认识 Python 与 python -c 一行流 (Python Quickstart)

章节概述

本章面向 C 程序员介绍 Python 作为”胶水工具”的核心理念。你将看到 Python 如何消除 C 语言的”编译-链接-运行”循环，用 python -c "..." 一行流实现快速验证。我们将对比 gcc hello.c && ./a.out 与 python -c "print('hello')" 的本质区别——解释型语言的即时反馈让 Python 成为 C 程序员手中最锋利的瑞士军刀。

核心理念：Python 不是 C 的替代品，而是 C 的”外挂”。当你需要快速验证算法、操作文件、解析 JSON 或是写一个 50 行的胶水脚本时，Python 能让你在 3 秒内看到结果——这在 C 的世界里是不可想象的。

第一节：Python 的”编译-运行”模型 vs C 的编译模型

1.1 C 程序员的日常 vs Python 的日常

作为 C 程序员，你的日常工作流是这样的：

# 编辑源码
vim hello.c
 
> **跨平台提示**：
> - **Windows**：推荐 VSCode 或 PyCharm 编辑源码；vim 用户可用 WSL 或 gVim
> - **macOS**：系统自带 vim，也可用 VSCode/PyCharm
 
# 编译
gcc -Wall -Wextra -g -O0 -std=c11 -o hello hello.c
 
# 运行
./hello

这个过程至少需要：

写源文件（手写 #include，写 main 函数，处理返回值）
编译（如果编译失败，看错误信息，回到第 1 步）
运行（如果段错误，回到第 1 步加调试代码）
重复

总耗时：至少 30 秒（编辑 10s + 编译 10s + 运行 10s）

Python 的对等工作流：

python -c "print('Hello, World!')"

总耗时：3 秒（打字 2.5s + 执行 0.5s）。不需要写 main 函数，不需要指定返回类型，不需要 #include，不需要管内存——甚至不需要新建文件。

1.2 Python 在执行什么？

C 编译模型：

源码(.c) → 预处理 → 编译(.s) → 汇编(.o) → 链接 → 可执行文件 → CPU 执行机器码

Python 执行模型：

源码(.py) → 编译为字节码(.pyc) → PVM (Python 虚拟机) 解释执行

关键区别：Python 也有编译步骤，但它是自动且隐式的。解释器将源码编译为平台无关的字节码（.pyc），然后由 Python Virtual Machine 逐条解释。你从一开始就不需要关心这个过程。

# Python 字节码藏在 __pycache__ 目录中
python -c "import hashlib; print('hello')"
ls __pycache__
# hashlib.cpython-312.pyc ← 编译后的字节码

这与 Java 的 javac → java 模式相似，但 Python 隐藏了编译步骤，让你感觉像在”直接运行源代码”。

1.3 为什么 C 程序员需要 Python

场景一：快速验证算法思路

# C 方式：新建文件、写完整的 main、编译、运行
# Python 方式：
python -c "print(sum(i*i for i in range(100) if i % 3 == 0))"

场景二：文件批量处理

# 把当前目录所有 .c 文件中的 GPL 注释替换为 MIT 注释
python -c "
import os, glob
for f in glob.glob('*.c'):
 with open(f) as fp:
 content = fp.read()
 content = content.replace('GPL', 'MIT')
 with open(f, 'w') as fp:
 fp.write(content)
 print(f'Processed {f}')
"

场景三：JSON/CSV 数据清洗

python -c "
import json
data = json.load(open('input.json'))
# 过滤、计算、转换...
json.dump(data, open('output.json', 'w'), indent=2)
"

