作者：李晓辉

联系方式：

1. 微信：Lxh_Chat

2. 邮箱：939958092@qq.com

Python 系列(一) 从零开始认识 Python，入门其实没那么难

如果每天都在重复执行相同的命令，能不能让计算机替我们完成这些工作？
如果服务器出了问题，能不能让程序自动收集信息、分析日志，甚至提前发现异常？
这就是我们学习 Python 的一个重要原因：让计算机不只是执行命令，还能按照我们的想法自动完成任务。

为什么要学习 Python？

先问大家一个问题。

假设你是一名 Linux 运维工程师，公司有 50 台服务器，每天早上都需要检查 CPU、内存、磁盘使用率，还要确认关键服务是否正常运行。

如果只有一两台服务器，登录上去执行几条命令，可能也就几分钟的事情。

例如：

uptime
free -h
df -h
systemctl status sshd

这些命令大家应该都不陌生。

但如果服务器数量从 2 台增加到 50 台，再增加到 200 台呢？难道每天早上都要逐台登录服务器，然后重复执行这些命令？

如果某天你忘记检查一台服务器，恰好这台服务器的磁盘使用率已经达到 100%，业务因此出现故障，怎么办？

更麻烦的是，假如领导还要求你把所有服务器的检查结果汇总成一份报告，标记出磁盘使用率超过 80% 的服务器，你又该怎么办？

这时候，我们就需要考虑一个问题：能不能让计算机自动完成这些重复性工作？

当然可以。

最简单的方式，是使用 Shell 编写脚本，把多条命令组合起来。对于很多常规的 Linux 管理任务，Shell 已经非常好用了。

但是，当需求变得复杂时，例如需要解析大量日志、处理 JSON 数据、调用云平台 API、根据不同条件执行不同操作，或者把多个系统的结果整合起来，Python 就能发挥很大的作用。

再举几个例子：

每天自动分析 Nginx 日志，统计访问量和错误请求。
自动检查服务器磁盘使用率，超过阈值就发送告警。
调用云平台 API，批量查询云服务器、网络和存储资源。
自动收集 Kubernetes 集群信息，生成巡检报告。
调用大模型 API，开发一个能够分析日志并总结异常原因的小工具。

这些事情都可以通过 Python 来实现。

当然，Python 并不是万能的，也不是所有事情都必须用 Python 来完成。我们学习它，是为了在遇到不同问题时，多一种高效、灵活的解决办法。

如果你以前没有接触过编程，也不用担心。

接下来的系列文章，我们就从最基础的内容开始，一步一步学习 Python。即使你现在只会使用 Linux 命令行，也完全可以跟着学。

Python 到底是什么？

Python 是什么？

简单来说，Python 是一种通用的高级编程语言，可以用来编写各种程序，让计算机按照我们设定的逻辑执行任务。

这里有几个关键词，我们分别理解一下。

首先，什么是编程语言？

我们平时使用计算机，通常是通过鼠标点击、键盘输入或者执行命令来完成操作。

例如，在 Linux 中执行：

1	ls -l /var/log

计算机就会列出 /var/log 目录中的文件和目录。

这是我们直接告诉计算机要执行什么操作。

但是，如果我们希望计算机每天凌晨自动检查这个目录，找出超过 100 MB 的日志文件，再把结果保存到报告中，就需要把一系列操作组织起来，并告诉计算机什么时候执行、遇到不同情况应该怎么办。

这就涉及编程了。

编程语言就是我们用来描述这些操作和处理逻辑的工具。我们编写程序，再通过相应的运行环境让计算机执行。

Python 就是这样的工具。

其次，什么是高级编程语言？这里的“高级”不是说 Python 比其他语言更厉害，而是指它在表达程序逻辑时，通常不需要我们直接处理大量底层细节。

例如，我们想让程序输出一句话，只需要写：

1	print("Hello, Python!")

