 核心函数“武器库”速查表正式进行编程起始之前, 先耗费几分钟认认手中拿着的那个“物件”。下面所提及到的这30个函数以及关键字, 既是基础又是武器, 说白了往后要编写任何代码都没办法避开它们的。别着急着去背诵, 先混个简单的熟悉面目——领会到有这么个事物存在、大概知道能够起到什么样的作用, 等真正到了需要运用的时候能够回想起来“, 好像有个工具可以把这事儿给解决掉”, 那就足够。它们就是你从入门一直打到精通阶段的贴身配备。举例来说。1.执行“print(Hello, World!)”这一操作, 能将相关内容输出至屏幕, 此操作所涉及的“print函数”起到了这样一个把内容输出到屏幕的作用。2. 名字等于, 键盘输入函数也就是input函数接收到的, 从键盘接收用户输入的内容, 此内容是请输入你的名字所提示的内容。3.f 被赋值为按照读的方式打开名为data.txt的文件, open函数具备打开文件以进行读写操作的能力。4. 生成列表, 通过 # 该具体列出元素项分别为 1、2、与 3 这种元组的 #list函数来创立, 或者借助相同函数从其他序列转换为列表。5. 使用dict函数, 通过赋予参数, 其中a对应1, b对应2, 从而创建出一个字典, 这个字典里包含着键为a、值为1, 键为b、值为2的键值对 #dict函数具备创建或转换为字典这一功能。等等。详情如下图所示二、入门——让代码“跑”起来主要观点是, 不该任由语法吓到自己, 在刚开始的阶段, 所追求的目标在于能够运用其去处理生活里的小型算术问题以及文件相关的处理事务。现象面对黑框框的迷茫不少新手才刚完成安装, 面对着黑乎乎的终端窗口, 或者面对着编辑器, 全然不晓得第一行代码究竟该写些什么。你有可能碰到的场景是如下这些: 想要计算一下这个月的账单总和, 或者想要对100个文件进行重命名, 然而却不清楚怎么样去指挥电脑做这些事情。实际情况是, 编程的实质是“人机对话”, 也就是说, 计算机听不懂人类所说的话语, 然而它却能够理解那种贴近英语的指令, 入门的实质在于学会运用计算机能够理解的“单词”变量、数据类型以及“语法”循环、判断去阐明你的需求。设想有一种情形, 比如说举例来讲要是你打算去进行计算, 计算的内容是从1起步一直到100的这些数字逐一相加起来的总和。在数学领域当中, 你倘若要这么去计算很有可能就得排布下来竖式一行列。然而呢存在这样一个情境在其中, 你仅仅只是需要借助range()这个函数产生或者说达成从数值1开始贯穿直至100以后形成一组数字的序列。再配合着安排上一个for循环这样就能够把这个问题解决了。total 0 for i in range(1, 101): # 使用 range 生成序列 total i print(total) # 使用 print 输出结果又如, 你获取到了一则 data.txt, 想晓得其中是否存有内容, 首先运用 open() 为文件“开启门户”, 借助 read() 让内容浮现, 通过 len() 测量长度。历经这三步之后, 心里便有了底。你留意到与否, 这三个函数实际上表明了一类固定的思维模式: 连接, 接着获取, 进而度量。在而后你学习任何全新事物时, 底层的思考路径都无法脱离这三步。f open(test.txt, r, encodingutf-8) content f.read() print(content) # 打印内容 print(总字符数, len(content)) # 数一数有多少个字符 f.close()理解了基础语法接下来我们看看如何把代码组织得更像样。三、提高——像工程师一样思考关键要点是: 要摒弃那种如同流水账般的代码, 进而掌握运用模块化以及面向对象的思维方式, 以此来处理工作里复杂的实际存在的问题。现象代码越写越乱当你编写了几百行代码之后, 会发觉满屏幕都是变量, 改动一处地方, 另外一处就出现报错。又或者你想要处理Excel表格, 去网上抓取一些数据, 可发现仅仅依靠内置函数根本是不够用的。本质: 这是源于你欠缺“工具箱”意识以及“分类”思维, 如果换为另一说法, 提高阶段的要点在于掌握“拿来主义”也就是导入第三方库与“抽象思维”即面向对象编程, 你需要将重复出现的功能, 借助 def 来定义成函数, 把相关联的数据和行为, 利用 class 打包成类。假定你打算去开发一款学生管理系统。要是不运用类, 你或许就要去定义 name1, age1, name2, age2之类 的, 杂乱得像一锅粥。然而要是你去定义一个类:class Student: def __init__(self, name, age): self.name name self.age age def show_info(self): print(f姓名: {self.name}, 年龄: {self.age}) # 使用时直接实例化 s1 Student(陈小帅, 20) s1.show_info()另外, 应对繁复任务少不了强大第三种库, 举例来说, 若你要剖析“成绩表.xlsx”, 无需自行编写解析算法, 直接 , 通过两行代码便能读取并且展示首十行数据。要是程序出现差错不用慌, 运用try... 结构将可能出错代码包裹起来, 程序不会崩溃, 而是极为优雅地向你示意何处出现问题。