python jieba处理中文摘要 python论文摘要

---

Python 编程摘要

  -杨武 2018

1. 背景： Guido van Rossum 1989年圣诞假期闲得没事儿干而为 Unix/C 背景的程序员设计的脚本语言，1991 年正式公开发行。
2. 环境：学习语言可以考虑 Thonny IDE，Python 发行版中应该都自带有idle集成环境。工业界比较流行 PyCharm 和 Jupyter Notebook.
   目前 Python 有 2.7 和 3.x 两个主要的发行版，3.x 2009 年开始发行，对 2.x 不完全兼容。如果工作上并不依赖还没有适配 3.x 的库，建议学习、使用 3.x 。
   python 解释器都有交互模式，可以直接在命令行上使用。交互模式下，最后一个表达式的结果会保存在特殊变量 _ 里
   编写纯文本的程序，然后 python xxx.py 也可以执行。
   Unix/Linux 风格的脚本，可使用 #!/usr/bin/env python 这样的 unix shebang
3. 安装：不管 Windows/Mac/Linux ，初学者均推荐 Anaconda, Mac 自带，但还是推荐 anaconda 或 virtualenv 避免环境污染

1. 可以使用国内镜像加速包安装，如清华大学镜像（版权原因该镜像已停）

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
3. pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
4. conda 用 —remove, pip 用 unset 移除镜像渠道

2. 如果碰到 ssl 错误

1. 出错信息：Could not connect to https://repo.continuum.io/pkgs/free/osx-64/....tar.bz2 Error: Connection error: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:590): https://repo.continuum.io/pkgs/free/osx-64/....tar.bz2
2. 解决办法

1. 找到证书存储位置，然后：conda config --set ssl_verify <pathToYourFile>.crt
2. 禁用 ssl 校验(不安全)：conda config --set ssl_verify false

4. 语言

1. 文法

1. 一般语句不能跨逻辑行，物理行可以用末尾的 \ 字符连接成逻辑行
2. 缩进表达逻辑结构，必须严格一致

1. 行首空白的tab(制表符)将视多个空格，空格个数为将行首空格数补全为8的倍数
2. 行首空白不要混用tab(制表符)和space(空格)

3. 注释：#字符后面的是注释，程序执行时将被忽略，可以是单行也可以接在语句后面
4. 源文件编码：Python3 默认为 utf-8，探测到 BOM 则强制 utf-8，可使用编码注释申明

1. # -*- coding: utf-8 -*-

1. 这个格式 GNU Emacs 也认识

2. # vim:fileencoding=utf-8

1. 这个格式 VIM 也认识

3. 字符编码背景知识 中文编码小知识 - 知乎

5. 标识符

1. Python 2.x 标识符只能使用 ASCII 集中的大小写字母、_和数字
2. Python 3.x 则支持 Unicode 集中的字母、数字和部分符号，完整清单见 https://www.dcl.hpi.uni-potsdam.de/home/loewis/table-3131.html
3. 特殊意义的名字

1. _开头的符号在 import * 时会忽略
2. __id__ 是系统定义的名字
3. __id 用于类私有名字，这种类属性会进行名字粉碎(name mangling)以防止冲突

2. 命令行参数
   import sys;
   sys.argv 数组就是命令行参数
3. 变量定义

1. 赋值即定义：name = value
2. 动态类型：赋值时推导类型，可以在不同时间保存不同类型的值
3. 强类型：表达式的类型需要显式转换，不支持隐式转换

1. 使用目标类型名为函数：int(var)

4. 作用域

1. 变量在申明的块内有效，不在任何块内的是全局变量
2. 局部可以引用全局量作为右值
3. 定义在局部块的名字屏蔽全局相同的名字
4. 显式引入全局变量：global name

1. 如果要修改全局变量，必须显式引入
2. 否则是定义了一个新的同名局部变量

1. 如果在定义时右值部分也引用到该名字，此时这个变量还没有赋值，会报错

1. UnboundLocalError: local variable ‘name’ referenced before assignment

4. 基本类型

1. 数字：int, float, Decimal, Fraction, complex number (加 j 或 J 后缀)