就可以了。

不需要自己管理屏幕显示的硬件，也不需要编写一大堆底层代码。

最后，Python 为什么这么受欢迎？

一个重要原因是它的语法相对简洁，而且拥有丰富的标准库和第三方库。很多常见任务，我们不必从头实现，可以利用已有的功能快速完成。

Python 有哪些特点？

Python 有很多特点。对于刚入门的读者，我们先了解下面几个就够了。

第一个特点：语法比较简洁。

我们先看一个简单的例子：

1 2	name = "Linux" print(name)

运行后，程序会输出：

Linux

这里先不用着急理解变量、字符串这些概念，后续文章会专门介绍。

现在只需要知道，我们可以通过几行简单的代码，让程序保存一个值，再把它输出出来。

对于初学者来说，这种表达方式比较容易阅读。

第二个特点：拥有丰富的标准库。

标准库可以理解为 Python 自带的一套工具箱，里面包含了许多常见功能。

例如：

os：处理操作系统相关操作。
sys：访问与 Python 解释器相关的信息和功能。
json：处理 JSON 数据。
re：使用正则表达式匹配和提取文本。
pathlib：处理文件和目录路径。
shutil：执行高级文件操作，并提供磁盘使用情况查询等功能。

这些功能在系统管理、文件处理和自动化脚本中都很实用。

需要注意的是，标准库中的模块不一定全部自动导入。我们通常需要在程序中使用 import 引入相应模块，后续会详细讲解。

第三个特点：支持多种编程方式。

Python 不仅可以编写简单的脚本，也支持面向对象编程等方式。

刚开始学习时，我们可以先写几行代码，解决一个具体问题。随着程序越来越复杂，再逐步学习函数、模块和类，把代码组织得更加清晰。

不必一上来就研究复杂的编程思想，循序渐进就好。

第四个特点：应用范围很广。

Python 可以运行在 Windows、Linux、macOS 等多种操作系统上，也广泛应用于自动化运维、Web 开发、数据处理和人工智能等领域。

不过，跨平台并不意味着所有 Python 程序都能不加修改地在所有系统上运行。涉及操作系统命令、文件路径或者特定依赖时，仍然需要考虑环境差异。

Python 是如何运行的？

我们再了解一个基础概念：Python 代码写好了，计算机是怎么执行它的？

例如，我们创建一个名为 hello.py 的文件，里面写着：

1	print("Hello, Python!")

这个文件保存的是 Python 源代码。

但是，计算机并不会因为文件名以 .py 结尾，就自动知道应该怎样执行它。

我们需要通过 Python 解释器运行这个程序。

在 Linux 中，通常可以使用下面的命令：

1	python3 hello.py

Python 解释器会读取程序，并执行其中的代码，最终输出：

1	Hello, Python!

可以把整个过程简单理解为：

flowchart LR
    A["编写 Python 源代码"] --> B["保存为 hello.py"]
    B --> C["使用 Python 解释器运行"]
    C --> D["执行程序中的操作"]
    D --> E["输出运行结果"]

这里有一个容易产生误解的地方。

我们经常说 Python 是解释型语言，但这并不意味着它的实现完全不涉及编译过程。

以常见的 CPython 实现为例，Python 源代码通常会先被编译为字节码，再由 Python 虚拟机执行。这个过程大部分时候由解释器自动完成，初学者暂时不需要手动处理。

现在只要记住：我们编写 Python 代码，再通过 Python 解释器运行它，就能让程序按照代码中的逻辑执行。

后续学习环境搭建和第一个程序时，我们会真正动手操作。

Python 能做什么？

了解一门编程语言，不能只看它的语法，还要知道它能解决什么问题。否则，学了一堆知识点，却不知道什么时候能用上，很容易失去学习动力。

下面我们结合几个常见领域，看看 Python 到底能做些什么。

自动化运维与系统管理

这是 Python 非常典型的应用场景，也是我们后续可以重点实践的方向。

假设你负责管理一批 Linux 服务器，需要每天检查以下内容：

CPU 使用情况。
内存使用情况。
磁盘空间是否充足。
关键服务是否正常。
日志中是否出现异常信息。

如果全部手动操作，不仅耗时，而且容易遗漏。我们可以编写 Python 程序，将这些任务自动化。

例如，程序可以读取磁盘使用情况，根据设定的阈值判断是否需要告警，还可以把多个检查结果整理成一份报告。再进一步，我们还可以调用 SSH 工具或者云平台 API，批量执行巡检任务。

