想学习Python 加群：778570108 教学视频分享和在线课堂，专业讲学。
人生苦短，很高兴你选择了python，这是我比较喜欢的语言。如果你是想做python web相关的话，可以看看这个指南python web 入坑指南 - python-web-guide 0.1 文档,都是根据我的工作经(cai)验(keng)总结的。主要涉及python网站和爬虫相关的开发，还有一些工程性的东西。入行不久，经验有限，希望能给你指条路。下边列举了计算机基础、开发工具、代码规范、软件工程相关的东西，恕我没法像李笑来老师那样让你俩月速成，不过这些知识都掌握（或者大部分入个门）找个工作应该是没问题的。笔者基本就是靠自学 Python web 入职知乎的。最近又录了一门面试的课程。
看到有同学觉得我写得又臭又长（实际上缓存优化和网站安全都没涉及到），我就大致总结一下吧，因为很多东西都是我工作中慢慢记录的，所以可能多了些，新手一下子消化不完。其实我只是偷懒复制粘贴了下我之前记录的博客。简单总结来说就是：
python语法：《python核心编程》
算法和数据结构： 随便一本参考书，了解基础概念，帮你写出高效程序
http协议：做web http协议是基础，推荐个入门的《图解HTTP》
linux：《鸟哥的linux私房菜》，因为项目部署一般用linux系统，所以需要了解linux
mysql：随便一本参考书都可以。做后端项目肯定需要数据库
版本控制：git，目前最流行的版本控制工具
代码风格：pep8标准
测试：pytest，正规项目需要单元测试
开发工具：Pycharm等。
web框架：django/flask/tornado等。实际上如果可以参照flask文档教程独立写个博客就算入门了，至少基本的知识都涉及了。数据库什么的最好亲自安装，善用google、stackoverflow、github。就算去培训班估计知识点也不会超过我以上列举的这些，这些都是工作中最紧密相关的部分。我之前练习tornado写了个简单的小网站微阅读，专门阅读我感兴趣的微信号，爬虫和网站都涉及到了。学有所用就是最好的练习方式。初学者一开始不要害怕，我列举的很多也是我工作中才慢慢学到的，一开始学python的时候我sql语句都不怎么会，随着你的学习做出成果了会不断给你正反馈，入门可能会有一段困难期需要你克服（比方说编码问题、包导入问题、性能问题）。python相对其他语言入门算是容易的，而且生产力高，又能干很多事（自动化、web开发、爬虫、数据分析等等），算是性价比很高的一门语言，号称伪代码语言（易读）和黑客语言（黑客工具），随着大数据和人工智能火起来，python再次展现出活力。
上面这些列举我觉得这已经是一个合格开发者比较基础的东西了，如果这个你还觉得掌握不了，那我觉得你可能不太适合入行（这些知识至少要有入门级的水平）。说python很简单的人可能只是把它当个玩具或者业余用用，而我是要靠它吃饭的。如果你希望深入学习，下边我引用了很多书籍和参考资料。正像很多知乎技术牛人说的，语言只是个工具，你要掌握的是相关技术栈（数据、后端、运维、爬虫等），而不是仅仅会使用一些python语法糖。另外我只是个技术一般的python后端（工作一年多点的初级工程师），我不是技术牛人，我的优点在于我持续学习总结吧。我觉得编程有时候不需要特殊的天赋，但是兴趣和学习能力还是很重要的。除非你天赋异禀，不然没有捷径（要靠持续看书和针对性练习），这一行里牛人、聪明人、勤奋者太多了，你要怎么与他们协作or竞争？公司里的也不都是技术牛人，很多是靠编程手艺混个饭吃（所以要靠规范、流程、测试、codereview防止程序员捅娄子）。我发现现在python慢慢火了，很多人开始学习，但是业余选手太多，正规军比较少，而目前关于python工程实践方面的资料并不多，我记录了很多工程相关的东西只是希望国内的python学习者可以越来越专业，有越来越多有才智的人为python社区贡献力量。python web入门一年(附python web入坑指南)最后这个是我大四开始学习python找工作的经历和一些学习方法论，有兴趣的可以看看。
以下是长文，慎入，高手请无视。没毅力或没兴趣的建议还是跟着轮子哥看看美胸和大腿吧，程序员可能不适合你：
入门基础
编程语言: Python