在做这些任务时，C 不是做不到——是太慢了。Python 的一行流让你把注意力放在逻辑上，而不是内存管理和头文件上。

第二节：python -c 一行流艺术

2.1 基本语法

python -c 的核心是：在命令行参数中直接写 Python 代码。

# 最简单的用法
python -c "print('hello')"
 
# 用分号分隔多条语句
python -c "x = 42; print(x * 2)"
 
# 用 \n 换行（bash 中 $'...' 语法）
python -c $'for i in range(5):\n print(i)'
 
# 更实用的方式：引号内嵌入换行（bash 按回车后继续输入）
python -c "
for i in range(3):
 print(f'Line {i}: {i**2}')
"

Bash 中双引号 " 内的 ${} 和 $() 会被展开。如果你的 Python 代码中包含这些字符，要么用单引号，要么用 \$ 转义。

2.2 常见一行流模式

# 计算数学表达式
python -c "print(3.14159 * 10 * 10)"
 
# 操作列表
python -c "arr = [i*2 for i in range(10)]; print(arr)"
 
# 操作系统命令
python -c "import os; print(os.listdir('.'))"
 
# JSON 处理
python -c "import json; print(json.dumps({'key': 'value'}, indent=2))"
 
# 字符串编码
python -c "print('你好世界'.encode('utf-8'))"
 
# Base64 编解码
python -c "import base64; print(base64.b64encode(b'hello').decode())"
 
# 查看模块路径
python -c "import sys; print('\n'.join(sys.path))"
 
# 时间戳转换
python -c "import time; print(time.strftime('%Y-%m-%d'))"
 
# 正则表达式
python -c "import re; print(re.findall(r'\d+', 'a1b22c333'))"
 
# 快速 HTTP 请求
python -c "import urllib.request; print(urllib.request.urlopen('https://httpbin.org/get').read()[:200])"

2.3 多语句 vs 单表达式

python -c 的参数是一个完整的 Python 语句块。以下写法错误：

python -c "x = 5" # 合法：赋值语句
python -c "print(x)" # 错误：x 未定义（上一行已结束）
python -c "x = 5; print(x)" # 合法：分号连接多个语句

如果你需要在多个 -c 之间保持状态，请用 shell 变量中转：

RESULT=$(python -c "print(2**100)")
python -c "print($RESULT % 7)"

第三节：python -m 模块模式

3.1 什么是 `-m` 模式

python -m module_name 的作用是：将模块当作脚本来运行。

# 查看所有已安装模块
python -c "help('modules')"
 
# 将某个模块作为脚本执行
python -m http.server 8080 # 启动一个简易 HTTP 服务器
python -m json.tool data.json # 格式化 JSON 文件
python -m pdb my_script.py # 以调试模式运行脚本
python -m pip install requests # 安装第三方包
python -m venv myenv # 创建虚拟环境
python -m timeit "'-'.join(str(n) for n in range(100))" # 性能测试

3.2 `-m` 与直接调用的区别

# 方式一：直接运行脚本文件
python /usr/lib/python3.12/pdb.py myscript.py
 
> **跨平台提示**：
> - **Windows**：Python 标准库路径通常在 `%LOCALAPPDATA%\Programs\Python\Python312\Lib\`
> - **macOS**：路径类似 `/Library/Frameworks/Python.framework/Versions/3.12/lib/python3.12/`
 
# 方式二：用 -m 运行模块
python -m pdb myscript.py

-m 的优势：

路径无关：不需要知道模块文件的具体路径
自动处理 __name__：被运行模块的 __name__ 设为 "__main__"
包内相对导入正确：模块内的 from . import xxx 在 -m 模式下正常工作

# 验证 __name__
python -c "print(__name__)"
# 输出: __main__ ← -c 模式中 __name__ 始终是 __main__
 
# 直接执行文件
echo 'print(__name__)' > test.py
python test.py
# 输出: __main__
 
# 作为模块导入
python -c "import test; print('done')"
# 输出: test ← import 时 __name__ 是模块名

3.3 Shebang 行：让 Python 脚本直接运行

#!/usr/bin/env python3
"""一个可直接执行的 Python 脚本"""
 
import sys
 
def main():
 print(f"脚本名: {sys.argv[0]}")
 print(f"参数: {sys.argv[1:]}")
 
if __name__ == "__main__":
 main()

chmod +x script.py
./script.py arg1 arg2

跨平台提示：

Windows：不需要 chmod +x，直接 python script.py arg1 arg2 运行。PowerShell 中也可在脚本首行加 #!/usr/bin/env python3（PowerShell 识别 shebang）后直接 ./script.py。