在云原生场景中，Python 也可以通过 Kubernetes API 获取集群信息，检查工作负载状态，或者辅助完成日常运维工作。

当然，Python 并不是所有运维任务的首选。像简单的命令组合、管道处理和一次性系统操作，Shell 可能更直接。

关键是根据实际问题选择合适的工具。

Web 开发

如果你访问过网站，就一定接触过 Web 应用。例如，你在网站上登录账号、查询文章、提交表单，后台都需要处理相应的请求。

Python 可以用于开发这些后台服务。常见的 Web 开发框架包括 Django、Flask 和 FastAPI。

它们各有适用场景，可以帮助开发人员处理 HTTP 请求、路由、数据验证、数据库交互等工作。

举个例子，假设我们要开发一个服务器巡检平台：

前端页面展示服务器列表。
用户点击某台服务器，查看巡检结果。
后端程序接收请求并读取相关数据。
后端将结果返回给前端。

这样的应用就可以使用 Python 开发后端服务。所以，Python 不只是用来写几个小脚本，也能够参与完整应用系统的开发。

数据分析与处理

工作中经常会遇到各种数据。例如，Nginx 访问日志、业务系统日志、CSV 文件、JSON 数据，以及监控系统导出的指标。

如果只需要查找某个关键词，使用 grep 就很方便。但如果希望统计每天的请求数量、计算不同状态码的占比、分析访问量变化趋势，或者合并多个文件中的数据，使用 Python 往往会更加灵活。

Python 还拥有丰富的数据处理工具，例如：

csv：读取和写入 CSV 文件。
json：处理 JSON 数据。
pandas：进行表格数据处理与分析。
matplotlib：绘制数据图表。

这些工具可以帮助我们把原始数据整理成更容易理解的信息。例如，后续我们完全可以写一个日志分析程序，统计 HTTP 访问日志中的状态码分布，找出 404 和 500 错误最多的时间段。相比单纯查看日志，这种方式更容易形成可重复执行的分析流程。

人工智能与机器学习

现在提到 Python，很多人第一反应可能就是人工智能。这并不是没有原因。Python 拥有大量与人工智能相关的工具和框架，例如 PyTorch、scikit-learn，以及用于模型调用和数据处理的各种库。

在人工智能领域，Python 可以用于：

数据清洗和预处理。
机器学习模型训练与评估。
深度学习模型开发。
调用大模型 API。
开发 AI 应用和自动化工作流。

不过，这里需要区分两个概念。学习 Python，不等于马上就能训练大模型。

训练大型模型还涉及数学、算法、数据、算力和分布式系统等知识。但如果你的目标是开发 AI 应用，例如调用大模型接口、处理输入数据、组织业务逻辑，再把结果展示给用户，那么 Python 是非常值得掌握的基础工具。

对于想进一步学习 AI 应用部署和工程实践的读者来说，先学好 Python，也能为后续学习打下基础。

网络编程与自动化测试

除了上面几个领域，Python 还可以用于网络编程和自动化测试。

例如：

编写程序，向指定服务器发送 HTTP 请求。
调用 REST API，查询云资源信息。
自动测试 Web 接口是否正常。
对大量接口进行重复测试并生成报告。
定期检查某个服务是否能够正常访问。

这些场景有一个共同点：原本需要人工反复执行的操作，可以通过程序变成可重复、可验证的流程。

对于运维人员来说，这一点尤其重要。

我们不仅希望任务能够执行，更希望任务能够稳定、可重复地执行，并且在出现问题时留下足够的信息供我们排查。

为什么这么多人学习 Python？

前面已经介绍了 Python 能做什么，那么问题来了：既然编程语言这么多，为什么很多人会选择 Python？

语法简洁，比较容易入门

我们以输出一段文字为例。

Python：

1	print("Hello, Python!")

是不是很简单？

当然，其他语言也能完成同样的任务。但 Python 的语法设计比较注重可读性，很多基础操作不需要写太多代码。

这对于初学者来说是个优势。不过，语法简洁并不代表编程没有难度。

当你开始学习复杂的数据结构、程序设计、并发处理和大型项目时，仍然需要投入时间理解原理。

Python 能降低入门门槛，但不能代替练习。

丰富的标准库与第三方库

如果每个功能都需要自己从头编写，编程会是一件非常辛苦的事情。

例如，我们想读取 JSON 文件。在 Python 中，可以使用标准库提供的 json 模块，而不必自己编写一套完整的 JSON 解析器。

如果需要进行 HTTP 请求、处理表格数据或者开发 Web 应用，也有大量成熟的第三方工具可供选择。

这些工具能够减少重复工作，让我们把精力集中在真正需要解决的问题上。

当然，第三方库也不是越多越好。实际项目中，还要考虑依赖关系、维护情况、安全性和版本兼容性。

应用领域广泛

有些语言主要应用于特定领域，而 Python 的应用范围比较广。你可以先用它写一个简单脚本，再逐步学习文件处理、网络编程、Web 开发，甚至 AI 应用。这种学习路径比较灵活。

