Python里最容易被误解的7个语法:它们不难,但一直被用错

很多人觉得Python “简单、直观、像伪代码”。但真正写过几年的人都知道：Python的危险，从来不在难，而在“看起来很对”。

下面这7个语法点，几乎每一个我都见过线上事故、隐蔽Bug，或者团队踩坑。

你以为

a = 256b = 256a is b  # True
于是你下意识认为：

is ≈ “更严格的相等判断”

实际上

is判断的是：

两个变量是不是指向同一个对象（内存地址）

a = 257b = 257a is b  # False（很多环境下）
为什么会这样？

• CPython缓存了小整数对象（通常是-5 ~ 256）

• 超出范围，是否复用是实现细节，不是语言保证

工程后果

• 用is判断数值、字符串，是隐蔽Bug温床

• 正确用法只有一个：

if x is None:    ...
结论：

is不是“更高级的==”，而是完全不同的维度

你以为

def add_item(item, lst=[]):    lst.append(item)    return lst
实际运行

add_item(1)  # [1]add_item(2)  # [1, 2]
真相

• 默认参数在函数定义时就被创建

• 后续所有调用，共用同一个对象

你可以理解为：

# 伪代码lst = []def add_item(item):    lst.append(item)
正确写法

def add_item(item, lst=None):    if lst is None:        lst = []
工程直觉：

默认参数 ≈ “静态变量”

经典迷惑现场

a = [1, 2]b = aa += [3]print(b)  # [1, 2, 3]
但如果这样：

a = [1, 2]b = aa = a + [3]print(b)  # [1, 2]

区别本质

• += → 原地修改（in-place）

• + → 生成新对象，再绑定变量

为什么这很危险？

• 引用共享场景（参数、缓存、全局变量）极易被“悄悄污染”

工程建议：

• 可变对象++= → 慎用

• 尤其是在函数参数、类属性里

看似正常的代码

funcs = []for i in range(3):    funcs.append(lambda: i)[f() for f in funcs]  # [2, 2, 2]

你以为

每个lambda记住了当时的i

实际上

• Python闭包捕获的是变量本身

• 真正取值发生在调用时

正确写法

funcs.append(lambda i=i: i)

这是在函数定义时绑定值

一句话总结：

Python闭包是“延迟绑定”，不是快照

事实

• Python3.7+：dict保证插入顺序

• 但这是 语言特性，不是设计初衷

常见误解

• 把dict当成OrderedDict的完全替代

• 在逻辑中“偷偷依赖顺序”

工程风险

• 代码可读性急剧下降

• 迁移语言/版本时容易翻车

工程建议：

• 如果“顺序是语义的一部分”明确使用list/OrderedDict

新手常见写法

try:    do_something()except:    pass
问题在哪？

• 捕获了所有异常

• 包括KeyboardInterrupt、SystemExit

• 错误被静默吞掉

正确姿势

try:    do_something()except ValueError as e:    handle(e)
工程直觉：

捕获越宽，Bug越深

误区

Python慢=算法慢

实际常见原因

• 在Python层写循环

• 忽略内建函数/C实现

• 重复创建对象

一个简单对比

# 慢total = 0for x in data:    total += x# 快total = sum(data)

核心认知

Python的性能边界，不在语言，而在你是否“站在C的肩膀上”

写在最后

Python的这些“误解点”有一个共同特征：

它们不是难，而是“太合理了”。

也正因为“太合理”，你才会在毫无警觉的情况下，把Bug带进生产环境。

如果你把Python当“高级脚本语言”，这些问题永远是坑。

如果你把它当一门有明确语义、明确代价的工程语言，它反而会非常可靠。