Java程序员的Python课

这门课给谁？

• 写 Java 3 年以上，准备转 Python 的工程师
• 想在 AI / 数据 / 自动化场景里更快落地
• 不追求“语法大全”，先抓住思维差异

先统一心智模型

• Java：强调类型显式、编译期约束、工程边界
• Python：强调表达速度、运行期灵活、少样板代码
• 迁移关键：保留工程习惯，拥抱语言弹性

变量与类型：动态但不是“无类型”

• Python 是动态类型：变量没有固定类型，值有类型
• Duck Typing：关注“能不能做”而不是“是不是某接口”
• 需要靠测试、类型注解和代码评审守住质量

x = 1
x = "now string"   # 合法，x 绑定了新对象

空值语义：null vs None

• Java 常见 NullPointerException
• Python 用 None 表示“无值”，但同样会触发属性访问错误
• 推荐写法：显式判断 is None / is not None

if user is None:
    return "guest"

集合表达力：推导式很强

• Java 8+ Stream 已经很强，但写法更“管道化”
• Python 列表/字典/集合推导式非常紧凑

List<Integer> evens = nums.stream()
    .filter(n -> n % 2 == 0)
    .collect(Collectors.toList());

evens = [n for n in nums if n % 2 == 0]

函数是一等公民

• 函数可以赋值、传参、返回
• 闭包和装饰器在框架里大量出现（Flask/FastAPI）

def timed(fn):
    def wrapper(*args, **kwargs):
        return fn(*args, **kwargs)
    return wrapper

OOP 不同点：继承不是唯一主角

• Python 同样支持类、继承、多态
• 但更常见“组合 + 函数式工具 + 协议化接口”
• 少量类 + 清晰模块边界，往往比全类层级更 Pythonic

并发模型：线程不是唯一答案

• Java：线程池 + CompletableFuture 很常用
• Python：I/O 场景优先 asyncio，CPU 场景考虑多进程
• 认识 GIL：多线程不等于 CPU 并行

import asyncio

async def fetch_all(urls):
    tasks = [fetch(url) for url in urls]
    return await asyncio.gather(*tasks)

异常处理：更轻但要更自律

• Java 强调受检异常（checked exception）
• Python 全是运行时异常风格，易写但也易漏
• 实践：只捕获你知道能处理的异常类型

工程化：不是“脚本语言就随便写”

• 包管理：uv / pip / poetry
• 质量工具：ruff、black、mypy、pytest
• 建议最小基线：格式化 + lint + 单测 + 类型检查

数据类：dataclass 很像轻量 POJO

from dataclasses import dataclass

@dataclass
class User:
    id: int
    name: str

• 自动生成 __init__ / __repr__ / 比较方法
• 明确数据结构，又不写大量模板代码

迁移策略（实战）

1. 先用 Python 写边缘工具（报表、自动化、ETL）
2. 再写服务侧非核心链路（异步任务、AI 编排）
3. 最后再考虑核心服务迁移与性能基线重建

Java 程序员常见坑

• 把所有逻辑都“类化”，导致 Python 写得很重
• 过度追求一开始就抽象完美
• 忽略虚拟环境、依赖锁定、CI 质量门禁

一页总结

• 保留 Java 的工程纪律（分层、测试、可观测）
• 学会 Python 的表达方式（简洁、可读、快速迭代）
• 先跑起来，再持续收敛为“可维护系统”

Q&A

谢谢，欢迎讨论你正在迁移的真实业务场景。