即使你最初只是想自动化几个 Linux 命令，后续也可以根据工作需要继续深入。

适合快速开发与自动化

假设你需要每天生成一份服务器巡检报告。最开始，你可能需要手动执行命令，再把结果复制到文档中。后来，你可以编写 Python 程序，自动收集数据、整理结果并生成报告。当需求变化时，还可以继续增加磁盘告警、服务状态检查等功能。这就是 Python 在自动化任务中的一个优势：能够比较方便地把多个操作组合起来，并随着需求逐步扩展。但也要记住，生产环境中的自动化程序不能只追求“能运行”，还应该考虑错误处理、日志记录、权限控制和安全性。

Python 和 Shell 有什么区别？

如果你是 Linux 运维人员，这一节值得多看几遍。因为很多刚接触 Python 的人会有一个疑问：

“我已经会 Shell 了，为什么还要学习 Python？”

这个问题问得很好。

先说结论：Shell 和 Python 并不是非此即彼的关系，两者可以配合使用。

Python 与 C/C++ 有什么区别？

C 和 C++ 常用于系统软件、底层开发、高性能程序以及对执行效率有较高要求的场景。

Python 则更注重开发效率和表达能力，适合快速编写脚本、处理数据和开发应用。

当然，这不是说 C/C++ 只能用于底层开发，也不是说 Python 不能用于性能敏感的系统。

实际选择还要考虑项目需求、性能要求、开发成本和已有技术栈。

对于初学者而言，现在不需要深入比较这些语言的实现细节。先把 Python 学好，再逐步了解不同语言的优势即可。

Python 与 Java 有什么区别？

Java 广泛应用于企业级应用、后端服务和大型业务系统。

Python 则经常用于自动化、数据处理、AI 应用和 Web 开发等场景。

两者都可以开发后端应用，也都拥有成熟的生态。

它们在类型系统、运行机制、开发方式和生态工具方面有所不同，但不能简单地说哪一种语言绝对更好。

对于我们这个系列，重点不是比较语言排名，而是先掌握 Python，并学会使用它解决实际问题。

Python 与 Shell 有什么区别？

这才是 Linux 运维人员最关心的问题。

我们用一个表格来对比：

比较维度	Shell	Python
常见用途	命令组合、系统管理、任务编排	自动化、数据处理、复杂逻辑、应用开发
执行系统命令	非常直接	可以通过相关模块调用
文本处理	管道、`grep`、`sed`、`awk` 等	字符串处理、正则表达式及各种库
结构化数据	可以处理，但复杂场景可能比较繁琐	适合处理字典、列表、JSON 等数据
复杂逻辑	能实现，但脚本变复杂后维护成本可能上升	便于组织函数、模块和类
外部依赖	依赖系统命令及相关工具	可使用标准库和第三方库

我们举两个例子。

如果只是查看磁盘使用情况：

df -h

一条命令就能解决问题，没必要专门写 Python 程序。

如果要从多个服务器收集数据、解析不同格式的输出、计算指标、判断告警条件，再把结果转换成 JSON 并发送到接口中，Python 往往更方便组织整个流程。

当然，Shell 也可以完成复杂任务，Python 也可以直接调用系统命令。两者的边界不是绝对的。

实际工作中，可以根据需求灵活组合。

例如，用 Shell 完成简单的系统操作，再由 Python 负责数据分析、结果汇总和 API 调用。

不要为了使用 Python 而使用 Python，也不要因为已经掌握 Shell，就拒绝学习其他工具。

工具是为了解决问题，而不是为了争论谁更厉害。

准备 Python 学习环境

看到这里，你可能已经想动手写代码了。

先别着急安装一堆工具，我们先了解一下，学习 Python 需要准备什么。

需要什么基础？

如果你以前没有学过编程，也可以从 Python 开始。入门阶段不要求你提前掌握 C、Java 或其他编程语言。

你只需要具备一些基本能力：

能够使用电脑，创建和编辑文件。
知道如何打开终端或命令提示符。
愿意跟着示例动手操作。
遇到错误时，愿意查看提示并尝试解决。

如果你已经会 Linux 命令行，那么学习 Python 时会有一些优势。

例如，你已经熟悉目录、文件、权限、进程等概念，后续学习系统管理相关模块时会更容易理解。但如果你是 Windows 用户，也完全没有问题。

Python 可以在 Windows、Linux 和 macOS 等系统中使用。我们后续会以常见的 Python 3 环境为主，并在涉及系统差异时说明对应的操作方式。

