帮你提升 Python 的 27 种编程语言

　　事实上，我们希望有更丰富的跨平台开源编程语言可供选择，编程语言是最重要的思维工具，可以把我们的想法转换成计算机能理解的明确的条款。如果人们发现了某种语言既适合他们的大脑又能直接解决问题，这就很好了，不必关心他们到底选的是那种语言。

　　因此我要给 Python 社区提三个具体的要求和一个更广泛的建议，首先说这些要求：

　　1.当我们想要激励部落成员，提高社区吸引力时，我们不应该使用恐惧法，相反我们应该使用自豪法。当使用恐惧法激励时，比如说这样的话：“如果我们不解决问题 X，那么 Python 开发者将会减少，他们将会转而去使用语言 Y”，那么我们就在故意地向全世界自由贡献代码的人传递负能量。但如果我们使用自豪法，说出来的话将是这样的：“Python 中的问题 X 的确难以解决，看看语言 Y 的社区，他们用一个极好的方法解决了这个问题，我们也可以在 Python 中尝试这个解决方案，以同样优雅的方式解决 Python 中的问题”。积极地强调“以我们自己的努力为自豪”，有利于促进 Python 社区中不断学习的文化，还会不断促进与其他社区关系的发展。

　　2.克制对其他编程语言社区蔑视的态度，特别是对那些有大牛存在，能自己解决遇到的问题，不必等待商业软件供应商屈尊解决问题的社区。世界上的大多数重要的问题都不是利益驱动的问题(那些人想要解决问题，不是为了谋取财富，也没有机构出钱资助他们)，所以我们应该鼓励和赞扬那些加紧尝试解决问题的人。不必管他们使用的是什么技术。

　　3.如果我们认识的人刚开始学习编程，即使他们所选的编程语言是我们自己所不喜欢的。我们也要支持他们，因为他们比我们清楚什么更适合他们的大脑。所以对我们合适的语言不一定适合他们。如果他们开始对当初的选择感到沮丧，以至于完全打消了他们学习编程的积极性，这时给他们推荐编程语言才更有意义。这个建议甚至也对我们当中做过改进网络安全方面工作的人有用，对于原本不安全的语言，我们的解决方式是，通过改善操作系统中的沙盒功能，渐进地破除这个语言选择障碍，用原生系统的安全属性，改善了编程语言默认行为，不应该从应用安全的角度评价编程语言的好坏，迷惑初学者。(如果有人请编程新手写了一个未经审计的软件，却部署为处理安全敏感的问题，这不是程序员的问题，而应该怪那个部署的人没有尽职调查软件的来源和安全属性。)

　　Python 默认的运行模型是过程型的：我们从主模块的顶部开始然后一句一句执行。所有的 Phthon 对于其他数据和计算模型的方法支持都是基于它是过程型的这一特性。

　　C 语言毫无疑问仍然是底层编程语言的统治者. 它是实现 Python 解释器的核心语言，同样也是实现 Linux 操作系统内核的核心语言。作为软件开发人员，学习 C 语言是学习更多关于软件所运行的底层硬件的最好起点 - C 语言经常被描述为“可移植的汇编语言”，通常使用 C 语言编译器作为交叉编译器，为新的 CPU 体系结构编译出第一个应用程序。

　　Rust，相比之下, 是一个由 Mozilla 创建的比较新的语言。它能够进入这个名单的原因是，Rust 吸取了工业界已知的关于不能在 C 语言中做什么的教训，并且被设计成可以与 C 库互操作的语言，它对硬件的控制达到了和低级系统编程语言相同的精度，但它使用不同的编译时方法进行数据建模和内存管理，在结构上消除了许多常见的困扰 C 程序的的缺陷(比如缓存溢出、重复释放内存错误、空指针访问以及线程同步问题)。我是一名嵌入式系统工程师，通过培训具备了最初的专业经验，我已经看到，当前被 C 语言和定制汇编代码统治的各个领域很有可能会被 Rust 取代。