1. 字面量

1. 9, 9.2, .1, 2.
2. 2/8/十六进制：0b110 0O76 0xFE
3. 字面量分段用_，可任意加，求值时忽略: 1_000_000
4. 科学计数法格式：31.4e-2

2. 算术运算：+ - * / **指数 //整除 %取余
3. 比较运算：== != > < >= <=
4. 赋值运算：= += -= *= /= %= **= //=
5. 位运算：& | ^ ~ << >>

2. 字符串(string)：

1. 定义

1. 字面量用单引号或双引号包起来
2. 转义序列：\ ，字符串加r前缀表示原始串不进行转义 r’c:\name’
3. 二进制串：b’xyz’

1. 只能使用ASCII字符

4. 多行: 用一对 """或 ''' 包起来的多行文本
5. 字面量是不可变的 (immutable)

2. 运算

1. 连接：字符串可以+ ，连续的字符串字面量会合并

1. 重复并拼接："#" * 8 得到 "########"

2. 索引：name[idx]，idx为负数时从末尾向前数，注意-0就是0 并不能取最后一个字符(最后一个字符是[-1])
3. 切片：name[from:to], [from]~[to-1] 的子串，省略from时从0开始，省略to时到末尾结束。方便起见from/to可视为指向字符之间，比较容易搞清楚切片范围。
4. .replace(fromStr, toStr)

3. 逻辑(布尔)类型

1. 字面量：True, False
2. 运算：

1. and or not
2. 成员运算：in, not in

1. if var in (‘a’, ‘b’, ‘c’)

3. 身份运算：is, is not

1. 引用的是否是同一个对象
2. 区分：== 是比较引用变量的值是否相等，但引用的可能2个对象

5. 复合类型

1. tuple 多元数

1. 由逗号分隔的若干个值
2. 定义

1. t = 1, 2, “a”
2. ( v1, v2, v3, … )
3. 可嵌套
4. 解包赋值：x,y,z = t
5. tuple(expr)：每个list成员或string字符转化为一元

3. 运算：

1. tuple+tuple, tuple*int
2. len(tuple)
3. del tuple #执行之后该变量就未定义了
4. cmp(t1,t2), 返回值：0-等长，1-t1长，-1-t1短
5. max(t), min(t)：取出元组中最大/小的元素

2. 列表 (list)

1. 字面量：[ 1, 2, 3 ] 方括号内由逗号分隔的一系列值
2. 跟字符串一样可以索引、切片
3. 列表字面量是可变的 (mutable)

1. list[idx] = newValue
2. list.append( value )

4. 列表可嵌套，即某个元素是另一个列表
5. 操作：

1. .append(x), .extend(itr), .insert(i, x), .remove(x), .pop([i]),  .clear(),

1. .popleft() 是 deque 特有的

2. .index(x[,start[,end]]), #在范围内找x出现的位置
3. .count(x), #数x出现的次数
4. .sort(key=None,reverse=False),
5. .reverse(), .copy()
6. del 语句：del list[idx] 删除该元素

6. List Comprehension (列表推导式/列表解析式/列表生成式)

1. 用来构造列表的简洁表达
2. [expr for name in range]

1. 用 for 语句遍历 range 范围取得 name 的每一个值，传进 expr里对name的引用 ，expr 的值做为元素追加到结果列表里

3. 可嵌套：expr 部分可以是另一个生成式

1. 执行时，最右的生成式相当于循环的最外层

3. 集合 (set)

1. 字面量：{ val1, val2, … }

1. 空集要用 set() 构造，{} 是空字典
2. 同列表一样支持生成式

2. 定义：s = set()
3. 操作：

1. s[index]
2. .add(one), .update(collection)
3. .remove(e), .discard(e) # e不存在前者会异常
4. .pop() 弹出最早加入的成员

4. 字典 (dictionary)

1. 字面量：{ key:value, key:value, … }

1. tuple 也可以做为 key，如果其中只包含strings, numbers, or tuples

2. 操作

1. .keys()
2. d[key]=value
3. in, not in：作用于 key

3. 同样支持生成式

6. 语句

1. Python 使用缩进决定代码的层次结构
2. if 语句

1. if bool_expr:
       statements
   elif expr:
       statements
   else:
       statements

