博客
关于我
趁着课余时间学点python(二)缩进 标识符 保留字 注释 输入输出的理解
阅读量:683 次
发布时间:2019-03-17

本文共 1373 字,大约阅读时间需要 4 分钟。

Python作为一门高级编程语言,凭借其灵活性和强大的功能,成为开发者们的首选语言之一。而要在Python中顺利编写代码,首先需要了解并掌握其基础语法。

在编写代码时,代码的结构和格式非常重要。在Python中,代码的缩进确实是最基本且重要的规则。可以将其类比于日常书写中的标点符号,但在Python中,缩进不仅起到语法标识的作用,更是代码结构的一种表现方式。每一行代码采用四个空格作为标准缩进,缩进程度决定了代码的层级结构。没有正确的缩进,代码将不被解析,会引发语法错误。

譬如,以下代码:

def func():    print("Hello World"))

由于缺少必要的缩进,print("Hello World")这一行必然会抛出语法错误。因此,代码的正确性直接取决于如何处理缩进问题。

接下来是关于标识符的规范。标识符是程序员为代码中各个元素(如变量、函数、类等)创建的名称,同时也是沟通程序内部逻辑的重要桥梁。标识符遵循以下规则:

  • 可以包含数字、字母和下划线。
  • 不能以数字或特殊符号开头。
  • 标识符对大小写敏感,中文字符在Python 3中被正式支持。
  • 以下是一些可能的标识符示例:

    • var1:有效
    • var_2:有效
    • myVar:有效
    • 123var:无效(以数字开头)
    • my%var:无效(包含特殊符号)

    需要注意的是,虽然中文标识符在Python中是支持的,但仍需遵循上述规则,避免混淆。

    接下来是保留字的概念。保留字(keyword)是编程语言中预留的特殊单词,具有特定的含义和作用,不能用于程序中自定义名称。Python3共有33个保留字,常用的一些包括:

    • import
    • class
    • def
    • if
    • else
    • for
    • while
    • return

    在编写代码前,应当熟悉这些保留字的含义和使用场景,这样可以避免命名冲突,提升代码的可读性。

    注释是代码中的"监督者",用来向其他程序员解释代码的功能和意图。Python支持两种类型的注释:

  • 单行注释:使用#符号开头,如:
    # 这是一个例子注释,用于说明代码的功能print("Hello World")
  • 多行注释:使用三重单引号(""")或双引号("""")包裹,允许多行注释:
    """"这是一个多行注释示例,用于详细说明代码的功能。"""print("Hello World")
  • 以下是代码注释的实际示例:

    """"这是一个多行注释示例,用到了双引号作为注释符号。"""print("Hello World")  # 这是一个单行注释

    在编写实用程序时,输入与输出机制是非常重要的。在Python中,input()函数用于获取用户输入,print()函数用于将字符串输出到终端。以下是一个简单的示例:

    # 获取用户输入并输出user_input = input("请输入您的名字:")print(f"您好,{user_input}!欢迎来到Python世界。")

    运行上述代码,将提示用户输入名字,并输出相应的问候信息。

    与代码交互开发中,合理使用注释可以提升代码的可维护性。无论是单行注释还是多行注释,都能让其他程序员快速理解代码功能。

    通过学习和实践这些基础知识,我们逐步掌握Python编程的基本规则和使用习惯。希望你在Python的学习旅程中一路顺利,提问频繁,探索不断!

    转载地址:http://tygqz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>