　　Cython 也是一种默认的更底层的语言，但是与通用目标语言 C，Rust 不同，Cython 主要用于书写 CPython 扩展模块。Cython 被设计作为一个 Python 的超集，让程序员选择何时支持纯 Python 语法的灵活性，当 Cython 语法支持的扩展使其可以生成的代码相当于本地C代码的速度和内存效率。

　　学习这些语言之一是以实用的角度增强其对内存管理，算法效率，二进制接口兼容性，软件可移植性，将源代码转换成运行系统的深刻理解。

　　编程中最主要的任务之一是为现实世界的状态建模，这方面最通常的方法是面向对象语言所提供的那些原生的语法支持：把数据结构、操作这些数据结构的方法组合成类。

　　Python原生设计上就可以直接使用面向对象的特性，而不需要一上来先学习如何编写自己的类。不是每种语言都才有这样的方式 - 对于本节列出的这些语言，学习面向对象的设计思想是使用这些语言的前提。

　　得益于 Sun Microsystems 在 20 世纪 90 年代中后期对 Java 语言的市场推广，Java 成了很多大专院校计算机科学入门课程的默认语言。虽然现在在很多教育领域它正被 Python 淘汰，但它在商业应用程序开发领域仍然是一种最受欢迎的语言。有一系列其它语言针对公共的 JVM(Java 虚拟机)运行时的实现，包括 Python 的 Jython 实现。Android 系统的 Dalvik 和 ART 环境是基于 Java 编程 API 实现的。

　　C# 在很多方面与 Java 相似，在 Sun 和 Microsoft 解决关于 J++(微软实现的 Java 语言)和标准 JAVA 不一致的问题失败后，它是作为J++的替代语言出现的。像 Java 一样，它也是一个受欢迎的商业应用开发语言，有一系列其它语言针对共享 .NET CLR(公共语言运行库)的实现，包括 Python 的 IronPython 实现(原始的 IronPython 1.0 中的核心组件被抽取出来创建 .NET 动态语言运行库的中间层)。在很长的一段时间里，.NET是只能在 Windows 系统中使用的专有技术，有一个跨平台的开源代码 mono 重新实现了.NET，但在 2015 年初，微软宣布了 .NET 开源计划。

　　与列表里大多数语言不同，我并不推荐在日常使用 Eiffel。它之所以在推荐列表里，是因为这门语言有着大量优良的面向对象设计思想，包括以“正确可信”作为程序的设计目标。(同时，Eiffel 也告诉我对于大多数的软件开发，并没有以“正确可信”为设计目标，这是因为正确可信的软件确实无法妥善处理不确定的情况。当很多相关约束还不清楚，需要在不断迭代的过程中去逐步完善的时候，这种设计理念就完全不适合了)

　　学习这类编程语言，就需要去熟悉继承模型、契约设计、类不变项、前置条件、后置条件、协变(covariance)、逆变(contravariance)、方法查找路径、泛型编程，以及其他各种在 Python 的类型系统上也支持的特性。此外还有很多标准库模块和第三方框架，会用到“显示的面向对象”设计风格，例如 unittest 和 loggingmodules，以及 Django 框架里基于类的 view。

　　使用 CPython 的一种方式，是把它的内核当做一种“包含对象的 C 语言”的编程环境 - CPython 是通过 C 语言的风格去实现面向对象编程，也就是用 C 的结构体描述数据，然后把结构的实例指针作为第一个参数传给那些数据处理函数(也就是 CPython的C 里面的 omnipresentPyObject* 指针)。这种设计模式被有意复制到 Python 里，在实例方法和类方法需要显示的指定 self 或者 cls 参数。

　　C++ 的目标是在源码级完全兼容 C 语言，在此之上增加了一些高级特性，例如原生的面向对象编程支持和基于模板的元程序开发。C++ 的晦涩和复杂是臭名昭著的(即使 2011 年的语言标准的更新解决了大量最糟糕的问题)，不过就算这样，C++ 仍然是很多场景下的选择，包括 3D 建模图形引擎和跨平台应用开发框架，如 Qt。