需要安装哪些工具？

学习 Python，主要会接触以下几个东西。

第一，Python 解释器。

它负责读取并执行 Python 程序。

后续我们会学习如何安装 Python 3，以及如何查看当前使用的版本。

第二，代码编辑器。

你可以使用 VS Code 等编辑器编写和管理代码。

初学阶段，不必花太多时间纠结编辑器。能编写代码、保存文件、查看错误信息就够了。

第三，终端。

Linux 用户可以使用终端，Windows 用户可以使用 PowerShell 或命令提示符。

我们会逐步学习如何通过命令运行 Python 程序。

第四，pip。

pip 是 Python 常用的第三方软件包安装工具。

当我们需要安装额外的 Python 库时，就可能使用它。

不过，Python 自带的标准库与第三方库不同，不是所有功能都需要通过 pip 安装。

这些工具现在只需要有一个基本印象即可。

下一篇，我们会具体介绍 Python 环境的安装与检查，不会要求你现在就把所有工具配置好。

用一个小案例看看 Python 能做什么

前面讲了这么多概念，可能还是有人会问：

“我明白 Python 很有用，但它到底能帮我做什么？”

我们直接看一个简单的 Linux 运维案例。假设我们想检查 Linux 根分区的磁盘使用率。

在 Linux 中，可以使用下面的命令：

df -h /

它会展示根分区对应文件系统的容量、已用空间、可用空间和使用率。那么，能不能让 Python 获取磁盘使用情况，并计算出使用百分比？

当然可以。

编写磁盘使用率检查程序

创建一个名为 disk_usage.py 的文件，写入以下代码：

import shutil

usage = shutil.disk_usage("/")
percent = usage.used / usage.total * 100

print(f"根分区使用率：{percent:.1f}%")

这就是一个完整的 Python 小程序。

如果你暂时还没安装 Python，可以先阅读代码，不必急着执行。等下一篇搭建好环境之后，再亲自动手运行。

这几行代码是什么意思？

我们逐行来看。

第一行：

1	import shutil

这里的 import 可以理解为导入模块。shutil 是 Python 标准库中的一个模块，提供了许多文件和目录操作功能，也包含查询磁盘使用情况的接口。

我们不需要自己从底层读取磁盘信息，可以直接使用已有功能。

第二行：

1	usage = shutil.disk_usage("/")

这里调用了 shutil.disk_usage() 函数，查询路径 / 所在文件系统的磁盘使用情况。

在 Linux 中，/ 是根目录。

这个函数会返回总容量、已用空间和可用空间等信息。为了便于后续计算，我们将返回结果保存到 usage 这个变量中。

你可以暂时把变量理解为一个用于保存数据的名字。

第三行：

1	percent = usage.used / usage.total * 100

这行代码计算磁盘使用率。

计算公式是：

$$
\text{使用率}=\frac{\text{已用空间}}{\text{总空间}}\times100%
$$

这里的 usage.used 表示已用空间，usage.total 表示总空间。

例如，如果某个文件系统的总容量为 100 GB，已经使用了 70 GB，那么使用率就是 70%。

最后一行：

1	print(f"根分区使用率：{percent:.1f}%")

这里使用 print() 输出结果。

字符串前面的 f 表示这是一个格式化字符串，{percent:.1f} 表示将 percent 的数值格式化为保留一位小数的形式。

因此，程序可能输出类似下面的结果：

1	根分区使用率：67.3%

这里的数字只是示例。实际输出取决于你运行程序时根分区的真实使用情况。

这个小程序有什么用？

你可能会说：

“这不就是把 df -h / 换成了 Python 吗？好像也没有什么特别的。”

这个问题很合理。

如果我们只查询一次磁盘使用率，那么直接执行 df -h / 确实更简单。

但是，如果我们想继续扩展功能呢？

例如：

使用率超过 80% 时输出警告。
同时检查多个挂载点。
把检查结果保存到文件。
定期检查并生成报告。
将结果发送给监控系统或者告警接口。

我们就可以在现有程序的基础上逐步增加功能。

例如，先增加一个简单的判断：

if percent >= 80:
    print("警告：磁盘使用率已经达到 80%！")
else:
    print("磁盘使用情况正常。")

