python3和Python2的区别

一、print函数

python2 的 print 声明已经被 print() 函数取代了，这意味着我们必须包装我们想打印在小括号中的对象

二、通过input()解析用户的输入

• python3中input得到的为str，python3中没有raw_input
• Python2的input的到的为int型，Python2的raw_input得到的为str类型

三、整除

• Python3中/表示真除，%表示取余，//表示地板除（结果取整）
• Python2中/表示根据除数被除数小数点位得到结果，//同样表示地板除）

python2

1. from platform import python_version
2. print 'Python', python_version()
3. print '5 / 3 =', 5 / 3
4. print '3 // 2 =', 3 // 2
5. print '3 / 2.0 =', 3 / 2.0
6. print '3 // 2.0 =', 3 // 2.0

Python 2.7.10
5 / 3 = 1
3 // 2 = 1
3 / 2.0 = 1.5
3 // 2.0 = 1.0

python3

1. from platform import python_version
2. print('Python', python_version())
3. print('5 / 3 =', 5 / 3)
4. print('3 // 2 =', 3 // 2)
5. print('3 / 2.0 =', 3 / 2.0)
6. print('3 // 2.0 =', 3 // 2.0)

Python 3.6.0
5 / 3 = 1.6666666666666667
3 // 2 = 1
3 / 2.0 = 1.5
3 // 2.0 = 1.0

四、xrange模块

python2 : range( 0, 4 ) 结果 是 列表 [0,1,2,3 ]
python3改为：list( range(0,4) )
python2原 : xrange( 0, 4 ) 适用于 for 循环的变量控制

python3改为：range(0,4)

• python3
  在 Python 3 中，range() 是像 xrange() 那样实现以至于一个专门的 xrange() 函数都不再存在（在 Python 3 中xrange() 会抛出命名异常）。

• python2
  在 Python 2 中 xrange() 创建迭代对象的用法是非常流行的。比如： for 循环或者是列表/集合/字典推导式

  这个表现十分像生成器（比如。“惰性求值”）。但是这个 xrange-iterable 是无穷的，意味着你可以无限遍历。由于它的惰性求值，如果你不仅仅遍历它一次，xrange() 函数 比 range() 更快（比如 for 循环）。尽管如此，对比迭代一次，不建议你重复迭代多次，因为生成器每次都从头开始。

五、字符串

原: 字符串以 8-bit 字符串存储
改为: 字符串以 16-bit Unicode 字符串存储

六、try except 语句的变化

在 Python 3 中处理异常也轻微的改变了，在 Python 3 中我们现在使用 as 作为关键词。
捕获异常的语法由 except exc, var 改为 except exc as var。

使用语法except (exc1, exc2) as var可以同时捕获多种类别的异常。 Python 2.6已经支持这两种语法。
    1. 在2.x时代，所有类型的对象都是可以被直接抛出的，在3.x时代，只有继承自BaseException的对象才可以被抛出。
    2. 2.x raise语句使用逗号将抛出对象类型和参数分开，3.x取消了这种奇葩的写法，直接调用构造函数抛出对象即可。
在2.x时代，异常在代码中除了表示程序错误，还经常做一些普通控制结构应该做的事情，在3.x中可以看出，设计者让异常变的更加专一，只有在错误发生的情况才能去用异常捕获语句来处理。

1. 原: try:
2. ......
3. except Exception, e :
4. ......
5. 改为
6. try:
7. ......
8. except Exception as e :
9. ......

七、打开文件

1. 原： file( ..... )
2. 或 open(.....)
3. 改为：
4. 只能用 open(.....)

