第一节 Python简史

1. 引言

一切都始于1989年的那个圣诞节，Python的诞生并不算恰逢其时，它崛起充满了机遇巧合，也有其必然性。三十年间，Python技术不断更迭，生态逐渐完善，加上互联网、大数据、以及人工智能这一波波浪潮的推波助澜，Python渐渐从小众最终站上了现在的高度。

从历史发展的角度出发，我们才能看清Python崛起的偶然性和必然性。本文将结合技术和产业的发展，全面透析Python的演进之路，帮助读者理解是什么造就了如今的Python。

2. 创始人

吉多

Python的创始人为吉多·范罗苏姆（Guido van Rossum），人称龟叔。

1989年，为了打发圣诞节假期，Guido开始写Python语言的编译器。Python这个名字，来自Guido所挚爱的电视剧Monty Python’s Flying Circus。他希望这个新的叫做Python的语言，能符合他的理想：创造一种C和shell之间，功能全面，易学易用，可拓展的语言。

3. Python流行度

现在，全世界差不多有600多种编程语言，但流行的编程语言也就那么20来种。如果你听说过TIOBE排行榜，你就能知道编程语言的大致流行程度。这是最近20年最常用的10种编程语言的变化图：

编程语言流行程度

4. Python发展史

4.1 Python 1.0时代：起源与诞生

Guido van Rossum（下面简称Guido）是Python语言之父，他于1982年从阿姆斯特丹大学获得了数学和计算机硕士双学位，期间他接触了很多的语言，包括Pascal，C，Fortran等。

在那个计算机资源贫乏的年代，像计算机一样思考并编程是每个程序员必须面对的事情，这让他非常苦恼；同时他又非常欣赏shell，shell简单易编程的特性让程序员更加专注于设计和逻辑本身，但shell本质上是一个功能的调用，它没有自己的数据类型，更无法全面调用计算机功能，因此shell也不算是一门“语言”。

因此，他希望找到一种语言既可以像使用shell一样简单，又可以和C语言的功能相媲美。不过这种语言在那个年代并不存在。

1989年的圣诞节，Guido开始编写Python语言的编译器。Python这个名字来源于他喜欢的电视剧Monty Python’s Flying Circus，而不是表面意义上的“蟒蛇”。他希望这个新的语言，能符合他的理想：介于C和shell之间，功能全面、易学、易用又可拓展。

1991年，第一个Python编译器诞生，这标志着Python的第一个版本正式诞生。它基于C语言，并具备了基础的类、函数、异常处理等功能特性，同时具备可扩展性。Python语法很多来自C，但又受到ABC语言的强烈影响。例如来源于ABC语言强制缩进的规定本身可以让Python容易读，但如果缩进出错却会影响编译和执行。Python本身不以性能为重，但当确实需要考虑性能时，Python程序员却可以深入底层来编写C程序，并编译为.so文件引入到Python中使用。

Python语言的魅力在于让程序员可以花更多的时间用于思考程序的逻辑，而不是具体的实现细节，这一特性也得到Guido同事的欢迎。他们在反馈使用意见的同时也参与到Python的改进中来，因此最初Guido和一些同事构成了Python的核心团队，当然，核心决策者还是Guido本人。随后，Python的使用拓展到研究所之外，并吸引了越来越多的程序员。

但是，最初Python的使用非常小众，因为在那个计算机资源非常有限的年代，大家都倾向于最大化榨取计算机资源并提升运算效率，而Python显然不是为此而生。

4.2 Python 2.0时代：崛起

最初发布时，Python在设计层面存在一些缺陷，例如以满足跨语言、跨平台进行文本转换、处理的要求的Unicode字符编码标准在1994年才正式公布，所以一直以来Python 2及之前的版本对Unicode的支持并不完全。相信大家在使用Python 2版本处理中文时都遇到过各种问题。

