01｜搭建你的第一个自动化工作台

场景引入：一封来自产品经理的邮件

周一早晨，你打开邮箱，发现产品经理发来一条消息：“能不能写个脚本，把这 500 个 Excel 里的数据汇总一下？手动复制粘贴太慢了。“你看着那堆文件，心里盘算——如果有一门语言能快速上手、几行代码就搞定这种重复劳动，该多好。

这门语言就是 Python。

但在动手写脚本之前，你需要先把工具准备好。这一章的目标很明确：理解 Python 的定位，完成环境搭建，写出第一段可运行的代码。

---

Python 在技术栈中的定位

Python 是一门通用型解释语言，诞生于 1991 年。它的设计哲学可以归纳为一个词：可读性。语法结构接近自然语言描述，同样的业务逻辑，用 Python 表达通常比 C 或 Java 短数倍。

来看一个直观的对比。判断一个人是否成年并输出提示，Python 的写法是：

if reg_age >= 18:
    print("已成年")
else:
    print("未成年")

即使你从未接触过编程，大概也能读懂这段代码的含义。正是这种”接近伪代码”的特质，让 Python 成为入门编程的首选语言。

这种简洁并非没有代价。Python 采用解释执行的方式——代码不需要预先编译为机器码，而是由解释器逐句翻译并运行。这意味着执行速度不及编译型语言。但在自动化脚本、数据处理、Web 后端、机器学习等绝大多数应用场景中，开发速度远比运行速度重要。

举个例子：完成同样一个数据汇总任务，用底层语言可能需要上百行代码和半天时间，而 Python 可能只需要二十行代码和十分钟。代码越短，引入缺陷的概率也越低。

Python 的版本

关于版本：Python 2 已于 2020 年 1 月 1 日正式停止维护，本教程全部基于 Python 3（建议使用 3.12 及以上版本）。如果你在网络上看到不带括号的 print 语句（如 print "hello"），那属于 Python 2 语法，可以直接跳过。

Python 的核心应用领域

Python 的应用范围之广，在编程语言中名列前茅：

• 自动化与脚本：批量重命名文件、定时抓取数据、自动生成报表、自动发送邮件
• 后端服务：构建 API 接口、处理业务逻辑、开发 Web 应用
• 数据科学与机器学习：数据清洗、统计分析、模型训练、可视化呈现
• 系统运维：服务器批量部署、日志分析、监控告警
• 快速原型验证：把想法用最短时间变成可运行的 demo
• 桌面小工具：用 GUI 库开发简单的桌面应用程序

丰富的生态

Python 拥有数十万个第三方库（你可以理解为别人已经造好的工具），覆盖了你能想到的几乎所有领域。无论是发送 HTTP 请求、处理 Excel 表格、操作数据库还是训练神经网络，都有成熟的库可以直接调用。

活跃的社区

全球数百万开发者使用 Python，技术论坛、问答网站、开源项目中有海量的 Python 相关资源。遇到问题时，大概率能在网上找到解答。

就业与职业发展

数据分析师、机器学习工程师、后端开发、DevOps 工程师、测试工程师等众多岗位都将 Python 列为必备或加分技能。掌握 Python 不仅能提高日常工作效率，也能为职业发展打开更多可能性。

Python 的局限性

客观地说，Python 也有不足：

• 执行效率：相比 C/C++/Rust/Go 等编译型语言，Python 的运行速度确实慢很多
• 移动端开发：Python 不太适合开发手机 App
• 代码保护：Python 是解释型语言，代码以明文存在，不容易加密

然而，对于多数工程场景而言，这些局限不构成实际障碍。“一小时写完并投入使用”与”一周写完但跑得快十倍”之间，前者往往是更务实的选择。况且计算机的性能在不断提升，Python 的速度劣势在大多数场景中已经感知不到。

---

安装 Python 运行环境

Windows 平台

1. 前往 Python 官方下载页面，获取最新 3.x 安装包
2. 运行安装程序时，务必勾选底部的”Add Python to PATH”选项——遗漏此步骤会导致命令行无法识别 python 命令
3. 完成安装

也可以通过 Scoop 包管理器快速安装：

scoop install python

macOS 平台

推荐使用 Homebrew：

brew install python3

也可以从官方网站下载 macOS 版安装包。

Linux 平台

主流发行版通常已预装 Python 3。验证方式：

python3 --version

若未安装，使用系统包管理器：

# Debian / Ubuntu
sudo apt-get install python3

# RHEL / CentOS
sudo yum install python3

# Fedora
sudo dnf install python3

验证安装

在终端（Windows 为 PowerShell 或命令提示符）中执行：

python --version

macOS / Linux 可能需要使用 python3：

python3 --version

如果输出类似 Python 3.12.x，说明安装成功。

排查常见问题：

• Windows 下提示”不是内部或外部命令”：重新运行安装程序并勾选 PATH 选项，或手动将 Python 安装路径加入系统环境变量
• macOS 下 python 命令无效：尝试 python3，macOS 默认可能不提供 python 别名