优化后的代码如下class Student: def __init__(self, name, age): try: self.name str(name).strip() self.age int(age) if not self.name: raise ValueError(姓名不能为空) if self.age 0 or self.age 150: raise ValueError(年龄超出合理范围) except (ValueError, TypeError) as e: print(f 创建失败{e}) # 给个安全默认值 self.name 未知 self.age 0 def show_info(self): try: print(f姓名: {self.name}, 年龄: {self.age}) except Exception as e: print(f 显示失败{e})学会了处理复杂逻辑接下来我们要挑战的是如何让程序起飞。四、精通——掌控性能与架构核心观点是, 不止要达成功能, 更得去寻觅极致的性能, 还有并发处理的能耐, 甚至那底层的掌控程度。现象程序跑得慢服务器扛不住倘若你所编写的爬虫需要去下载一万个网页, 单单依靠线程去运行会耗费一下午的时间又或者你的网络服务一旦有几百人同时进行访问便会出现卡死的状况。在这种时候你便能发觉, 简单的逻辑已然没办法去满足高并发以及高性能相应的需求了。本质: 此乃计算机资源的调度问题, 换而言之, 于精通阶段你得着手与CPU打交道, 还得与内存打交道, 并且要和网络IO打交道, 你需明白什么是多线程, 要清楚什么是异步, 以及得晓得如何借助阅读源码去优化你的算法。便是适才那爬虫, 要是想要加快速度, 那就不可以逐个去下载了。你能够借助库来开启多线程, 或者运用更具高级性的方式来做作异步处理, 使得电脑能够同时去下载十个网页, 速度顷刻间便得到提升。import threading import requests def fetch(url): print(requests.get(url).status_code) # 开启多线程同时工作 t threading.Thread(targetfetch, args(https://www.example.com,)) t.start()比如说, 你感觉程序运行速度迟缓, 然而却不清楚其迟缓具体体现在哪里。在这个时候能够运用 来开展性能剖析, 它会向你表明哪一行代码所耗费的时间最为长久。要是你正处于处理数量巨大的数据的状况下, 内存出现爆满的情形该如何应对呢? 此时就需要借助 yield 关键字去编写生成器, 计算一点就消耗一点资源, 从而大幅度地节约内存。具体详情如下。# # 两招搞定性能与内存cProfile 找瓶颈yield 省内存 # import cProfile import pstats import io # ---------- 第一招cProfile 性能分析 ---------- def slow_function(): total 0 for i in range(1000000): total i ** 2 return total def main(): print(slow_function()) # 跑一下看看哪里慢 cProfile.run(main(), sortcumtime) print(\n * 50 \n) # ---------- 第二招yield 生成器省内存 ---------- def read_large_file(file_path): 逐行读取大文件不一次性加载到内存 with open(file_path, r, encodingutf-8) as f: for line in f: yield line.strip() # 每次只吐一行 # 使用方式边读边处理内存始终只有一行 def count_errors(log_file): error_count 0 for line in read_large_file(log_file): if ERROR in line: error_count 1 print(f发现 {error_count} 条错误) # 如果你没有真实的大文件用这个模拟一下 def mock_data(): 模拟大数据的生成器 for i in range(1000000): yield fdata_{i} # 处理模拟数据 for item in mock_data(): # 每次只处理一条处理完就忘了它 if int(item.split(_)[1]) % 100000 0: print(f已处理到{item}) print(\n * 50) print( 记住两句话 1. 程序跑得慢 → cProfile 跑一下谁拖后腿一目了然 2. 内存扛不住 → 列表改成 yield逐条吐出用一点算一点 就这么简单干活够用了。 )走到这般层级状态, 就表明你已然把控住了从基础应用层面print起始, 直至并发维度往后又到传输范畴的整套技术链路。你会拥有参与主流开源项目构建的专业本事, 能够领会其架构规划并且奉献出具备高水准的代码。这算得上是开发者从“使用者”迈向“建设者”的关键分界点。五、总结与综合实例打造你的城市天气预报系统关键性的观点是, 要达成融会贯通的目标, 把那些零零散散的知识点连接起来, 从而搭建起一个能够处理实际问题的完备应用。现象知识点都会但不会整合你在结束前面三个阶段的学习之后, 也许会感觉每个知识点自己都明白, 然而当把这些知识点放置到一块儿的时候, 就不清楚该从何处着手了。举例来说, 你打算去做一个能够并发查询多个城市天气状况并且生成报告的程序, 可却不晓得该如何去组织代码。这是由于你欠缺一个“项目化”的视角导致的本质情况, 换一种说法形容, 真正可称之为编程能力的体现在于把函数、类、库以及框架进行组合, 以此构建出一个可以协同开展工作的系统, 于此你所要达成的是理解数据究竟是以怎样的方式从用户端流入, 历经你的逻辑施行处理之后, 又以何种路径流回到用户端的。我们着手去写个“城市天气预报系统”。