2000年发布的Python 2.0标志着Python的框架基本确定。重要框架方向包括：

• 简单明确：在设计Python语言时，开发者倾向于选择没有或者很少有歧义的语法。由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。
• 面向对象：任何Python的元素都可以视为对象，包括数据类型、类、函数、实例化元素等，完全支持继承、重载关系，这有益于增强代码的复用性。
• 动态类型：任何对象的数据类型都无需提前定义，拿来即用。即使在之前已经预先定义，后期也可随时修改。
• 胶水特性：Python本身被设计为可扩充的，并非所有的特性和功能都集成到语言核心。Python提供了丰富的API和工具，以便程序员能够轻松地使用C、C++、Cython来编写扩充模块。例如在Google对于Google Engine使用C++编写性能要求极高的部分，然后用Python或Java/Go调用相应的模块。
• 可嵌入：你可以把Python的功能嵌入到C/C++程序中，从而将Python的功能应用于其他语言中。
• 生态系统：Python有强大的标准库，同时支持第三方库和包的扩展应用，甚至可以自定义任何库和包。PyPI（https://pypi.org/）是其第三方库的仓库，在这里你几乎可以找到任何领域内的扩展库。
• 解释器机制：Python支持多种解释器，例如CPython（官方版本，基于C语言开发，也是使用最广的Python解释器）、IPython（基于CPython之上的一个交互式解释器）、PyPy（一个追求执行速度的Python解释器，采用JIT技术对Python代码进行动态编译）、Jython（运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行）、IronPython（和Jython类似，只不过运行在微软.Net平台上）。

1965年，戈登·摩尔提出了着名的摩尔定律，其内容为：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。在随后超过半个世纪的时间里，个人计算机的发展日新月异，已经由资源不足向资源过剩转变。这客观上为Python的应用提供了基础条件——只有在资源过剩的条件下，程序员才不会过度关注榨取性能。

随着Python自身功能的完善以及生态系统的扩展，Python在Web开发、网络爬虫、数据分析与数据挖掘、人工智能等应用方面逐渐崭露头角。

4.3 后Python2与Python3时代

2008年12月，Python 3发布。Python 3相对于Python 2的早期版本（主要是Python2.6之前）是一个较大的升级，它在设计的时候没有考虑向下兼容，所以很多早期版本的Python程序无法在Python 3上运行。为了照顾早期的版本，推出过渡版本2.6——基本使用了Python 2.x的语法和库，同时考虑了向Python 3.0的迁移，允许使用部分Python 3.0的语法与函数。同时，Python还提供了Python 2到Python 3的Python文件转换功能，以帮助开发者升级。

2010年7月发布了Python 2.x系列的最后一个版本，主版本号为2.7。大量Python 3的特性被反向迁移到了Python 2.7，2.7版本比2.6版本进步非常多，同时拥有大量Python 3中的特性和库，并且照顾了原有的Python开发人群。Python2.7也是当前绝大多数Linux操作系统最新版本的默认Python版本。

从2008年开始，Python 2与Python 3是并存发展的。但在2018年3月，Guido在邮件列表上宣布Python 2.7将于2020年1月1日终止支持，这意味着之后Python 2将不再被统一维护，与之对应的是主流第三方库也不会再提供针对Python 2版本的开发支持。Python 2的时代即将过去。

这一时期，Python继续以其独特魅力吸引更多的开发者加入，但真正让Python大放异彩的却是AI（人工智能）的爆发。

5. 主要应用领域

Python 的应用领域非常广泛，几乎所有大中型互联网企业都在使用 Python 完成各种各样的任务，例如国外的 Google、Youtube、Dropbox，国内的百度、新浪、搜狐、腾讯、阿里、网易、淘宝、知乎、豆瓣、汽车之家、美团等等。