　　D 编程语言也很有趣，因为它和 C++ 的关系很像 Rust 与 C 语言之间的关系：设计 D 语言的目的是，既要保留 C++ 的大部分优点，也要避免 C++ 中存在的很多缺陷(比如缺乏存储安全性)。与 Rust 不同，D 语言不是一个从零开始设计的全新编程语言，相反，它是直接从 C++ 衍生出来的语言，尽管它不像 C++ 那样是 C 语言的严格超集，但它遵守一个设计原则，任何落入 C 语言和 D 语言公共子集中的代码，在两种语言中的行为必须相同。

　　学习这些语言有利于深刻理解把高级语言特征和底层 C 运行时模型相结合的复杂性。学习 C++ 也有助于使用 Python 操作已有的用 C++ 编写的库和工具包。

　　面向数组的编程用于数值编程模型：基于矩阵代数和相关的数值方法。

　　虽然 Python 的标准库并没有直接支持，不过在语言设计上已经做了考虑，一系列语法和语义上的功能支持，有助于第三方库 NumPy 以及类似的面向数组的工具。

　　在很多情况下，Python科学计算 软件系列都被当做专用的 MATLAB 编程环境的替代者，被广泛用于科学和工程上的建模、仿真和数值分析。开源项目 GNU Octave 的目标是在语法上与MATLAB代码兼容，让人可以比较面向对象编程的这两种方式。

　　Julia 是另一个相对较新的语言, 它的主要特点是支持面向数组编程和基于类型的函数重载.

　　学习一种这样的语言有助于深入理解 Python 科学计算工具包的威力，同时，学习这样的语言有助于研究如何利用 OpenCL 和 Nvidia 的 CUDA 等类似的技术实现硬件级并发执行，也有助于研究如何使用 Apache Spark 和 Blaze 等数据处理框架实现分布式数据处理。

　　最后想说的是，我常常陷入这样的讨论，即结构化编程和面向对象倡导者的争论。后者自称面向对象编程语言和结构化编程语言一样易学。

　　当我们谈论的是通过具体的数值实验来教学(机器人学)，研究对象在仿真软件中的模型有着直接现实世界的参照物时，比如学生们可以接触到传感器，发动机，继电器等。我认为支持面向对象的小伙伴们有一定的道理。

　　然而对于其他人来讲，我遇到的一个典型的挑战是：拿起一本食谱，将其中一个菜谱转换成你认为易学的面向对象编程语言，然后找到一个理解这门编程语言的学生，沿着我的思路，来继续转换这个菜谱。(我期待着看到学术研究人员真正践行这样的学习过程，——我会发自内心的为这样的情况感到欣慰。)大多数的情况下，小伙伴们不必遵循这样的流程——仅仅需要在头脑中进行思维的实验就足以让他们感受到要想学会这“易学的”编程语言需要多少预备知识。

　　然而另外一个解决此问题的方法是学习那些用于教育小孩子数值计算的编程语言。

　　其中一种最流行的莫过于 Scrach，它是一种让学生利用拖动的方式来操作封闭的图形化环境，从而可以看到图形化界面中相应的移动和反应的编程接口。像 Scrach 这样的图形化环境是一种类似于利用连环画帮助孩子们逐步学习读书认字的方式的程序设计方式。

　　然而，这种利用一种特殊教育目的编程语言来操作一个图形化界面的想法并不新奇，随着的早期最经典环境之一的 Logo 环境在 2 0世纪 60 年代的创建(类似于 Python 自己的海龟模块)，那时候，你所接触的主要的东西是一个“海龟”，你可以用命令它的移动来画线，从而改变图形环境。通过这种方式，像命令行、迭代、状态(例如：向上划、向下划)都以一种建立在人们的自然直观的思维方式(想象一下，假如你是一只海龟，如果向右旋转 90 度将会发生什么?)的基础上来介绍。

　　回归本源，作为一名富有经验的程序员，重新学习以上的任何一门编程语言是最有效的方式来忘掉所学(抛弃一些轮子)：这些语言工具所涵盖的概念帮助我们回想起那些我们曾经认为理所当然的概念，但是需要以初学者的眼光重新学习。当我们这么做的时候，因为我们更加愿意回想起整个的逻辑链条，包括那些我们之前认为理所当然而省略的思维步骤，我们会更加有效地和学生以及其他的初学者一起工作。

（文章来源于开源中国社区）