这里出现了 if 和 else，它们用于根据条件决定执行哪一段代码。

如果你现在还不理解它们的语法，没有关系。后续学习条件判断时，我们会详细介绍。

通过这个案例，我们希望你先建立一个认识：

Python 不只是用来输出文字，它还可以获取系统信息、计算数据，并根据计算结果执行不同的操作。

这正是编程的价值所在。

当然，这个案例只是一个入门演示。真正用于生产环境的磁盘巡检工具，还需要考虑多个挂载点、特殊文件系统、告警策略、异常处理和执行权限等问题。

整个 Python 系列将学习什么？

学到这里，我们已经知道 Python 是什么，也看到了它在实际工作中的一些应用。

接下来应该学什么？

如果你希望系统地掌握 Python，我不建议一开始就直接学习复杂项目，也不建议东学一个库、西学一个框架。

更好的方式是按照从基础到实战的顺序，逐步建立完整的知识体系。我后续的博客会更新python所涉及的核心编程知识，再结合实际案例组织内容。

第一阶段：掌握 Python 基础语法

首先，我们要学会读懂和编写简单的 Python 代码。

主要内容包括：

Python 环境搭建与程序运行。
变量与数据类型。
数字、字符串和基本运算。
条件判断与循环。
列表、元组、集合和字典。
函数与基本代码组织方式。

学完这一阶段，你应该能够编写一些简单的程序，而不只是复制别人的代码。

第二阶段：学习常用编程组件

掌握基础语法后，我们需要学习如何编写结构更清晰、功能更完整的程序。

这一阶段会涉及：

文件读写。
异常处理。
模块与包。
面向对象编程。
正则表达式。
JSON 数据处理。
调试工具与常见错误排查。

这些知识会让我们逐步具备开发实用程序的能力。

第三阶段：把 Python 用到实际工作中

基础语法学完之后，千万不要一直停留在练习题里。真正重要的是，把学到的知识用起来。

例如，我们可以从一些小项目开始：

编写日志分析工具。
自动检查 Linux 磁盘和内存。
读取配置文件并生成检查报告。
批量处理文件和目录。
调用 HTTP API 获取数据。

通过这些项目，你会逐渐理解变量、循环、函数、文件操作等知识在实际工作中的作用。

第四阶段：向自动化、云原生和 AI 应用拓展

当你具备一定的 Python 基础后，还可以继续拓展自己的能力。

例如：

使用 Python 调用云平台 API。
编写服务器巡检和资源管理工具。
通过 Kubernetes API 获取集群状态。
开发简单的 Web 管理平台。
调用大模型 API，构建 AI 应用。

如果你从事 Linux 运维、云计算或者云原生相关工作，这些内容会有比较直接的实践价值。

但要记住，后面的实战不是让你跳过基础语法，而是建立在前面知识的基础上逐步推进。

我们希望最终达到的目标，不是记住多少条 Python 语法，而是遇到一个实际问题时，知道如何分析需求、选择合适的工具，并通过代码解决问题。

总结：从认识 Python 开始

好了，第一篇我们先讲到这里。

今天没有讲太多复杂的代码，主要是帮助大家建立对 Python 的整体认识。

我们了解了 Python 是什么、它有哪些特点、可以应用在哪些领域，也比较了 Python 和 Shell 的区别。

最后，我们还编写了一个简单的磁盘使用率检查程序，体验了 Python 如何获取系统信息、计算数据并输出结果。

如果你目前还是零基础，不需要因为看不懂代码中的每个细节而着急。

学习编程本来就是一个循序渐进的过程。

今天看不懂的 import、变量、函数和条件判断，后续都会逐一讲解。随着学习深入，再回头看今天的例子，你会发现它其实并不复杂。

对于已经熟悉 Linux 的读者来说，也可以先想一想：自己日常工作中，哪些任务需要反复执行？哪些数据需要人工整理？哪些操作可以通过脚本自动化？

这些问题，都可以成为后续学习 Python 的实践方向。

下一篇，我们正式动手搭建 Python 学习环境。

我们会介绍如何安装和检查 Python 3、如何查看版本，以及如何准备一个适合初学者的编程环境。

从下一篇开始，就不只是认识 Python 了，我们要真正开始写代码。