---

运行第一段代码

交互模式

在终端输入 python（或 python3）进入交互式解释器：

Python 3.12.0 (tags/v3.12.0:...)
Type "help", "copyright", "credits" or "license" for more information.
>>>

>>> 是输入提示符。输入以下内容并按回车：

>>> print("environment ready")
environment ready

print() 是 Python 的内置输出函数，它将括号内的内容显示在屏幕上。

输入 exit() 退出交互模式。

脚本模式

交互模式适合快速验证，但实际开发中代码需要保存为文件。

1. 创建一个工作目录，例如 workspace
2. 在目录下新建文件 startup.py（Python 脚本以 .py 为扩展名）
3. 写入以下内容：

print("environment ready")
print("automation workbench initialized")

4. 在终端中运行：

python startup.py

输出：

environment ready
automation workbench initialized

更多脚本示例

# 计算矩形的面积
width = 12
height = 8
area = width * height
print(area)                   # 96

# 字符串的拼接
print("auto" + "mation")     # automation

# 重复输出
print("=-" * 20)              # 输出 "=-" 重复 20 次，共 40 个字符

# 同时输出多个值
print("宽", width, "高", height, "面积", area)

把交互模式当作草稿本

交互模式在验证语法和做快速计算时非常方便。你可以把它当成一个增强版计算器：

>>> 365 * 24              # 一年有多少小时
8760
>>> 2 ** 16               # 2 的 16 次方
65536
>>> 100 / 7               # 除法（结果为浮点数）
14.285714285714286
>>> 100 // 7              # 整除（只取整数部分）
14
>>> 100 % 7               # 取余（100 除以 7 的余数）
2
>>> 1.5e8                 # 科学计数法：1.5 亿
150000000.0

Python 支持的基本算术运算一览：

运算符	含义	示例	结果
+	加法	3 + 5	8
-	减法	10 - 4	6
*	乘法	6 * 7	42
/	除法	15 / 4	3.75
//	整除	15 // 4	3
%	取余	15 % 4	3
**	幂运算	2 ** 10	1024

交互模式中有一个特殊变量 _（下划线），它保存上一次表达式的计算结果，在连续计算时非常方便：

>>> 200 + 300
500
>>> _ * 2
1000
>>> unit_cost = 49.9
>>> unit_cost * 0.8
39.92
>>> round(_, 1)       # 对上一次结果四舍五入
39.9

# 号后面的内容是注释，解释器会跳过它们。注释是写给人看的，用于说明代码意图。养成写注释的习惯，会让未来维护代码的人（通常是你自己）受益匪浅。

---

解释型执行与编译型执行的区别

为什么 Python 不需要”编译”就能运行？

编程语言按执行方式可分为两类：

编译型（如 C、Go）
  源代码 → 编译器 → 机器码 → 直接执行
  特点：运行速度快，但编译过程耗时

解释型（如 Python、Ruby）
  源代码 → 解释器 → 逐行翻译执行
  特点：开发迭代快，但运行速度慢

Python 默认使用名为 CPython 的解释器（用 C 语言编写）。还有 PyPy（JIT 编译，运行更快）、Jython（运行在 JVM 上）等替代实现。此外，IPython 是一个基于 CPython 的增强交互式 Shell，提供更好的补全和调试体验。学习阶段使用默认的 CPython 即可。

两种运行方式的适用场景

方式	适用场景	特点
交互模式	验证语法、快速计算、学习新特性	即时反馈，不保存代码
脚本文件	编写完整程序、项目开发	代码持久化，可重复运行

建议：学习新语法时先在交互模式中试验，确认理解后再写入脚本文件。

---

配置开发工具

用纯文本编辑器写代码虽然可行，但专业的编辑器能显著提升效率。这里推荐 Visual Studio Code。

VS Code 的核心优势

• 免费且开源
• 启动速度快，资源占用低
• 通过插件生态支持语法高亮、智能补全、错误检测
• 内置终端，可直接运行代码
• 跨平台支持

快速配置步骤

1. 下载并安装 VS Code
2. 打开扩展面板（左侧栏的方块图标）
3. 搜索并安装 “Python” 官方扩展
4. 可选：安装中文语言包

运行代码

打开 .py 文件后：

• 点击右上角三角形按钮运行
• 或使用快捷键 Ctrl+F5（Windows）/ Control+F5（Mac）
• 或在内置终端中手动执行 python 文件名.py