八、bytes 数据类型 -- 新增

1）Py3.X去除了long类型，现在只有一种整型——int，但它的行为就像2.X版本的long
2）新增了bytes类型，对应于2.X版本的八位串，定义一个bytes字面量的方法如下：

1. >>> b = b'china'
2. >>> type(b)
3. <type 'bytes'>

str对象和bytes对象可以使用.encode() (str -> bytes) or .decode() (bytes -> str)方法相互转化

1. >>>s = b.decode()
2. >>> s
3. 'china'
4. >>> b1 = s.encode()
5. >>> b1
6. b'china'

A bytes object is an immutable array. The items are 8-bit bytes, represented by integers in the range 0 <= x < 256.
bytes 可以看成是“字节数组”对象，每个元素是 8-bit 的字节，取值范围 0~255。
由于在 python 3.0中字符串以 unicode 编码存储，当写入二进制文件时，字符串无法直接写入（或读取），必须以某种方式的编码为字节序列后，方可写入。

（一）字符串编码(encode) 为 bytes

1. 例: s = "张三abc12"
2. b = s.encode( 编码方式)
3. # b 就是 bytes 类型的数据
4. # 常用的编码方式为 ： "uft-16" , "utf-8", "gbk", "gb2312", "ascii" , "latin1" 等
5. # 注 ： 当字符串不能编码为指定的“编码方式”时，会引发异常

(二) bytes 解码(decode)为字符串

1. s = "张三abc12"
2. b = s.encode( "gbk") # 字符串 s 编码为 gbk 格式的字节序列
3. s1 = b.decode("gbk") # 将字节序列 b以gbk格式 解码为字符串
4. # 说明，当字节序列不能以指定的编码格式解码时会引发异常

(三）使用方法举例

1. #coding=gbk
2. f = open("c:\\1234.txt", "wb")
3. s = "张三李四abcd1234"
4. # -------------------------------
5. # 在 python2.4 中我们可以这样写：
6. # f.write( s )
7. # 但在 python 3.0中会引发异常
8. # -------------------------------
9. b = s.encode("gbk")
10. f.write( b )
11. f.close()
12. input("?")

读取该文件的例子:

1. #coding=gbk
2. f = open("c:\\1234.txt", "rb")
3. f.seek(0,2) #定位至文件尾
4. n = f.tell() #读取文件的字节数
5. f.seek(0,0) #重新定位至文件开始处
6. b = f.read( n )
7. # ------------------------------
8. # 在 python 2.4 中 b 是字符串类型
9. # 而 python 3.0 中 b 是 bytes 类型
10. # 因此需要按指定的编码方式确码
11. # ------------------------------
12. s = b.decode("gbk")
13. print ( s )
14. # ------------------------------
15. # 在 python 2.4 中 可以写作 print s 或 print ( s )
16. # 要 python 3.0 中 必须写作 print ( s )
17. # ------------------------------
18. f.close()
19. input("?")

运行后应显示:
张三李四abcd1234

(四) python3中bytes序列，一但形成，其内容是不可变的
例：

1. s="ABCD"
2. b=s.encode("gbk")
3. print b[0] # 显示 65
4. b[0] = 66
6. # 执行该句，出现异常: 'bytes' object does not support item assignment

九、chr( K ) 与 ord( c )

ord()函数主要用来返回对应字符的ascii码，chr()主要用来表示ascii码对应的字符他的输入时数字，可以用十进制，也可以用十六进制
python 2.4.2以前
    chr( K ) 将编码K 转为字符，K的范围是 0 ~ 255
    ord( c ) 取单个字符的编码, 返回值的范围: 0 ~ 255
python 3.0
    chr( K ) 将编码K 转为字符，K的范围是 0 ~ 65535
    ord( c ) 取单个字符的编码, 返回值的范围: 0 ~ 65535

十、字节数组对象bytearray -- 新增

（一） 初始化

1. a = bytearray( 10 )
2. # a 是一个由十个字节组成的数组，其每个元素是一个字节，类型借用 int
3. # 此时，每个元素初始值为 0

