python中history函数_Python history

Python 的发展史，其实挺有意思的。这事儿得从 1989 年说起，那一年，Guido van Rossum 为了打发圣诞节假期，开始动手写一个编程语言的编译器。他给这个新语言取名叫 Python，灵感来自他当时特别喜欢的一部英剧《Monty Python's Flying Circus》。

Guido 的初衷很明确：他想创造一门语言，既能像 C 语言那样强大，又能像 shell 脚本那样简单易用。说白了，就是希望有一门功能全面、易学易用、还能轻松扩展的语言，刚好填补 C 和 shell 之间的空白。

到了 1991 年，第一个 Python 编译器正式诞生。它用 C 语言实现，能够调用 C 语言的库文件，而且从一出生就具备了类、函数、异常处理、包含表和词典在内的核心数据类型，以及以模块为基础的扩展系统。可以说，初代 Python 的骨架已经相当完整了。

1999 年，Python 迎来了一个里程碑式的作品——Zope 1。作为 Python 领域最早的 Web 框架，Zope 的诞生让 Python 正式进入了 Web 开发领域。同年，目前最流行的 Python Web 框架 Django 也诞生了，这为后来 Python 在 Web 领域的爆发埋下了伏笔。

那么，Python 到底是怎么一步步走到今天的？

版本演进

1994 年 1 月，Python 1.0 发布，带来了 lambda、map、filter 和 reduce 这些我们现在习以为常的功能。2000 年 10 月，Python 2.0 发布，引入了内存回收机制，这算是奠定了现代 Python 语言框架的基础。

2008 年是个分水岭。Python 3.0 在 12 月发布，但与此同时，Python 2.x 系列还在继续更新——2.6 在 2008 年 10 月发布，2.7 在 2010 年 7 月发布。2014 年 11 月，官方正式宣布 Python 2.7 的支持将延续到 2020 年，并明确表示不会再有 2.8 版本，用户被期望尽快迁移到 Python 3.4 及以上版本。这个决定在当时的社区里引起了不小的震动，但回过头看，这确实是推动 Python 生态向前迈出的关键一步。

此后的版本更新节奏越来越快：3.4（2014年3月）、3.5（2015年9月）、3.6（2016年12月）……Python 进入了快速迭代期。

Python 的环境与语言特性

聊完历史，再来说说 Python 本身的一些特性。要理解 Python，首先得知道它是一门什么样的语言。

编程语言从执行方式上，大致可以分为三类：

编译型语言，比如 C、C++、Go、Swift，它们是一次性把整个程序编译成二进制文件。优点是执行速度快，但缺点也很明显——开发效率低，而且不能跨平台。

解释型语言，比如 Python、PHP、Ruby、Perl、Erlang，它们是程序运行时一行一行地解释执行。优点是开发效率高，能轻松跨平台，但缺点就是运行速度相对慢一些。

还有一类混合型语言，比如 Ja va 和 C#，它们介于两者之间，既编译成中间字节码，又在运行时解释执行。

Python 本身是一门动态解释性的强类型定义语言。这个定义其实挺关键的：动态意味着变量类型在运行时确定，解释性意味着代码逐行执行，强类型则意味着类型检查严格，不会在运行时自动做隐式类型转换。

Python 解释器有哪些种类

这里必须澄清一个常见的误解：Python 不是只有一个解释器。实际上，Python 的解释器有好几种，各自有不同的侧重点。

CPython 是最官方、使用最广泛的解释器。当我们从 Python 官方网站下载并安装 Python 后，直接获得的就是 CPython。它用 C 语言开发，所以名字里带个 C。在命令行下输入 python，启动的就是 CPython 解释器。绝大多数教程和代码都在 CPython 下运行，所以它也是兼容性最好的版本。

IPython 是基于 CPython 之上的一个交互式解释器。它本质上是一个增强版的交互式工具，但执行 Python 代码的功能和 CPython 完全一样。打个比方，就像很多国产浏览器虽然外观不同，但内核其实都是调用了 IE。IPython 用 In [序号]: 作为提示符，而 CPython 用的是 >>>。

PyPy 的目标很明确：追求执行速度。它采用 JIT 技术，对 Python 代码进行动态编译，而不是解释执行，所以能显著提高代码运行速度。但需要注意的是，PyPy 和 CPython 在某些细节上存在差异，相同的 Python 代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到 PyPy 下运行，需要先了解这些不同点。

Jython 是运行在 Ja va 平台上的 Python 解释器，它可以直接把 Python 代码编译成 Ja va 字节码来执行。对于需要与 Ja va 生态交互的场景，Jython 是一个选择。

IronPython 和 Jython 类似，只不过它是运行在微软 .Net 平台上的 Python 解释器，可以把 Python 代码编译成 .Net 的字节码。

一句话总结：Python 的解释器确实不少，但使用最广泛的永远是 CPython。如果要做 Ja va 或 .Net 平台的交互，更好的方式通常不是用 Jython 或 IronPython，而是通过网络调用来实现，这样能保证各程序之间的独立性。

另外，必须指出的是，Python 有一个众所周知的短板：线程不能充分利用多 CPU。这是由全局解释器锁（GIL）导致的，也是 Python 在多线程并发场景下不如其他语言的地方。至于 PyPy，它采用一次全部编译再执行的方式，执行速度确实更快，但开发效率会相对慢一些。

最后，还有一个关于编码的重要细节：Python 2 默认使用 ASCII 编码，而 Python 3 默认使用 UTF-8 编码。在 Windows 系统下，终端默认使用 GBK 编码。这在实际开发中很容易引发乱码问题，特别是当代码中包含中文时。所以，在 Python 2 的年代，文件头经常会加上 #-- encoding:utf-8 -- 这样的声明，以确保代码能正确解析。比如：

print('红蜘蛛')

这个看似简单的细节，其实反映了 Python 在不同版本之间的演进思路——从 2 到 3，Python 在编码处理上做了很大改进，让开发者少了很多头疼的事情。