STAGE
基础建立
开篇：用正确的方式学习 Python
最近几年，Python 已经从一门“好上手的脚本语言”，逐渐变成了覆盖 Web 后端、数据分析、自动化、AI 工程等多个方向的通用工具。无论你是想补齐编程基础，还是想快速把想法落成脚本与服务，Python 都是一个很难绕开的选择。
工欲善其事：打造最舒适的 Python 开发环境
在正式开始学习 Python 之前，我们最好先把开发环境整理顺手。一个清晰、稳定、反馈及时的环境，不仅能提高学习效率，也能帮你避免很多“明明代码没问题，却跑不起来”的低级干扰。
进入 Python 的世界：理解解释器、脚本与模块运行
很多初学者在写 Python 时，最先接触到的是“能跑起来”，但对代码到底是怎么被执行的、脚本与模块有什么区别、`python xxx.py` 和 `python -m` 为什么行为不同，并没有形成稳定认知。
掌握基础数据类型：数字、字符串、布尔值与 None
学习任何一门语言，最先接触的都是数据类型。Python 在这部分看起来很直观，但真正写起代码来，数字计算、字符串处理、真值判断以及 `None` 的语义，仍然是最容易积累误解的地方。
常见容器类型详解：列表、元组、字典与集合的选择
写 Python 时，真正陪伴你最多的并不是复杂语法，而是各种容器类型。列表、元组、字典、集合看起来都像“装数据的盒子”，但它们在顺序性、可变性、查找方式和适用场景上其实差别很大。
流程控制与表达式：条件分支、循环与推导式入门
当我们掌握了基本数据类型和容器后，下一步就是让代码真正“动起来”。条件分支决定程序走哪条路，循环决定它如何反复处理数据，而推导式则体现了 Python 在表达上的简洁与高效。
函数是组织代码的起点：参数、返回值与作用域详解
从这一节开始，我们会正式进入“如何组织代码”的阶段。函数是 Python 中最基础也最重要的抽象单位，很多看似零散的逻辑，一旦收拢成函数，代码的复用性、可测试性和可读性都会显著提升。
从脚本到模块化：理解 import、包结构与代码复用
很多人在学 Python 的前半段，都是把所有代码写在一个文件里。这样做确实适合练习，但一旦逻辑稍微变多，就会立刻暴露出复用困难、引用混乱、职责不清的问题。
STAGE
核心机制
面向对象入门：类、实例、属性与方法的基本心智
Python 并不是一门必须重度依赖面向对象的语言，但只要你开始接触稍微复杂一点的业务代码、框架代码或第三方库，就一定会和类、实例、属性、方法这些概念打交道。
面向对象进阶：继承、组合、多态与 super 的使用
理解了类和实例之后，真正让很多人头疼的，往往是继承链、`super()`、组合关系和多态设计。这些概念一旦没有想清楚，代码很容易变成“能运行，但很难维护”的样子。
Python 数据模型：魔术方法与对象行为定制
很多 Python 代码看起来很“自然”，比如对象可以被打印、可以参与运算、可以像容器一样迭代、甚至可以像函数一样调用。这些行为背后依赖的，其实就是 Python 数据模型以及一系列魔术方法。
错误不可怕：异常处理、自定义异常与错误边界
程序一旦进入真实场景，出错不是例外，而是常态。读文件可能失败，请求可能超时，参数可能非法，数据库也可能断开连接。问题从来不是“会不会出错”，而是“出错后我们怎么处理”。
惰性计算的力量：迭代器、生成器与 yield 详解
如果说列表和字典解决的是“怎么存数据”，那么迭代器和生成器解决的就是“怎么流动地处理数据”。它们看起来比普通容器更抽象一些，但一旦理解了惰性计算的好处，就会发现这套机制在性能和表达力上都非常强大。
装饰器的本质：闭包、语法糖与常见应用场景
装饰器几乎是 Python 最具代表性的高级特性之一。很多框架、很多工具库都把它当成表达横切逻辑的核心手段，但如果只记住 `@xxx` 的语法，很容易在稍微复杂一点的场景里失去方向。
用 with 管好资源：上下文管理器与 contextlib 实战
很多资源都有“申请”和“释放”两个动作，文件句柄如此，数据库连接如此，锁和事务也是如此。如果释放动作完全靠人记忆，代码就会变得又脆弱又难维护。
更优雅的数据表达：dataclass、NamedTuple 与 TypedDict
当数据结构变得越来越复杂时，单纯依赖列表和字典往往已经不够了。我们既希望表达清晰，又不想一上来就写很多样板代码，这时候 `dataclass`、`NamedTuple` 和 `TypedDict` 就会变得非常有价值。
给动态语言加一点约束：Python 类型标注入门
Python 是动态语言，但这并不意味着它不需要类型信息。随着项目规模增长，参数含义、返回值结构、可空性边界都会变得越来越重要，而类型标注正是帮助我们降低沟通成本和理解成本的重要手段。
类型系统进阶：Generic、TypeVar、Protocol 与工程实践
当你开始给项目补充类型标注时，很快就会遇到一个问题：简单类型很好写，但一旦涉及“容器里装的是什么”“不同参数之间存在什么约束”“这个对象只要具备某些方法就能用”这类情况，基础标注就不够了。
STAGE
工程实践
与外部世界交互：文件读写、路径处理与编码问题
只要程序不再停留在内存里的小练习，就一定要和外部世界打交道。读配置文件、写日志、处理 CSV、拼接路径、跨平台运行，这些看起来琐碎的操作，往往才是日常开发中最常见的“真问题”。
标准库工具箱（上）：collections、itertools 与 functools
Python 的一个重要优势，就是标准库足够丰富。很多看起来需要自己从头写的能力，标准库里其实早就给出了成熟而优雅的方案。