（二） 字节数组 是可变的

1. a = bytearray( 10 )
3. a[0] = 25
5. # 可以用赋值语句更改其元素，但所赋的值必须在 0 ~ 255 之间

(三) 字节数组的切片仍是字节数组
(四) 字符串转化为字节数组

1. #coding=gbk
3. s ="你好"
4. b = s.encode( "gbk") # 先将字符串按某种“GBK”编码方式转化为 bytes
5. c = bytearray( b ) #再将 bytes 转化为 字节数组
6. # 也可以写作
7. c = bytearray( "你好", "gbk")

(五) 字节数组转化为字符串

1. c = bytearray( 4 )
2. c[0] = 65 ; c[1]=66; c[2]= 67; c[3]= 68
3. s = c.decode( "gbk" )
4. print ( s )
5. # 应显示： ABCD

(六) 字节数组可用于写入文本文件

1. #coding=gbk
2. f = open("c:\\1234.txt", "wb")
3. s = "张三李四abcd1234"
4. # -------------------------------
5. # 在 python2.4 中我们可以这样写：
6. # f.write( s )
7. # 但在 python 3.0中会引发异常
8. # -------------------------------
9. b = s.encode("gbk")
10. f.write( b )
11. # 或者
12. c=bytearray( s,"gbk")
13. f.write( c )
14. f.close()
15. input("?")

十一、“import thread”问题

2.x中的模块thread在3.x中编程"_thread"(需要在前面加一个下划线).否则会出现“ImportError: No module named thread

十二、不等运算符

Python 2.x中不等于有两种写法 != 和 <>
Python 3.x中去掉了<>, 只有!=一种写法，还好，我从来没有使用<>的习惯

十三、去掉了repr表达式``

Python 2.x 中反引号``相当于repr函数的作用
Python 3.x 中去掉了``这种写法，只允许使用repr函数，这样做的目的是为了使代码看上去更清晰么？不过我感觉用repr的机会很少，一般只在debug的时候才用，多数时候还是用str函数来用字符串描述对象。

十四、dict

dict的.keys()、.items 和.values()方法返回迭代器，而之前的iterkeys()等函数都被废弃。同时去掉的还有 dict.has_key()，用 in替代它吧 。

十五、map、filter 和 reduce

这三个函数号称是函数式编程的代表。在 Python3.x 和 Python2.x 中也有了很大的差异。
首先我们先简单的在 Python2.x 的交互下输入 map 和 filter,看到它们两者的类型是 built-in function(内置函数):

1. >>> map
2. <built-in function map>
3. >>> filter
4. <built-in function filter>
5. >>>

python2.x它们输出的结果类型都是列表

1. >>> map(lambda x:x *2, [1,2,3])
2. [2, 4, 6]
3. >>> filter(lambda x:x %2 ==0,range(10))
4. [0, 2, 4, 6, 8]
5. >>>

但是在Python 3.x中它们却不是这个样子了：

1. >>> map
2. <class 'map'>
3. >>> map(print,[1,2,3])
4. <map object at 0x10d8bd400>
5. >>> filter
6. <class 'filter'>
7. >>> filter(lambda x:x % 2 == 0, range(10))
8. <filter object at 0x10d8bd3c8>
9. >>>

首先它们从函数变成了类，其次，它们的返回结果也从当初的列表成了一个可迭代的对象, 我们尝试用 next 函数来进行手工迭代:

1. >>> f =filter(lambda x:x %2 ==0, range(10))
2. >>> next(f)
3. 0
4. >>> next(f)
5. 2
6. >>> next(f)
7. 4
8. >>> next(f)
9. 6
10. >>>

对于比较高端的 reduce 函数，它在 Python 3.x 中已经不属于 built-in 了，被挪到 functools 模块当中

1. >>> import functools
2. >>> b = functools.reduce(lambda x, y: x + y, [1, 3, 4, 5])
3. >>> print(b)
4. 13
5. >>>

十六、cmp()函数的新函数(gt,ge,eq,le,lt)

Python3中已经不能使用cmp()函数了，被如下五个函数替代:

1. import operator #首先要导入运算符模块
2. operator.gt(1,2) #意思是greater than（大于）
3. operator.ge(1,2) #意思是greater and equal（大于等于）
4. operator.eq(1,2) #意思是equal（等于）
5. operator.le(1,2) #意思是less and equal（小于等于）
6. operator.lt(1,2) #意思是less than（小于）

十七、sort,sorted

Sort函数是list列表中的函数，而sorted可以对list或者iterator进行排序。
Python3.x和Python2.x的sorted函数有点不太一样，少了cmp参数。下面本渣渣主要基于Python2.x的sorted函数进行讲解，Python3.x直接忽略cmp这个参数即可，为了保证代码通用性，不建议大家在今后的编程中使用cmp参数

下面我们使用help来查看他们的用法及功能：

python2:

1. >>> help(list.sort)
2. Help on method_descriptor:
3. sort(...)
4. L.sort(cmp=None, key=None, reverse=False) -- stable sort *IN PLACE*;
5. cmp(x, y) -> -1, 0, 1
8. >>> help(sorted)
9. Help on built-in function sorted in module __builtin__:
10. sorted(...)
11. sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list

python3:

1. >>> help(list.sort)
2. Help on method_descriptor:
3. sort(...)
4. L.sort(key=None, reverse=False) -> None -- stable sort *IN PLACE*
7. >>> help(sorted)
8. Help on built-in function sorted in module builtins:
9. sorted(iterable, key=None, reverse=False)
10. Return a new list containing all items from the iterable in ascending order.
11. A custom key function can be supplied to customize the sort order, and the
12. reverse flag can be set to request the result in descending order.

用sort函数对列表排序时会影响列表本身，而sorted不会。两者用法差不多。

以sorted为例，sorted(iterable，cmp，key，reverse）

参数： 
- iterable可以是list或者iterator； 
- cmp是带两个参数的比较函数； 
- key 是带一个参数的函数； 
- reverse为False或者True；

举例说明:
（1）用cmp函数排序:

1. >>> list1 = [('david', 90), ('mary',90), ('sara',80),('lily',95)]
2. >>> sorted(list1,cmp = lambda x,y: cmp(x[0],y[0]))
3. [('david', 90), ('lily', 95), ('mary', 90), ('sara', 80)]
4. >>> sorted(list1,cmp = lambda x,y: cmp(x[1],y[1]))
5. [('sara', 80), ('david', 90), ('mary', 90), ('lily', 95)]

（2）用key函数排序:

1. >>> list1 = [('david', 90), ('mary',90), ('sara',80),('lily',95)]
2. >>> sorted(list1,key = lambda list1: list1[0])
3. [('david', 90), ('lily', 95), ('mary', 90), ('sara', 80)]
4. >>> sorted(list1,key = lambda list1: list1[1])
5. [('sara', 80), ('david', 90), ('mary', 90), ('lily', 95)]

（3）用reverse排序:

1. >>> sorted(list1,reverse = True)
2. [('sara', 80), ('mary', 90), ('lily', 95), ('david', 90)]

（4）用operator.itemgetter函数排序:

1. >>> from operator import itemgetter
2. >>> sorted(list1, key=itemgetter(1))
3. [('sara', 80), ('david', 90), ('mary', 90), ('lily', 95)]
4. >>> sorted(list1, key=itemgetter(0))
5. [('david', 90), ('lily', 95), ('mary', 90), ('sara', 80)]

介绍operator.itemgetter函数:
operator.itemgetter函数获取的不是值，而是定义了一个函数。该函数是C语言实现，比python速度快。

1. >>> import operator
2. >>> a = [1,2,3]
3. >>> b = operator.itemgetter(0)
4. >>> b(a)
5. 1

（5）多级排序:

1. >>> sorted(list1, key=itemgetter(0,1))
2. [('david', 90), ('lily', 95), ('mary', 90), ('sara', 80)]