Python入门相对容易又可以干很多事(网站,运维,数据,爬虫等），是一门方便的工具语言。2016年TIOBE排名显示Python已经名列第四，成为脚本语言之首。 国外的Youtube，Instagram，Pinterest，Reddit， Quora等知名应用一开始都是基于Python构建，国内的豆瓣，知乎，果壳，饿了么等也是Python应用的典型。这也给了国内Python开发者一阵强心剂，Python的生态环境可以支撑起重量级的 产品。这里不想挑起语言之争，php，nodejs，java，ruby等都有丰富的生态环境。不过目前来看，技术选型用Python在招聘、学习、培训、敏捷开发等方面还是一个比较折中的选择（主要在于人，而不是语言）。 python，ruby之类的语言优势在于其生产力，你能在极短时间内就搭建出原型从而赢得产品竞争。当然python也有其缺点，比如python2编码问题，性能问题，易开发，难维护，python3激进地舍去了很多语言不好的特性导致无法兼容python2等。 推荐一下几本个人认为比较好的Python书籍:
《python-guide》requests作者写的guide
《A Byte of Python》一百多页的小书，可以快速熟悉Python语言。
《Python核心编程》比较全面的Python书籍，介绍了Python语言的方方面面。
《Fluent Python》Python进阶，涉及了很多Python高级主题。
《Python3 Cookbook》Python进阶读物。
《Python高级编程》小明明的python高级编程
当然还有Python的官方文档作为参考，不过有些文档有些地方比较晦涩，还是推荐书籍入门。网上目前也可以搜到很多免费的电子书。 如果有时间可以看看国内廖学峰写的Python教程。
算法与数据结构
编写良好的代码需要了解常用的算法和数据结构，虽然你可能很少会自己实现，但是对于Python语言中一些常用数据结构如list, tuple, set, frozenset, dict和collections模块中的OrderedDict, defaultdict, deque, namedtuple, Counter等应该知道什么时候用。最主要的还是了解算法中递归，二分等常用思想，写出高效易用的代码。如果你想在线练习，可以做一些Acm基础题或者去leetcode等网站刷题。 推荐书籍:
《算法导论》你可以挑选感兴趣的章节啃一啃，也可以去网易公开课看下视频教程。如果不是计算机专业的可以看下《计算机科学导论》这门公开课，正好也是以Python语言讲解的。
计算机网络
对于应用开发者来说大部分时间可能不太会接触特别底层的问题，但是了解网络的运行原理还是必要的。网上有个面试题从输入URL 到页面加载完成的过程中都发生了什么事情？如果对其中大部分的概念都了解就算是入门了。网络相关书籍可以随便找一本看看。Http协议对于web开发者来说比较重要，需要深入了解。推荐书籍:
《图解Http》一本小白入门Http协议的好书，有大量图片示例。
《Http权威指南》Http协议最权威的讲解，大部头著作，可以看看最基础的部分。
Linux系统
大部分Python应用都是跑在Linux服务器上的，大部分开源软件使用的也是linux系统，即使日常工作不使用linux，一些基本的linux命令也要了解。 比如常用的文件操作，目录操作，进程操作等。你可以使用类unix系统mac或者linux版本ubuntu作为学习环境。 推荐：
《CONQUERING THE COMMAND LINE》掌握这上面的命令基本就可以满足日常需求了。
《鸟哥的Linux私房菜.基础学习篇》浅显易懂，入门Linux命令的好书。
数据库
现在用得比较多的有三种类型的数据库，关系型数据库（mysql等），文档型数据库（mongodb等），和内存型数据库（redis等）。三种数据库各有优势和特色，后端程序员需要了解下不同类型数据库的使用方法和应用场景，灵活应用到后端代码中。关于各种数据库网上已经有不少资料，读者可以自行搜索学习。
版本控制
目前最流行的应该就是git了。版本控制工具是多人协作必不可少的工具，入门的程序员需要掌握基本的git命令，可以把github作为个人练习的工具。
专业性
公司做项目不是自己过家家，需要你具备写文档，注释，单元测试的能力。如果你现在还不了解一个正规python项目都有哪些组件构成，请去github克隆一份知名的代码仓库，花点时间仔细分析下它的项目结构和源代码。github上很多优秀资源你可以自己去探索。
软技能
