Python作为一门新型的编程语言(一般常用作脚本语言)很受欢迎，毕竟相对其他的编程语言(Java ，C#等)来说比较容易入手。那么，在学习玩入门Python的时候，应该从哪方面入手，学习流程是怎样的呢?以下是小编为你整理的python从入门到实践
基础知识:学习每一种新的编程语言都是从最基本的开始，对于python而言也是需要先学习其基础知识。
[图片0]
python的基础知识包括:变量和数据类型，List和Tuple，条件判断和循环，Dict和Set， 函数，切片，迭代和列表生成式。
注意:学习基础知识切莫着急，一定要打好基础，这样才会更好的应用python。
进阶知识:学完掌握基础知识之后，就要学习进阶知识了。
python的进阶知识包括:函数式编程，模块，面向对象编程基础，类的继承和定制类。
python装饰器:装饰器是很重要的一个知识点。
关于装饰器需要涉及到函数作用域.闭包的使用和装饰器的概念及使用。
如何搭建环境
学习爬虫首先学习Python，建议通过中国大学mooc和《笨方法学Python》来实现入门，那本书的内容可以有所取舍。通过这两个途径再上网上针对性地查找相关内容完全可以入门，重点在于理解“面向对象”。
爬虫入门首先要明白一些网络技术，了解TCP/IP参考模型，并且对应用层的HTTP协议的方法和工作原理有一定的认识。爬虫爬取网页内容，大多数网页服务由HTTP协议实现。
正式学习爬虫库urllib和正则表达式，urllib灵活性很高，并且和你所学的网络原理、HTTP原理非常贴合，利于新手学习，正则表达式看看内容，再看几个实例就应该会用了，不推荐看乱七八糟的教程和MOOC(效果非常差，讲的跨度太大)，推荐书籍《精通Python网络爬虫 核心技术、框架与项目实战 》(韦玮)。同样是选择性的阅读。
学习完成之后，多加实践，推荐实战项目:1、爬取漫画网上的一部漫画的所有图片，并用PowerPoint做成PDF 2、爬取电影下载网站上的所有电影下载链接并整理到Excel。能独立完成这两个实战项目，恭喜你已经成功入门!
常见的函数应用
交换变量
x = 6
y = 5
x, y = y, x
print x
>>> 5
print y
>>> 6
if 语句在行内
print "Hello" if True else "World"
>>> Hello
连接
下面的最后一种方式在绑定两个不同类型的对象时显得很cool。
nfc = ["Packers", "49ers"]
afc = ["Ravens", "Patriots"]
print nfc + afc
>>> ['Packers', '49ers', 'Ravens', 'Patriots']
print str(1) + " world"
>>> 1 world
print `1` + " world"
>>> 1 world
print 1, "world"
>>> 1 world
print nfc, 1
>>> ['Packers', '49ers'] 1
数字技巧
#除后向下取整
print //2
>>> 2
# 2的5次方
print 2**5
>> 32
注意浮点数的除法
print .3/.1
>>> 2.
print .3//.1
>>>
数值比较
这是我见过诸多语言中很少有的如此棒的简便法
x = 2
if 3 > x > 1:
print x
>>> 2
if 1 < x > 0:
print x
>>> 2
5
同时迭代两个列表
nfc = ["Packers", "49ers"]
afc = ["Ravens", "Patriots"]
[图片1]
for teama, teamb in zip(nfc, afc):
print teama + " vs. " + teamb
>>> Packers vs. Ravens
>>> 49ers vs. Patriots
Python自然语言处理
《Python自然语言处理》是自然语言处理领域的一本实用入门指南，旨在帮助读者学习如何编写程序来分析书面语言。《Python自然语言处理》基于Python编程语言以及一个名为NLTK的自然语言工具包的开源库，但并不要求读者有Python编程的经验。
全书共11章，按照难易程度顺序编排。第1章到第3章介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息。第4章讨论结构化程序设计，以巩固前面几章中介绍的编程要点。第5章到第7章介绍语言处理的基本原理，包括标注、分类和信息提取等。第8章到第10章介绍了句子解析、句法结构识别和句意表达方法。第11章介绍了如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
《Python自然语言处理》的实践性很强，包括上百个实际可用的例子和分级练习。《Python自然语言处理》可供读者用于自学，也可以作为自然语言处理或计算语言学课程的教科书，还可以作为人工智能、文本挖掘、语料库语言学等课程的补充读物。