对此程序而言, 它需要整体性运用我们所学过的一系列知识 , 借助input去接纳用户输入。凭借class来将功能予以封装 , 通过特定方式达成并发查询 , 最终依靠map、sum一类函数来生成分析报告。import requests # 提高导入第三方库用于网络请求 import threading # 精通多线程用于并发加速 class WeatherFetcher: 真实天气获取器调用公开API def __init__(self, cities): self.cities cities self.results {} # 精通线程锁保证多线程写入同一个字典时不冲突 self.lock threading.Lock() def fetch_single(self, city): 核心从API获取真实天气数据 print(f 正在连接气象站获取 {city} 数据...) # try: # 1. 构造API地址 (wttr.in 是一个免费的天气API支持JSON格式) # ?formatj1 表示返回详细的JSON数据 url fhttps://wttr.in/{city}?formatj1langzh # 2. 发送GET请求 (设置超时时间防止卡死) response requests.get(url, timeout5) # 3. 检查HTTP状态码 (200表示成功) if response.status_code 200: # 4. 解析JSON数据 data response.json() # 5. 提取我们需要的信息 (根据API返回结构调整) current_condition data[current_condition][0] temp_c current_condition[temp_C] desc_zh current_condition[lang_zh][0][value] # 获取中文天气描述 result_data { city: city, temp: temp_c, condition: desc_zh } else: result_data {city: city, temp: 错误, condition: fHTTP {response.status_code}} except Exception as e: # 提高异常处理网络不通或城市名错误时捕获异常 result_data {city: city, temp: N/A, condition: 查询失败(检查城市名)} print(f 获取 {city} 失败: {e}) return # 查询失败则直接返回不保存结果 # 6. 线程安全地保存结果 with self.lock: self.results[city] result_data print(f {city} 获取完成: {result_data[temp]}°C, {result_data[condition]}) def fetch_all(self): 并发获取所有城市 threads [] for city in self.cities: t threading.Thread(targetself.fetch_single, args(city,)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join() print(\n 所有城市数据抓取完毕) return self.results def show_report(self): 生成报告 if not self.results: return # 过滤掉查询失败的数据再计算 valid_temps [] print(\n 实时天气汇总报告) print( * 40) for city, data in self.results.items(): temp_str data[temp] # 只有当温度是数字时才参与统计 if isinstance(temp_str, str) and temp_str.isdigit(): valid_temps.append(int(temp_str)) print(f {city:10} | {temp_str}°C | {data[condition]}) # 统计计算 if valid_temps: print(- * 40) print(f 统计信息: 平均 {sum(valid_temps)/len(valid_temps):.1f}°C | f最高 {max(valid_temps)}°C | 最低 {min(valid_temps)}°C) # else: print(️ 未能获取有效温度数据进行统计。) # --- 程序入口 --- if __name__ __main__: print( 欢迎使用 Python 全球天气查询系统) city_input input(请输入城市英文名 (如: Beijing London NewYork)空格分隔: ) city_list city_input.split() if city_list: fetcher WeatherFetcher(city_list) fetcher.fetch_all() fetcher.show_report() else: print(请输入至少一个城市名)执行这串代码时, 你要是输入若干城市名称, 程序便会以并发方式“开展”天气的“查找”工作, 进而生成一份美观的汇总报告。此示例, 将用户交互这一行为, 以input形式, 与面向对象, 以class呈现, 以及并发编程这一模式, 还有以map和sum这样数据处理方式的核心概念, 极佳地串联起来了。详情如下