3. for 语句

1. for var in expr:
       expr
2. range expr
   range( from, to, step )
3. 流程控制子句

1. break;
2. continue;
3. for-else: 循环结束且没有 break 过时执行

4. while bool_expr: 当 bool_expr 计算结果为 True 时重复执行下属的语句块
5. pass 显式说明这里啥也不干
6. with

1. with xxx: 为下级语句块定义一个作用域， xxx 部分返回 ContextManager

1. 进入作用域时自动调用 contextManager.__enter__()，
2. 作用域结束时自动调用其 __exit__()

2. 系统库的许多方法返回对象都是 ContextManager

1. File, zipfile.ZipFile, subprocess.Popen, tarfile.TarFile, telnetlib.Telnet, pathlib.Path

3. contextLib

1. @contextmanager decorator

1. 所修饰生成器(generator function)的代码行 yield 之前是 __enter__(), 之后是 __exit__()

2. contextlib.ContextDecorator

1. 继承该类定义，重载 __enter__(self), __exit__(self, *exc)
2. 获得自定义修饰器 @myclass()

7. 标准 I/O

1. input(prompt)
2. print(arg… end=‘’)

1. str() 可转换任何类型为可读字符串
2. repr() 可转换任何类型为解释器可读字符串

3. 文件读写

1. f = open(path, mode) #r,w,a,+,b

1. 推荐的安全写法：
   with open(path) as f:
       read_data = f.read()
   即使有异常，离开 with block 时文件也会安全关闭

2. f.read(), f.readline(), f.write(expr), f.tell(),
3. f.seek(ofs, from): from 0=开头向后 1=当前位置向后 2=末尾向前
4. f.isatty(), f.truncate()
5. 行遍历：
   for line in f:
       print(line)

7. 表达式

1. Lambda 表达式

1. 定义：lambda param: expr
2. 相当于匿名函数，但只能包含一个表达式，不能包含语句和注解(annotation)
3. 所含表达式执行时求出的值就是lambda的值

2. 运算优先级由低到高：逻辑->成员->身份->赋值->比较->位->算术
3. 序列比较：短的小，同长度逐个元素比较字典序(lexicographical)

8. 代码单元

1. 函数 (function)

1. def funcName(formalParameters):
       """ 可选的多行 docstring """
       statements
2. 参数

1. 定义时

1. 参数列表用逗号分隔
2. 默认值: param1=expr，提供了默认值的参数在调用时可以不指定值
3. 带星参数(starred parameter)：表示调用时这一个形参名将接收后续的若干参数值

1. *name：从这个位置往传入的参数值组成一个 tuple

1. 实现可变参数列表

2. **name：形参末尾的这个参数将会收到一个dictionary，其中存有所有调用时用keyword arguments方式传入且不对应其它形参的参数值
3. *name 必须出现在 **name 之前

4. 注解：函数参数和返回值都可以加注解

1. 参数：在形参名后加 : expr，用 paramName.__annotations__ 读
2. 返回值：在) 和 : 之间加 -> expr，用 funcName.__annotations__读

2. 调用时

1. 参数值(arguments)是传值的 (call-by-value)
2. 参数都是对象引用，所以传递的是对象引用的值，而不是对象本身的值
3. 可用形参名做为关键字指定要传给特定参数的值(keyword arguments)：print(‘abc’, end=‘;’)
4. 展开参数列表：*list_expr 会将list中的元素展开并依次传给函数参数

3. 返回值

1. return value;