程序员和计算机打交道比较多，我在大学的时候就喜欢一个人闷头啃书。但是工作了你会和很多人交流协作，你的同事（前端、测试、运维、产品经理、客户等）、上司甚至老板，你要学会如何有效沟通和表达，抛弃一些学生思维，从一个学生转到职场人士，这其实是一次很好的锻炼。笔者刚入职场的时候就不太会表达协作，而且情绪易激动，甚至一意孤行导致项目延误过，这些亏我都是吃过的。希望后来人吸取教训，代码之外还有很多需要学习的。
后端技术栈
对于技能需求可以在拉勾上搜一下Python的职位，看看各个公司对Python的要求。或者你可以写个拉勾网的爬虫，对数据做一个简单的统计，笔者当初找工作就是这么干的。 另外，真正做项目还需要你熟悉python的各种库和框架，比如django/flask/tornado/requests/sqlalchemy/unittest/pytest/celery等等，掌握了合适的工具才能快速上手做东西，公司恨不得你第一天入职第二天就能写项目。 所以，在你入了门以后请尽快熟悉python web的技术栈。公司不管你会什么算法，只在乎你的生产力。 推荐一些文章供参考:
代码风格
不一致的开发风格会给协作开发带来困难，同时也妨碍代码阅读，读代码的时间是多于写代码的，所以有必要统一编码规范。推荐使用pep8或者其子集作为代码规范，使用vim插件python-mode开启pep8和pylint对代码就行检测。如果使用其他编辑器或者IDE工具最好也使用相关插件使代码符合规范。工程上的代码应该尽可能保持清晰易懂，推荐看看requests等优秀的开源库学习下。强烈建议新手看看以下参考写出格式规范的代码，强烈建议打开pep8和pylint，pylint可以帮助你干掉很多低级错误。建议使用py的公司都指定好自己的代码规范并且严格遵守，同时做好code review，防止造成以后的维护噩梦。
《PEP 8 – Style Guide for Python Code》
《Google开源项目风格指南-Python风格指南》google风格的docstring比较赞
《编写优雅代码》新浪微博的培训课程，可以学习一下
《烂代码的那些事》Axb的自我修养，大神的文章
一个简洁的代码规范：
格式请遵守pep8,务必开启编辑器的pylint和pep8检测。vim请试试python-mode插件。
模块、类和函数请使用docstring格式注释，除显而易见的代码，每个函数应该简洁地说明函数作用，函数参数说明和类型，返回值和类型。对于复杂的传入参数和返回值最好把示例附上。如有引用，可以把jira，github，stackoverflow，需求文档地址附上。 良好的文档和注释很考验人的判断（何时注释）和表达能力（注释什么）。
动态语言的变量命名尽量可以从名称就知道其类型，比如url_list, info_dict_list，降低阅读和理解的难度。(我的感觉就是动态语言易编写，写不好后期更难维护)。比如经常用date命名，有时它是个datetime.date对象，有时候是个字符串，还有人喜欢用info结尾，有时候是个dict，时候是个string，看得我晕头转向，总不能所有地方都用instance判断吧，怪不得python3加上了type hint。没有注释和文档看得我想骂人。命名在动态语言里头十分考究，希望你可以注意。
风格上衡量不了请参考知名开源项目的做法。以可读性和维护性作为标准。
编程范式
Python支持多重编程范式，过程式(Procedural)，面向对象(OOP)，简单函数式(Functional)编程。不同人，不同语言转过来的人，Python老鸟和菜鸟等写出来的代码风格迥异。笔者之前的同事有对OOP挖掘较深的，一般习惯写OOP风格的，但现在的项目却很少用类，之前的代码都是用一个个函数来实现各种功能。对个人风格喜好不予评判，但是个人感觉还是需要深挖一些Python的特性，虽然Python容易入门，但是有些语言特性还是需要一段时间才能了解深入的。使用各种风格的时候要酌情判断，比如一个过程需要维护大量的中间状态时，单纯的使用函数会写得很冗长，这时候可以用类和子函数的形式简化它。当你无法判断哪种方式比较好的时候，请在解释器里边 import this看看。当可以实现一样的功能时，往往简单易懂的方式就是最好的。一些参考:
《requests》requests库是接口设计的典范，可以参考参考。
《Python3 面向对象编程》关于Python面向对象和一些设计模式。
《OOP vs Functional Programming vs Procedural》
何谓Pythonic?