标准库工具箱（下）：datetime、logging、subprocess 与 pathlib
除了容器和函数式工具之外，Python 标准库里还有一批更偏工程实践的成员。时间处理、日志记录、子进程调用、路径操作，这些能力几乎贯穿了所有真实项目。
管理好你的依赖：venv、pip 与 pyproject.toml
很多 Python 项目真正的混乱，并不是从业务代码开始的，而是从环境和依赖开始的。解释器版本不同、包版本冲突、虚拟环境混用、依赖描述不完整，都会让一个项目变得难以复现、难以上手。
让代码更可靠：格式化、Lint、类型检查与提交前校验
代码质量这件事，不能只靠“我下次注意一下”。越是多人协作、越是长期维护的项目，越需要把格式统一、静态检查和类型校验前置成工具流程。
测试你的 Python 代码：pytest、fixture 与 mock 实践
Python 开发常常给人一种“改完就跑一下看看”的轻盈感，但一旦项目稍微复杂，单靠手点和临时验证是远远不够的。没有测试的项目，往往在改动积累到一定程度后就会开始畏手畏脚。
如何组织一个 Python 项目：脚本、包与服务的结构设计
目录结构从来不是“放文件的细节”，而是项目认知的一部分。一个结构清晰的 Python 项目，会天然帮助你划清模块边界、减少循环依赖、提高新成员的理解速度。
从本地代码到可复用工具：Python 包构建与发布入门
当一段代码开始在不同项目里重复出现时，把它做成一个真正可安装、可复用的 Python 包，往往比复制粘贴更值得。包化不仅是复用方式的升级，也是工程边界更清晰的一种表现。
别忽视这些坑：性能优化、内存行为与常见陷阱
Python 的语法很友好，但这并不意味着它没有坑。可变默认参数、拷贝语义、引用共享、生成器和列表的内存差异、GIL 的影响，这些问题一旦在实际项目里出现，往往都不是一句“语法记错了”能带过的。
STAGE
并发与服务开发
并发基础：线程、进程与协程到底该怎么选
“并发”是 Python 里特别容易被说混的一件事。很多人知道线程、进程和协程这几个名词，却不清楚它们各自解决什么问题，也不知道该如何根据任务类型做判断。
asyncio 入门：事件循环、协程调度与异步编程模型
如果说上一节解决的是“有几种并发方式”，那么这一节要解决的就是“Python 的异步模型到底是怎么运转的”。很多人会写 `async` 和 `await`，但对事件循环、任务调度、取消和异常传播并没有形成稳定理解。
发起一次可靠请求：requests、httpx 与接口调用实践
网络请求几乎是所有 Python 项目的基础动作之一，无论你是在写爬虫、脚本、自动化任务，还是 Web 服务，最终都要面对超时、失败、重试、连接复用和错误处理这些现实问题。
在 FastAPI 中愉快地使用 Python：路由、类型与校验协作
到了这一节，我们会开始把前面学过的类型标注、数据建模、异常处理和模块组织能力，真正带进一个现代 Python Web 框架里。FastAPI 之所以受欢迎，很大一部分原因就在于它把类型、校验和文档协同得非常自然。
数据持久化基础：SQLAlchemy 的模型、查询与事务管理
只要应用开始保存数据，数据库和 ORM 就迟早会进入你的视野。SQLAlchemy 是 Python 生态里最重要的数据库工具之一，但很多初学者第一次接触时，往往会被模型、会话、事务这些概念弄得有些割裂。
基于 FastAPI + SQLAlchemy 的 Blog API：前置知识储备
前面我们已经分别认识了 FastAPI 和 SQLAlchemy，现在是时候把它们放进一个完整的项目背景里了。相比零散示例，一个小型但完整的 Blog API 更能帮助我们理解这些技术是如何协同工作的。
基于 FastAPI + SQLAlchemy 的 Blog API：项目开发与接口设计
有了前置认知之后，接下来就轮到真正的接口设计与开发实现。一个 API 项目真正考验的，往往不是“会不会写路由”，而是职责如何拆分、字段如何约定、错误如何表达，以及不同接口之间能否保持一致。
基于 FastAPI + SQLAlchemy 的 Blog API：测试、部署与上线实践
写完接口并不意味着项目结束。真正能不能稳定运行，还要看测试是否覆盖关键路径、配置是否区分环境、部署方式是否清晰、上线后是否具备基本的排障和观测能力。
STAGE
自动化与延展
自动化脚本实战：CLI 工具、批处理与任务自动化
除了 Web 后端，Python 在自动化领域的优势同样非常明显。很多时候，我们并不需要一个完整应用，只需要一个能快速解决问题的脚本、一个命令行工具，或者一套可以定时执行的批处理流程。
玩转 Python AST：静态分析、代码生成与批量改造
对很多人来说，AST 似乎属于编译器或工具链的领域，离日常业务开发很远。但只要你需要做静态分析、代码检查、批量改造甚至简单的代码生成，AST 就会立刻变得非常实用。
漫谈篇：面试中的 Python
当你把前面的内容系统学完之后，很多知识点其实已经不再只是“背答案”了，而是能够串成一套完整的理解。面试中的 Python 题目也是如此，真正拉开差距的往往不是你记住了几个术语，而是你能不能把原理、场景和权衡讲清楚。
感谢相伴：是结束，也是开始
走到这里，这套 Python 专题的正文内容也告一段落了。无论你是从零开始一路读到最后，还是在某个具体问题上把它当作手边的参考手册，我都希望这套内容能真正帮你建立起一套更完整、更稳定的 Python 认知。