1. 省略 value 则返回特殊值 None

2. 即使不写 return 也有返回值 None

4. 函数本身也是对象，函数名也是一个变量
5. first-class-function

1. 函数名本身的值是对函数这个对象的引用
2. 引用值可以赋给任意变量，该变量即可做为函数调用

6. 匿名函数

1. 即lambda表达式

7. 函数式编程范式

1. 高阶函数： 接收其他函数作为参数的函数
2. 内置 map()/reduce()/filter()
3. 闭包 closure

1. 在函数内可以定义函数，并可作为返回值
2. 内部函数可以引用外部函数的变量

1. 引用的是符号，而不是当前值
2. 所引符号会在闭包执行时，取那一刻的当前值
3. 如果引用循环变量，只会取到相同的循环结束时的值

4. 柯理化 currying

8. 协程 coroutine：Python 3.5 实现了PEP492

1. 异步函数: async def fname…，内部可以使用await 表达式、async for 和 async with 语句
2. await 表达式：await expr，expr 通常是对协程的调用
3. async for 语句
4. async with 语句

9. 类型提示 : Python 3.7 实现了 PEP484

1. def func(arg: type) -> returnType
2. 类型别名：alias = type 例如Url = str
3. 使用 None：-> None 相当于 ->type(None)
4. Callable 类型：用来提示只接受特定的函数签名

1. Callable[arg1Type, arg2Type...]

5. 范型 generic

1. from typing import Mapping, Set
2. 提示特定元素类型的容器类型：Set[elemType], Mapping[keyType, valueType]
3. TypeVar factory：typing模块新加了这个工厂方法

1. T = TypeVar('name') : 接受任意类型

1. def first(Sequence[T]) -> T 返回类型为容器元素类型

2. T = TypeVar('name', Text, bytes) : 接受指定的基本类型，基本类型也就是不能是参数化的

4. Any 可以用来表示任意类型

2. 类 (Class)

1. 定义
   class Name:
        ”””可选的 docstring ”””
       statements

1. 变量赋值语句：即定义属性并初始化
2. 定义函数： 即定义方法，第一个参数应为 self

1. __init__() 是实例初始化方法，在每个实例创建时被调用

1. __init(self, …) 可以接收参数

2. __new__(cls, *args, **kargs) 重载可控制实例构造过程
3. 使用特定名字的函数实现操作符重载

1. + __add__(self, other), - __sub__
2. [idx] __getitem__(self,idx)/__setitem__(self,idx,val)
3. 完整清单： https://docs.python.org/3/reference/datamodel.html#special-method-names

3. 可见性：Python 没有可见性控制，惯例 _ 开头的成员是内部接口， 外部不应使用

2. 实例化

1. obj = ClassName()

3. 对象模型

1. 类上的属性：所有实例共享的类属性
2. __init__() 里 self.name 定义的属性：实例私有的属性
3. 实例上可以随时添加属性

4. 继承

1. class Name(BaseClassName):
2. 检查：isinstance(obj, cls), issubclass(sub, base)
3. 多重继承：class Name(B1, B2, B3):

5. 迭代器支持

1. for-in 会对序列容器对象调用 iter(c) 获取迭代器
2. 然后调用 i.__next__() 取下一个

1. 可用内建函数 next(it) 来调用 it.__next__()
2. 遍历超出后会抛出 StopIteration

3. 生成器 (generator)

1. 定义跟函数一样，内部使用 yield 语句返回值

1. 解释器会记录 yield 点
2. 并在 g.next() 调用时，从 yield 点之后继续执行

2. 实现

1. 本质上还是个迭代器
2. 解释器会自动生成 __iter__() 和 __next__()，自动在完成后抛出 StopIteration
3. 局部变量在调用之间会自动保存

3. Generator Expression

1. 跟 List Comprehensions 类似，不过不是[ ]里而是在 ( ) 间
2. 例如： sum(i*i for i in range(10))

4. 模块

1. 定义模块：任意.py文件

1. __name__

1. import 时为模块文件名
2. 通过python做为程序执行时，__name__ 会是 “__main__”

2. 顶层代码为初始化代码，在引入时会执行
3. 每个模块的符号表是私有的，定义全局变量不会冲突，使用者需要用 module.var 引用

2. 使用模块

1. import name 引入到当前模块中
2. from module import symbol_list 可将指定符号加到当前模块中

1. 符号由逗号分隔
2. * 表示全部符号

3. 以上是全局查找，相对路径引用见下面6.2/6.3
4. from __future__ import xxx

1. 这个称为 future statement，不是常规模块
2. https://docs.python.org/3/reference/simple_stmts.html#future-statements
3. 用以引进未来版本的新特性，在编译时特殊处理，可以改变关键词的解释
4. 需要写在在程序文件最开始
5. import __future__ [as name] 只是普通模块引用语句

