Python实战小项目分享

Python实战小项目包括网络爬虫、数据分析和可视化、文本处理、图像处理、聊天机器人、任务管理工具、游戏开发和网络服务器等。这些项目提供了实际应用场景和问题解决思路，可以选择感兴趣的项目进行实践，加深对Python编程的理解和掌握。在实践过程中，可以结合相关文档和教程深入学习相应知识点。

全部资源链接：链接：https://pan.baidu.com/s/1cjX9XuePqACt53zpesSPiQ?pwd=5m9l
提取码：5m9l

一、资源分享

（一）python教材及基础知识讲解

链接：https://pan.baidu.com/s/1H0UaND9Ai-YRfbbmrvSASw
提取码：rms9

（二）python安装

链接：https://pan.baidu.com/s/14tPYsFsleDqDMLqbN6azZA
提取码：yl93

（三）100道Python练手题目

链接：https://pan.baidu.com/s/1AJ0uvFsa0SQ0ZZJ-xryo7Q
提取码：k734

（四）python实战项目

链接：https://pan.baidu.com/s/1qazUy0zytcpTPKy4o1-1tQ
提取码：stjc

二、代码调试思路

程序能一次写完并正常运行的概率很小，基本不超过1%，总会有各种各样的bug需要修正。写程序花费的时间往往要小于调试的时间，这个是基本规律。bug很复杂时，我们需要知道出错时，哪些变量的值是正确的，哪些变量的值是错误的，因此，需要一整套调试程序的手段来修复bug。下面我们来看下常用的Python调试方法

（一）总体调试方法概览

调试Python程序时，以下是一些常用的思路和方法：

打印输出：在代码中插入print语句，输出变量的值或者特定的消息，以便跟踪程序执行过程中的问题。

断点调试：使用调试器（如pdb、PyCharm等）在代码中设置断点，以便在特定位置停止程序的执行，并逐行检查代码。

异常捕获：使用try-except语句捕获异常，将发生异常的代码块包裹起来，并在except块中打印异常信息，帮助定位问题。

日志记录：使用Python内置的logging模块或第三方库（如loguru、logbook等）进行日志记录，以便在程序运行时获取详细的调试信息。

单元测试：编写单元测试代码对程序进行逐个模块的测试，确保每个部分都能正常工作。当出现问题时，可以通过单元测试发现具体的错误。

缩小范围：如果程序很大或者复杂，可以缩小问题范围，逐渐排查可能导致错误的部分，从而快速确定问题所在。

查阅文档和资料：利用搜索引擎、官方文档、论坛和社区等资源寻找与问题相似的情况和解决方案，避免重复解决已有的问题。

代码审查：请其他开发者或同事对你的代码进行审查，他们可能能够发现你忽略的问题或提供新的思路。

运行环境：检查程序运行所需的环境、依赖项和版本是否满足要求，确保程序在正确的环境下运行。

以上方法并非全部，具体使用哪些方法取决于问题类型和场景。在调试过程中，耐心和细致是非常重要的，逐步排查问题直到找到根本原因。

（二）断点打印法

第一种方法简单直接粗暴有效，就是用print把可能有问题的变量打印出来看看：

def foo(s):n = int(s)print '>>> n = %d' % nreturn 10 / n
def main():foo('0')
main()

执行后在输出中查找打印的变量值：

$ python err.py
>>> n = 0
Traceback (most recent call last):...
ZeroDivisionError: integer division or modulo by zero

用print最大的坏处是将来还得删掉它，想想程序里到处都是print，运行结果也会包含很多垃圾信息。所以，我们又有第二种方法。

（三）断言

凡是用print来辅助查看的地方，都可以用断言（assert）来替代：

def foo(s):n = int(s)assert n != 0, 'n is zero!'return 10 / n
def main():foo('0')

assert的意思是，表达式n != 0应该是True，否则，后面的代码就会出错。

如果断言失败，assert语句本身就会抛出AssertionError：

$ python err.py
Traceback (most recent call last):...
AssertionError: n is zero!

程序中如果到处充斥着assert，和print相比也好不到哪去。不过，启动Python解释器时可以用-O参数来关闭assert：

$ python -O err.py
Traceback (most recent call last):...
ZeroDivisionError: integer division or modulo by zero

关闭后，你可以把所有的assert语句当成pass来看。

（四） logging日志

把print替换为logging是第3种方式，和assert比，logging不会抛出错误，而且可以输出到文件：

import logging
s = '0'
n = int(s)
logging.info('n = %d' % n)
print 10 / n

logging.info()就可以输出一段文本。运行，发现除了ZeroDivisionError，没有任何信息。别急，在import logging之后添加一行配置再试试：

import logging
logging.basicConfig(level=logging.INFO)

这就是logging的好处，它允许你指定记录信息的级别，有debug，info，warning，error等几个级别，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，你可以放心地输出不同级别的信息，也不用删除，最后统一控制输出哪个级别的信息。

logging的另一个好处是通过简单的配置，一条语句可以同时输出到不同的地方，比如console和文件。

（五）pdb调试

第4种方式是启动Python的调试器pdb，让程序以单步方式运行，可以随时查看运行状态。我们先准备好程序：

s = '0'
n = int(s)
print 10 / n

运行：

$ python -m pdb err.py
> /Users/PythonTab/Github/sicp/err.py(2)<module>()
-> s = '0'

以参数-m pdb启动后，pdb定位到下一步要执行的代码-> s = ‘0’。输入命令l来查看代码：

(Pdb) l1   # err.py2 -> s = '0'3   n = int(s)4   print 10 / n
[EOF]

输入命令n可以单步执行代码：

(Pdb) n
/Users/PythonTab/Github/sicp/err.py(3)<module>()
-> n = int(s)
(Pdb) n
/Users/PythonTab/Github/sicp/err.py(4)<module>()
-> print 10 / n

任何时候都可以输入命令p 变量名来查看变量：

(Pdb) p s
'0'
(Pdb) p n
0

输入命令q结束调试，退出程序：

(Pdb) n
ZeroDivisionError: 'integer division or modulo by zero'
> /Users/PythonTab/Github/sicp/err.py(4)<module>()
-> print 10 / n
(Pdb) q

这种通过pdb在命令行调试的方法理论上是万能的，但实在是太麻烦了，如果有一千行代码，要运行到第999行得敲多少命令啊。还好，我们还有另一种调试方法。

pdb.set_trace()

这个方法也是用pdb，但是不需要单步执行，我们只需要import pdb，然后，在可能出错的地方放一个pdb.set_trace()，就可以设置一个断点：

import pdb
s = '0'
n = int(s)
pdb.set_trace() # 运行到这里会自动暂停
print 10 / n

运行代码，程序会自动在pdb.set_trace()暂停并进入pdb调试环境，可以用命令p查看变量，或者用命令c继续运行：

$ python err.py 
> /Users/PythonTab/Github/sicp/err.py(7)<module>()
-> print 10 / n
(Pdb) p n
0
(Pdb) c
Traceback (most recent call last):File "err.py", line 7, in <module>print 10 / n
ZeroDivisionError: integer division or modulo by zero

这个方式比直接启动pdb单步调试效率要高很多，但也高不到哪去。