Python的世界里你会听到这个词”Pythonic”，大概就是指代码符合Python的惯用法，使用的都是Python的语法糖。比如从其他语言转到Python 的写出来的代码很可能受到以前思维方式的影响，写出来的代码不够Pythonic: 比如:
# 不够Pythonic
if a < b and a > c:
pass
# python里却可以这么写
if c < a < b:
pass
# bad
i = 0
while i < mylist_length:
do_something(mylist[i])
i += 1
# good
for element in mylist:
do_something(element)
# bad, 不要使用默认可变对象作为默认参数
def f(a, b=[])
pass
# good
def f(a, b=None):
if b is None:
b = []
Python有一些语法上的坑，比如默认参数只计算一次，不要使用可变类型作为默认参数等，看多了写多了就知道了。尤其是可变类型作为函数参数传入后被改变的情况（函数尽量不要有副作用），尤其要注意。 一些参考帮助写出Pythonic的代码:
《Pythonic到底是什么玩意儿？》赖勇浩的博客
《python-guide Code Style》python-guide关于代码风格的介绍
《Learning the Pythonic Way》一个cmu的课件
《Writing Idiomatic Python3》一本免费小书
《编写高质量代码：改善Python程序的91个建议》给国人的书捧捧场^_^，类似《Effective python》
《好好写代码》豆瓣工程师董伟明的文章
敏捷与TDD
笔者非计算机科班出身，对于软件工程的东西也不是很懂，最近扫了一本《敏捷软件开发-原则、模式与实践》，感觉有些东西还是挺有启发的。在这里稍微提一下敏捷中的TDD(Test-driven development)吧。因为Python是动态类型语言，不像静态语言可以编译期检查，很多问题运行时暴露出来，而且动态语言语法灵活也容易刨坑。用TDD是可以提升代码质量的，虽然有时候完全用TDD可能有些死板，但是TDD的一些思想还是很值得借鉴：
测试最重要的是对架构和设计的影响，不是为了测试而测试。一般难以测试的代码往往是设计不好，耦合严重的代码。没有测试的代码同时也给重构带来压力和隐患。
编码的时候想着如何测试它，甚至都可以改善设计。对于动态语言，一直有『动态语言一时爽，代码重构火葬场』这种说法，说明动态语言如果没有良好的设计和测试，以后是会埋下不少隐患的。 当你发现debug的时间甚至比写代码长很多的时候，当你发现总是返工对代码修修补补的时候，或者可尝试下TDD。 你可以学习使用下python的unittest或者pytest等进行单元测试，以保证代码质量。个人工作经验也表明，难以测试的代码往往是设计不太好的代码。 update: 经验表明，TDD未必是必要的，但是单元测试是很必要的。如果是新项目建议为所有的复杂函数写单元测试，为项目质量保证。 下边是一些参考书籍:
《pytest: helps you write better programs》
《软件调试修炼之道》了解下调试和跟踪技术
《代码大全 (豆瓣)》板砖书，从小白快速迈入职业程序员
A simple example of Python OOP development (with TDD) - Part 1
开发工具（很多只列举个名字，具体使用请自行google）开发和编程工具 - python-web-guide 0.1 文档
Pycharm。专业的python ide，功能很强大，特别喜欢它的代码merge工具，不想被编辑器折腾死的推荐直接使用。
vim。本人比较喜欢，配上各种插件编辑效率很高。Vim Awesome可以到这个上面安装排名靠前的那些插件，能够大大提高编辑效率，替代IDE。其他编辑器sublime，atom，vscode，emacs等不熟，根据个人喜好来吧。(在google搜索python awesome等可以在github上搜索到一些awesome项目，总结了该语言很多技术工具)。炫酷的效果图：http://7ktuty.com1.z0.glb.clouddn.com/vim_tmux_tdd.gif
tmux。比screen好用，可以用来分屏等，ubuntu下基本就不用使用terminator之类的分屏工具了
zsh。替代原生的bash shell，提供了好多方便的特性。linux/mac下vim+tmux+zsh简直是绝配，甚至可以直接在服务器上方便地撸代码。
item2(mac)。替代原生的终端。
brew(mac)。类似ubuntu下的apt-get，可以方便安转各种软件和工具。
autojump。方便在命令行里来回跳转。
日志收集工具
Sentry.