macOS：与 Linux 一致，使用 `chmod +x script.py && ./script.py


对比 C 程序的 "shebang" 等价物：

```c
// C 语言没有真正的 shebang。你必须：
// 1. 编译：gcc -o program program.c
// 2. 运行：./program arg1 arg2
//
// 而 Python 脚本可以直接：
// ./script.py arg1 arg2
// 因为内核识别 #! 行，自动调用解释器

C 的 #include 是预处理指令，Python 的 #!/usr/bin/env python3 是内核级解释器指令。两者都以 # 开头，但完全是不同的机制。

第四节：REPL 交互模式

4.1 启动 REPL

python3 # 启动交互式解释器
python3 -i script.py # 执行脚本后进入交互模式（保留所有变量）

对 C 程序员来说，REPL 是一个陌生的概念——C 语言没有交互式编程模式。Python REPL 相当于一个”随时可以执行代码的计算器”：

>>> 2 + 2
4
>>> import math
>>> math.sqrt(144)
12.0
>>> [i**3 for i in range(5)]
[0, 1, 8, 27, 64]
>>> type("hello")
<class 'str'>
>>> dir(str) # 查看 str 类型的所有方法
['__add__', '__class__', '__contains__', ...]

4.2 REPL 常用快捷操作

操作	含义
`_`	引用上一条表达式的返回值
`dir(obj)`	列出对象的所有属性和方法
`help(obj)`	显示对象的帮助文档
`Ctrl+D` / `exit()`	退出 REPL
`Ctrl+C`	中断当前执行的代码
`↑` / `↓`	浏览历史命令

>>> sum(range(1000000))
499999500000
>>> _ # _ 保存上一个结果
499999500000
>>> _ / 1000000
499999.5

4.3 REPL vs C 的”即时反馈”机制

C 语言的即时反馈需要：

echo '#include <stdio.h>
int main() {
 printf("%d\n", 2 + 2);
 return 0;
}' | gcc -x c -o /tmp/test - && /tmp/test
# 输出: 4

Python 的一行流：

python -c "print(2 + 2)"
# 输出: 4

C 编译器的 -x c 选项允许从 stdin 读取源代码，但这仍然需要完整的文件格式（包括 main 函数）。Python REPL 的一行流与之相比是本质性的简化。

RootStack

探索

01_认识Python与python_-c_一行流

认识 Python 与 python -c 一行流 (Python Quickstart)

章节概述

第一节：Python 的”编译-运行”模型 vs C 的编译模型

1.1 C 程序员的日常 vs Python 的日常

1.2 Python 在执行什么？

1.3 为什么 C 程序员需要 Python

第二节：python -c 一行流艺术

2.1 基本语法

2.2 常见一行流模式

2.3 多语句 vs 单表达式

第三节：python -m 模块模式

3.1 什么是 `-m` 模式

3.2 `-m` 与直接调用的区别

3.3 Shebang 行：让 Python 脚本直接运行

第四节：REPL 交互模式

4.1 启动 REPL

4.2 REPL 常用快捷操作

4.3 REPL vs C 的”即时反馈”机制

关系图谱

目录

反向链接

RootStack

探索

01_认识Python与python_-c_一行流

认识 Python 与 python -c 一行流 (Python Quickstart)

章节概述

第一节：Python 的”编译-运行”模型 vs C 的编译模型

1.1 C 程序员的日常 vs Python 的日常

1.2 Python 在执行什么？

1.3 为什么 C 程序员需要 Python

第二节：python -c 一行流艺术

2.1 基本语法

2.2 常见一行流模式

2.3 多语句 vs 单表达式

第三节：python -m 模块模式

3.1 什么是 -m 模式

3.2 -m 与直接调用的区别

3.3 Shebang 行：让 Python 脚本直接运行

第四节：REPL 交互模式

4.1 启动 REPL

4.2 REPL 常用快捷操作

4.3 REPL vs C 的”即时反馈”机制

关系图谱

目录

反向链接

3.1 什么是 `-m` 模式

3.2 `-m` 与直接调用的区别