3. 模块查找路径

1. built-in
2. sys.path

1. input script所在的目录
2. PYTHONPATH 环境变量
3. 安装路径中的默认位置
4. 程序可以修改这个变量，影响当前进程内的查找过程！

4. 编译和缓存

1. 默认会在 __pycache__ 目录按 module.pythonversion.pyc 文件名保存编译过的模块
2. compile all 模块可以为目录下的所有模块生成 .pyc 文件
3. pyc文件可以脱离源码发行，没有源码时 python 不会使用缓存

5. 标准模块

1. sys 模块内建在每个python解释器里

1. sys.ps1, sys.ps2, sys.path

2. dir() 内建函数：可列出模块中定义的名字

1. 为指定模块时，则列出当前有定义的所有名字

6. package 包管理机制

1. 定义

1. package 是一个目录，里边有 __init__.py 文件
2. __init__.py 可以为空，也可以用 __all__ 列表发布所有的名字

1. from m1.m2 import * 时，如果 __all__ 则引入其中所有的名字

1. 否则只引入模块里的全部名字，不会递归处理子模块

2. 模块的名字空间可以嵌套，用 A.B 来访问

1. import sound.effects.echo 对应 sound/effects/echo

3. 包间引用

1. 绝对引用：子模块需要引用其它模块时，可以始终用完整模块名字空间路径
2. 相对引用：但也可以用相对路径指示对应的模块

1. from . import m
2. from .. import m
3. from ..filters.abc import m

7. 常用模块

1. dir(module);

1. help(module);

2. import json;

1. json.dumps(o[, f]);
2. json.load(f)

3. import os;

1. os.getcwd();
2. os.chdir(path);
3. os.system(‘cmd’);

4. import shutil;

1. shutil.copyfile(fromPath, toPath);
2. shutil.move(fat);

5. import glob;

1. glob.glob(‘*.py’)

6. import sys;

1. sys.argv .stdin, .stdout, .stderr

7. import re;

1. re.findall(r’regexpr’, str);
2. re.sub(r’regexpr’, r’repo’, str)

8. math.cos(n), random.random()
9. statistics

1. .mean(d), .median(d), .variance(d)

10. from urllib.request import urlopen;

1. with urlopen(url) as resp:
       for line in response
           line = line.decode(‘utf-8’)

11. import smtplib

1. server = smtplib.SMTP(host)
2. server.sendmail(…)
3. server.quit()

12. datetime.date.tody()
13. import zlib

1. t = zlib.compress(text)

1. len(str)

2. .decompress(zs)
3. .crc32(s)

14. from timeit import Timer

1. Timer(stmt_literals).timeit()

8. 环境管理

1. 虚拟环境(virtual env)

1. python3  自带 venv 模块
2. python3 -m venv name
3. source name/bin/activate

1. name\Scripts\activate.bat for Windows

2. pip 包管理

1. 默认从 https://pypi.python.org/pypi 安装包
2. pip search name
3. pip install [--upgrade] name[==version]
4. pip uninstall name
5. show name; list; freeze > requires.txt

1. pip install -r requires.txt 可在别处装全这些依赖

6. 使用 Anaconda 发行版时，尽量避免混用conda install 和 pip install，只有 conda 不提供的包才 pip 安装

9. 异常处理

1. 区分异常与语法错误：异常是语法正确但运行时有问题。
2. 异常处理语法

1. try:
       statements
   except ValueError as ename: #
       statements
       raise #再抛出
   except (Err1,Err2):
       pass
   finally: #clean-up actions
       statements

3. 抛出异常：raise ValueError(msg)

语言基础有了，要系统学习编程的数据结构与算法，http://interactivepython.org/runestone/static/pythonds/index.html 是一个非常好的资源

Jupiter Notebook tips

tab/shift-tab for code intelligence

%config IPCompleter.greedy=True