与生态系统和社区间接相关的几点:

• 我真希望别人能提醒我 Batteries included . 我认为应该让人们把 Table of Contents of the Standard Library 把它放在他们的枕头下,以便经常评论(这条建议,我最终花了几年时间,从一个在线介绍/初学者的视频演示中获得!).Std Lib的[相对]稳定、广泛但相关的内容说明了社区领导人及其所钟爱的BDFL的深思熟虑的治理。

• 我认为新来者也可以被“警告”(这个词可能太强,太不公平)关于 PiPy . 这反映了用户和贡献者的活跃、智能和多样性(在背景、应用领域、兴趣等方面)。然而,这可能是压倒性的,而且可能是危险的,因为里面的所有包都没有“黄金时段准备就绪”(但许多包已经“救了我的命”很多次了)。

• 即使你对python感到太陌生,也不仅仅是 使用 图书馆,一定要躲在引擎盖下面!这在许多语言中都是正确的,但也许尤其是在Python中,从阅读各种源代码中可以学到很多东西。这对于Python来说可能是特别正确的原因是语言本身(多范式、高抽象级别…)固有的,但也因为 相对的 统一的编码(和架构)风格,并且由于社区内的一般协作水平。

我是一个 不对称 这两种语言的用户,从某种意义上说,我使用C主要是职业化的,而python用于我所有的“有趣”项目(不是说工作从来都不有趣,而是……你知道……

上下文的这种差异可能会扭曲我的观点,包括我的观点,即它们是两种不同类型(双关语)的语言,通常用于不同的目的。

这样说, 在这个时间点上,python是[其中之一],这可能不是巧合。]选择的语言 适用于各种尖端、学术性、技术/科学导向的项目。(顺便说一句,这里的“学术性”关键词并不意味着,python是一个大学玩具,许多领域/行业中的“严肃”应用程序恰恰相反)。这可能是由于以下几个因素造成的:

(大多数观点我都没有形成,很容易在其他回答中表达出来)

• python的开放性和准通用性(与c_不同)
• 轻量级/易用性/低学习曲线
• 广泛的、高质量的“标准”库和扩展程序(偶尔也有bum-quality,但总体上是可用的、开源的等)附加库。
• 用Python语言编写的大量开源项目
• 相对容易与C/C++结合以重用遗留代码,但也可用于放置项目的性能关键部分。
• 语言结构的抽象层次一般较高。
• 多范式(命令式、面向对象和功能性)
• 在如此多的科学和技术领域从业人员的可用性

是的,

• “群体心理效应”在一句话中提到,可能是在[自我?]嘲笑的方式。事实上,一种语言吸引了一个广泛的“紧密结合”的群体,这使得它也具有吸引力,超越了群体心理的表面特征(“看起来酷”等)。在更广泛的背景下,有时使用的最佳技术/语言不是以其内在优点为衡量标准,而是以包括用户社区在内的总体“图景”为衡量标准。

标引 ,是创建索引的过程。索引是允许SQL(或更通常是DBMS或搜索引擎)定位的结构, 以非常有效的方式 ,基于其中一个(或多个)字段的值的记录。

例如,一个数据库可能包含在包含学生记录的表中,包括他们的学生ID、他们的姓名、出生日期、电话号码…通过在电话号码上创建索引,我们可以根据电话号码搜索学生。在没有索引的情况下,系统会找到相同的记录,但通过查看每个记录并与所需的电话号码进行比较,可以执行此操作。

全文索引 为一个(或多个包含文本的字段)创建索引的过程。与基于将字段的完整值(或可能是简单的正则表达式)与所需搜索值进行比较的常规索引不同,全文索引可以基于字段中找到的单词来定位记录。

例如,书目数据库可能包含描述书籍的记录,其中包含ISBN、作者、标题、类型、价格等字段。一个全文索引(有时称为“目录”)上的字段标题,将允许有效地定位,书名为“老人和海洋”时,说“人”。

全文引擎通常具有与文本相关的语言概念的内置和可参数化“理解”。例如,“干扰词”(也称为“停止词”)是文本中经常出现的词(例如英语中的“the”、“and”、“of”、“in”),为了最小化索引大小并使使用更具选择性的词的搜索更有效,可以忽略。此外,全文引擎还可以了解单词的各种语法形式,比如单词的单数和复数形式(比如英寸和英寸、脚和脚、猫和猫),或者动词的连词(比如catch、catch和catch,或者口译、口译、口译)。得益于这种语法意识,全文引擎可以(如果如此指示)定位单词,即使它们不完全匹配搜索条件。
全文引擎通常还公开搜索语言/语法,允许用户指定所需搜索的特定元素。例如,在“人”的5个字内搜索“海”。或者找到“湖”或“海”以及“水”等词。