大多数人放弃 Python 并不是因为它难。
他们退出是因为这样做不再有利可图了 。
你写剧本，它们奏效了，你就感觉自己很有成就感。
然后有一天，你尝试将一些稍微大一点的项目自动化——结果一切都崩溃了。
你发现你的代码很脆弱，运行速度慢不说，还经常悄无声息地崩溃。因此你失去了让它一直运行下去的信心。
我在构建自动化项目时反复看到这种模式——而且它几乎总是可以追溯到同样的被忽略的基本原理。
这些概念是初学者在技术上会学习，但永远不会真正理解和内化——直到为时已晚。
以下是初学者容易忽略的6个 Python 概念，它们对于自动化的重要性，以及如何在实际代码中使用它们。
1. 一个函数里面做很多事
大多数初学者编写的函数都是这样的：
def process_data():
data = open("data.txt").read()
cleaned = data.lower().strip()
print(cleaned)
代码没有问题，可以正常实现想要的功能。
但是这种想要在一个函数里面做完所有事都做法，不仅无法可靠地进行重用、测试或自动化，而且还违背了函数的单一职责原则。
2. 返回值优先于打印语句
打印让人感觉很有效率。
但这同时也是一条死路。
def calculate_total(prices):
total = sum(prices)
print(total)
这样的函数无法用于自动化。
你不能重复使用它。
也就意味着你不能把它传给别人。
3. 文件和资源安全的上下文管理器（with）
初学者是这样打开文件的：
file = open("log.txt")
data = file.read()
file.close()
自动化会惩罚这种错误。
一次崩溃就会导致资源泄漏。
4. 异常是控制流，而非紧急情况
初学者害怕 try/except 。
而自动化却依赖于它。
糟糕的自动化：
data = int(user_input)
一个错误的值会导致整个系统崩溃。
5. 使用路径，而不是字符串
这个错误会悄无声息地破坏不同机器上的脚本。
path = "data/files/report.txt"
一开始有效……直到它失效悔之晚矣。
6. 将列表推导式用作数据管道
初学者写循环的方式如下：
cleaned = []
for item in items:
if item > 10:
cleaned.append(item * 2)
这种方法有效——但它掩盖了真实意图。
大多数初学者不会因为 Python 难学，而止步不前。
他们之所以停滞不前，是因为他们跳过了枯燥乏味的部分——那些默默无闻地使自动化成为可能的部分。
最后想说：
你不需要更多的框架。
你也不需要另一个教程。
你需要的是减少差距。
解决这六个问题，Python 就不会再显得脆弱，而是会变得强大。