概括起来，Python 的应用领域主要有如下几个：

• WEB开发：Python拥有很多免费数据函数库、免费web网页模板系统、以及与web服务器进行交互的库，可以实现web开发，搭建web框架，目前比较有名气的Python web框架为Django。从事该领域应从数据、组件、安全等多领域进行学习，从底层了解其工作原理并可驾驭任何业内主流的Web框架。
• 桌面软件：Python在图形界面开发上很强大，可以用tkinter/PyQT框架开发各种桌面软件。
• 网络编程：网络编程是Python学习的另一方向，网络编程在生活和开发中无处不在，哪里有通讯就有网络，它可以称为是一切开发的“基石”。对于所有编程开发人员必须要知其然并知其所以然，所以网络部分将从协议、封包、解包等底层进行深入剖析。
• 爬虫开发：在爬虫领域，Python几乎是霸主地位，将网络一切数据作为资源，通过自动化程序进行有针对性的数据采集以及处理。从事该领域应学习爬虫策略、高性能异步IO、分布式爬虫等，并针对Scrapy框架源码进行深入剖析，从而理解其原理并实现自定义爬虫框架。
• 云计算开发：Python是从事云计算工作需要掌握的一门编程语言，目前很火的云计算框架OpenStack就是由Python开发的，如果想要深入学习并进行二次开发，就需要具备Python的技能。
• 人工智能：MASA和Google早期大量使用Python，为Python积累了丰富的科学运算库，当AI时代来临后，Python从众多编程语言中脱颖而出，各种人工智能算法都基于Python编写，尤其PyTorch之后，Python作为AI时代头牌语言的位置基本确定。
• 自动化运维：Python是一门综合性的语言，能满足绝大部分自动化运维需求，前端和后端都可以做，从事该领域，应从设计层面、框架选择、灵活性、扩展性、故障处理、以及如何优化等层面进行学习。
• 金融分析：金融分析包含金融知识和Python相关模块的学习，学习内容囊括Numpy\Pandas\Scipy数据分析模块等，以及常见金融分析策略如“双均线”、“周规则交易”、“羊驼策略”、“Dual Thrust 交易策略”等。
• 科学运算：Python是一门很适合做科学计算的编程语言，97年开始，NASA就大量使用Python进行各种复杂的科学运算，随着NumPy、SciPy、Matplotlib、Enthought librarys等众多程序库的开发，使得Python越来越适合做科学计算、绘制高质量的2D和3D图像。
• 游戏开发：在网络游戏开发中，Python也有很多应用，相比于Lua or C++，Python比Lua有更高阶的抽象能力，可以用更少的代码描述游戏业务逻辑，Python非常适合编写1万行以上的项目，而且能够很好的把网游项目的规模控制在10万行代码以内。

根据Python的应用场景，衍生就业方向概括起来有如下几个：

• Linux运维
• Python Web网站工程师
• Python自动化测试
• 数据分析
• 人工智能

6. Python的未来发展

在Python发展过程中，Guido一直是核心人物，甚至被称为“终身仁慈独裁者”，但在2018年经历了退出管理层风波之后，他又在2019年以五大指导委员之一的身份重回决策层。这为Python迎来了新的治理方案：指导委员会模式。这种模式意味着Python的未来将从Guido一人决定变为5人决定，虽然比很多开源语言仍然有民主化空间（例如PHP的改进由社区投票决定），但也算是一种从专制到民主的进步。

有关Python的每个提升计划，都是在PEP（Python Enhancement Proposal）列表中——每个版本新特性和变化都通过PEP提案经过社区决策层讨论、投票决议，最终才有我们看到的功能。

目前，Python的最新稳定的主版本是3.7，Python 3.8也已经有了预览版，大概在2023年左右Python 4便会问世。在之后的时间里，Python会如何发展？我们可以从Python软件基金会的董事会成员、CPython的核心开发人员Nick Coghlan的信息中略知一二：

首先，Python的PEP流程和制度没有任何变化，通过增加新模块和功能来增强的基础能力。随着Python 2在2020年不再维护，社区在Python 3的资源和投入会相应增加。

其次，不同解释器的实现和功能扩展还将继续增强，方向包括PyPy关于JIT编译器生成和软件事务内存的尝试，以及科学和数据分析社区，对面向数组编程的探索等。

再次，嵌入式应用的增强，核心是与其他虚拟机运行时（如JVM和CLR）的集成和改进，尤其是在教育领域取得的进展，可能会让Python作为更受欢迎的嵌入式脚本语言，在更大的应用程序中运行。

最后，对于为了兼容和维持Python 2的部分功能而存在于Python 3中的原有代码，在后续版本中应该会逐步优化甚至去掉。而对于其他更改，则会根据情况弃用、提出警告、逐步替代以及保留。

预知新作如何，请看下节分解。