Fluentd
管理及运维工具
Supervisor.进程管理
Fabric.应用部署
docker.最近比较火的容器技术
SaltStack和Ansible. 配置管理
StatsDGraphite等web监控
调试工具
curl
http
postman
一些常见原则
对于什么是好代码，什么是坏代码我现在还没有太多经验，但是最近工作接手别人的代码感觉困难重重，还是too naive啊。每个人实力不同，风格不同，一起协作的时候确实会遇到很多问题和分歧。感觉code review啥的还是很有必要的，可以让菜鸟学习下老鸟的经验，也可以让老鸟指导下菜鸟的失误，同时避免过于个人化的糟糕风格（比如让人想立马离职的高达成百上千行的复杂函数，比如上来一堆不知道干啥的幻数，比如上来就 form shit import * 导致俺的编辑工具找不到定义，比如整个项目没有一行测试代码，比如不知道用logger，全用print+眼珠子瞅，一个bug找半天，比如没有pep8检测导致你的环境打开别人的代码彪了一堆警告......)。说好的规范呢，说好的设计模式呢，说好的高内聚低耦合呢？说好的KISS原则呢？说好的DYR原则呢？其实俺只是想多活几年，至少不要到三十岁头发掉光。啥设计模式的可以不用，能干活的代码就行，牢记几个原则，没事的时候对复杂的东西重构下，代码不能自解释的搞搞文档，不被队友坑同时不坑队友，俺就心满意足了。最后还是列举一下常用原则、思想和注意事项吧(最好import this看看python之禅，很多思想是通用的):
KISS原则，Keep It Simple, Stupid。能简单的绝对不要复杂，不要炫耀代码技巧，简单可读最重要，后人会感谢你的。
DRY原则。就算咱不懂设计模式，只要代码复杂重复了就及时抽取出来，至少不会碰到大问题。
YAGNI(You Aren’t Gonna Need It)，不要猜测性编码。
快速失败，灵活使用断言。契约式编程(先验条件和后置条件)
及时清理技术债务，防止『破窗』。
一次只做一件事。尽量避免复杂度过高的逻辑，尽量做到代码简单，意图明确。
高内聚，低耦合。意义相近的东西应该放到同一个地方。写代码的时候想着怎么测试它就能避免过度复杂，耦合严重的代码。
代码应当易于理解。 《代码大全》、《编写可读代码的艺术》、《代码整洁之道》啥的都是告诉你代码最好自解释，好理解。记住代码首先是给人看的，其次才是让机器执行的，不要过度设计。
不要过早优化，最小可用原则。先测量，后优化。根据二八定律，大部分性能瓶颈只在20%的部分，这些才是真正需要优化的地方。
不要炫技，可读性最重要。合适的地方使用合适的技巧，不要过度炫耀语法糖导致维护和理解困难。
Think about future, design with flexibility, but only implement for production. 尽量设计良好，避免繁杂和冗余。好的架构和设计都是不断演进的。
文档化。哪些东西该文档化，哪些该注释需要做好，以便新手可以尽快上手。尽量做到代码即文档，tornado的文档和代码就是典范。
不要直接吞掉任何错误和异常，一定要做好记录。血泪教训，使用Sentry或其他工具记录好异常发生的信息，为定位bug提供便利，web端的bug一般不好复现。
......还有的大家可以自己补充
还有OOP那一套:
开闭原则(Open-Closed Principle)
依赖倒置原则(Dependence Inversion Principle)
接口隔离原则(Interface Segregation Principle)
里氏代换原则(Liskov Substitution Principle)
迪米特原则(Law of Demeter)
合成复用原则(Composite/Aggregate Reuse Principle)
单一职责原则(Single-Responsibility Principle)
python代码坏味道(新手经常犯的错误)
不pythonic，写得很业余，真就信了半天学会python
上来就整一个不知道啥意思的magic number，大学老师没教你不要滥用幻数？
上来就from shit import *
复杂函数没有docstring，传入了一个嵌套字典都不注释，娘来
变量名乱起，看不出类型，加重理解负担。我在想是不是动态语言用匈牙利命名法要好一些