其他可选工具

• PyCharm：功能全面的专业 IDE，社区版免费，适合大型项目
• Sublime Text：极轻量的文本编辑器
• Jupyter Notebook：交互式笔记本，适合数据探索

---

包管理工具 pip

Python 生态拥有数十万个第三方库。安装和管理这些库的工具是 pip，它随 Python 一同安装。

核心命令

# 安装库
pip install httpx

# 安装指定版本
pip install httpx==0.28.1

# 升级库
pip install --upgrade httpx

# 卸载库
pip uninstall httpx

# 列出已安装的库
pip list

# 查看某个库的详情
pip show httpx

动手体验

安装一个文本艺术库并使用它：

pip install pyfiglet

创建 banner.py：

import pyfiglet

output = pyfiglet.figlet_format("Ready")
print(output)

运行后你会看到由字符组成的大号艺术字，类似这样：

 ____                _
|  _ \ ___  __ _  __| |_   _
| |_) / _ \/ _` |/ _` | | | |
|  _ <  __/ (_| | (_| | |_| |
|_| \_\___|\__,_|\__,_|\__, |
                       |___/

这个小实验展示了 Python 第三方库的使用方式：先用 pip install 安装，然后在代码中用 import 导入，接着调用库提供的函数。后续章节会详细讲解这个流程。

加速下载

默认的包仓库服务器在海外，下载速度可能较慢。可以临时指定镜像源：

pip install httpx -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以设置为永久默认：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip 命令无法使用时的替代方式

# 方式一：通过 python -m 调用
python -m pip install httpx

# 方式二：macOS/Linux 可能需要用 pip3
pip3 install httpx

虚拟环境概述

当你同时维护多个项目，每个项目依赖的库版本可能不同。Python 提供了虚拟环境（virtual environment）机制，为每个项目创建独立的依赖空间：

# 创建虚拟环境
python -m venv proj_env

# 激活
# Windows:
proj_env\Scripts\activate
# macOS / Linux:
source proj_env/bin/activate

# 激活后，终端前缀会出现 (proj_env)
# 此时安装的库仅对当前环境生效
pip install httpx

# 退出虚拟环境
deactivate

入门阶段可以暂不使用虚拟环境。当你开始处理多个并行项目时，建议养成为每个项目单独创建环境的习惯。

---

动手实验：用 Python 完成一个实际任务

在结束本章之前，让我们用已经掌握的知识完成一个稍微完整的练习。创建一个文件 sys_info.py，运行后输出一些系统和 Python 环境的基本信息：

import sys
import platform

print("===== 环境信息报告 =====")
print(f"Python 版本: {sys.version}")
print(f"操作系统: {platform.system()} {platform.release()}")
print(f"处理器架构: {platform.machine()}")
print(f"当前编码: {sys.getdefaultencoding()}")
print("========================")
print("环境检查完毕，一切就绪！")

这里用到了 import 语句来引入 Python 标准库中的 sys 和 platform 模块。虽然我们还没有正式学习模块的概念，但这个例子可以让你初步感受 Python 标准库的强大——只需几行代码就能获取操作系统和运行环境的详细信息。

运行这段脚本：

python sys_info.py

你会看到类似如下的输出：

===== 环境信息报告 =====
Python 版本: 3.12.0 (main, Oct  2 2024, ...)
操作系统: Darwin 25.0.0
处理器架构: arm64
当前编码: utf-8
========================
环境检查完毕，一切就绪！

---

本章回顾

要点	内容
Python 的定位	通用解释型语言，强调可读性和开发效率
版本选择	使用 Python 3（2 已停止维护）
环境安装	Windows / macOS / Linux 三种方式
交互模式	即时验证语法，适合学习和快速计算
脚本模式	代码保存为 .py 文件，可重复运行
开发工具	推荐 VS Code + Python 扩展
pip	第三方库的安装与管理

实践任务

1. 在你的系统上完成 Python 安装，在交互模式中执行 print("environment ready")，确认环境正常
2. 创建一个 .py 脚本文件，包含多行 print() 调用，在终端中运行它并观察输出
3. 安装并配置 VS Code 的 Python 开发环境，用编辑器打开上一步的脚本文件并运行
4. 使用 pip 安装 pyfiglet 库，编写脚本调用它生成 ASCII 艺术字
5. 在交互模式中尝试各种算术运算：加减乘除、整除、取余、幂运算
6. 运行本章最后的 sys_info.py 示例，查看你的 Python 运行环境信息

完成以上任务后，你已经具备了 Python 开发的基础设施。下一章，我们将从一个数据录入场景出发，学习如何用变量存储信息、区分不同的数据类型，并掌握字符串处理的核心技巧。