不遵守pep8，没有pylint检测，打开代码一堆语法警告，老子的编辑器满眼都是warnning，编辑器用不好就老老实实用pycharm，用编辑器就老老实实装好语法检测和pylint检测插件，没有插件请考虑换一个editor
没有单元测试，不知道怎么写测试（print大法好？）
超长函数，没有复用和拆分，我智商低，不能理解好几屏都翻不完的，见谅。这么长居然还tm能工作，牛逼
到处print，debug的时候加上，上线再删除（累不累亲？），logging模块很受冷落
上来就try/except了，把异常都捕获了，吞掉异常导致排错困难
没注意可变类型和非可变类型，传入可变类型并在函数里修改了参数，坑。。。
没有逻辑分块，没有美感（这个就算了），就算不限制一行超过80列，也不能写一行写几百列吧，左右转头脑瓜子疼
嗯，一开始就开启pep8和pylint检测能显著提升代码质量（各种错误警告逼着你写出高质量代码）。咱写不了诗一样的代码，也不能写shǐ 一样的代码。 可能很多东西对老鸟来说都是显而易见的，不过菜鸟和高级菜鸟们还是需要多多练习积累经验。慢慢摸索吧骚年。。。。。。
小白的踩坑记录
文档化
很多程序员是懒得写文档的，仿佛牛逼的程序员不需要写。但是看人家真正牛逼的开源项目比如flask和tornado等，无论是代码还是文档都做得相当棒。对于一些项目，有些东西如部署步骤；常用命令等还是可以记录下来的，可以使用wiki或者readthedoc，gitbooks等文档工具记录一下，方便新人上手。如果不知道记录啥，就把你发现不止一次会用到的东西文档化。个人认为需求文档也应该有历史记录，方便接手的人可以快速了解业务和需求变更。数据库字段的含义也应该及时记录和更新。
注释
有经验的人都知道看别人的代码是一件很痛苦的事情，尤其是没有任何注释的代码。代码除了完成需求外，最重要的就是维护和协作，除非你觉得你做的项目活不过仨月(或你自己玩玩的项目随便你怎么艹)，否则就一定要重视代码质量，防止代码腐化(破窗)以至难以协作和维护。有时候比写注释更难的是知道何时写，写什么注释？python里有规范的docstring用来给类和函数进行注释，除了说明功能外，关于github,stackoverflow链接、复杂的传入传出参数（比如嵌套字典作为参数这种你都不注释就很不合适了)，类型说明、需求文档和bug的jira地址等都可以注释。凡是你回头看代码一眼看不出来干啥的，都应该有适当的注释，方便自己也方便别人。当然，最重要的是代码清晰易读，好的命名和编写风格的代码往往是自解释的，看代码大致就可以看出功能。建议就是给所有的模块、类和函数都加上注释，除非一眼能看出来这个东西干啥，否则都应该简洁注释下，让别人不用一行行看你的代码就大概知道你这个东西是干啥的。最后注意的就是一旦函数更改及时更新注释。qiniu的sdk写得就不错，可以去github看看。总之，”Explicit is better than implicit.”, 代码里不要有隐晦的东西，一时偷懒将来可能会付出几倍的维护代价，请对将来的自己和他人负责。
Code Review
笔者认为code review是一件非常重要的事情，可以有效防止代码腐化，同时方便同事了解业务。可以在公司搭建Phabricator（facebook在用）类似工具进行代码review。
日志与异常记录
一定要有良好的日志记录习惯。良好的日志对于记录问题至关重要。python有方便的日志模块帮助我们记录，日志输出的代价是比较小的，python的日志模块尽量做到对函数功能没有性能影响，可以在线上和开发环境设置不同的log等级，方便开发调试。注意别再日志语句里引入了bug或异常。 对于异常，一定『不要吞掉任何异常』，常有新手上来就try/except，也不区分非退出异常，也没有日志记录(坑啊......)。请先阅读python文档的异常机制，可以使用Sentry等工具记录异常。同时发生异常时候的时间，调用点，栈调用信息，locals()变量等要注意记录，给排查错误带来便利。有些错误的复现是比较困难的，这时候日志和异常的作用就凸显出来了。
调试
调试也是个很重要的问题，不可能保证代码没bug，要命的是有时候写代码完成功能的时间还没调试的时间多。注意复现是排错的第一步，之后通过各种方式确定原因（访问日志、邮件报的异常记录）等，通过走查代码、断点调试（二分法等）确定错误位置，确定好错误原因了就好改了。修复后最好反思下问题的原因、类型等，哪些地方可以改进，争取下次不犯一样的错。
