4. 分支和循环：控制代码的执行流向
写代码说白了就是指挥计算机干活。但计算机不是傻子，它得听你的指令一步步来。可如果所有指令都排着队一条条执行，那程序就太死板了。这时候就需要分支和循环——让代码学会「判断」和「重复」。
我个人习惯把分支和循环比作交通信号灯和高速公路。分支是红绿灯，决定走哪条路；循环是绕圈跑，直到跑够圈数才停。今天咱们就把这两个核心概念掰开揉碎，从源码层面看看它们到底怎么影响打印速度和精度。
4.1 if 判断语句：代码的十字路口
if 语句是编程里最基础的判断工具。它的逻辑很简单：如果条件成立，就执行某段代码；否则跳过。我在项目中遇到过不少新手把 if 写成死胡同——条件永远为假，代码根本跑不进去。
# 基础 if 结构
temperature = 38
if temperature > 37:
print("体温偏高，建议复测") # 条件为 True 时执行你想想看，if 后面的条件其实就是一个布尔表达式。Python 会把任何非零、非空的值当作 True，把 0、None、空字符串当作 False。嗯，这里要注意：千万别把赋值号 = 和比较符 == 搞混了，我见过有人因为这个 bug 调试了一下午。
4.2 运算符：判断的基石
运算符是构成判断条件的砖瓦。没有运算符，if 语句就是个空壳。我把常用的运算符分成三类：比较运算符、逻辑运算符、成员运算符。
| 类型 | 运算符 | 说明 | 示例 |
|---|---|---|---|
| 比较 | ==, !=, >, <, >=, <= | 比较两个值 | age >= 18 |
| 逻辑 | and, or, not | 组合多个条件 | age > 18 and has_id |
| 成员 | in, not in | 检查是否在容器中 | "error" in log |
我曾经在优化打印日志时发现，用 in 运算符检查字符串比用 find() 方法快 30% 左右。说白了，Python 底层对 in 做了专门的优化，能直接走快速匹配路径。
if (age > 18) and (has_ticket or is_vip)，这样可读性高，也避免运算符优先级搞出幺蛾子。
4.3 if-else 语句：两条路选一条
if-else 比单纯的 if 多了一个「否则」分支。程序要么走 if 的路，要么走 else 的路，没有第三种可能。这在处理二值逻辑时特别有用——比如判断打印任务是否成功。
# if-else 实战：判断打印状态
print_status = "completed"
if print_status == "completed":
print("打印完成，可以取件")
else:
print("打印失败，请检查耗材")我记得有一次优化打印机的状态反馈，发现 if-else 的嵌套层数太多，代码读起来像迷宫。后来改用 elif 链式结构，清晰多了。但要注意：elif 本质上还是多个 if-else 的语法糖，性能上没有差别。
4.4 while 循环：重复直到条件不成立
while 循环就像个固执的守卫——只要条件为 True，它就一遍遍执行循环体。我在写打印队列的轮询逻辑时经常用 while，因为不知道要等多久，只能一直检查状态。
# while 循环：等待打印完成
import time
status = "printing"
while status == "printing":
print("正在打印，请稍候...")
time.sleep(1) # 模拟检查间隔
status = check_printer_status() # 假设这个函数返回状态你想想看，while 循环最怕什么？死循环！如果条件永远为 True，程序就卡死了。我曾经在调试时忘了更新循环变量，结果控制台刷了几万行日志，差点把硬盘撑爆。所以写 while 循环时，一定要确保循环体里有改变条件的语句。
time.sleep(0) 想提高响应速度，结果 CPU 占用飙到 100%。后来改成 time.sleep(0.01)，既保证了响应，又让 CPU 喘了口气。
4.5 for 循环：遍历一切可迭代对象
for 循环是 Python 里最优雅的循环方式。它不需要你手动管理索引，直接遍历列表、字符串、字典等任何可迭代对象。说白了，for 循环就是「挨个处理」的代名词。
# for 循环遍历打印任务列表
tasks = ["文档1.pdf", "图片2.png", "表格3.xlsx"]
for task in tasks:
print(f"正在打印：{task}")
# 实际打印代码...我个人习惯用 for 循环替代 while 循环，除非真的需要无限循环。为什么？因为 for 循环自动处理了迭代终止条件，不容易写出死循环。而且 Python 的 for 循环底层用了迭代器协议，性能上比手动索引快不少。
for _ in range(n)。下划线 _ 是 Python 的惯例，表示「这个变量我不关心」。这样既省内存，又让代码意图更清晰。
4.6 break 和 continue：循环的刹车与跳过
break 和 continue 是循环里的两个特殊指令。break 是急刹车——立即跳出整个循环；continue 是跳过当前轮——直接进入下一轮迭代。我在处理打印队列时经常用它们来控制流程。
# break 和 continue 实战
tasks = ["正常文档", "损坏文件", "正常图片", "病毒文件"]
for task in tasks:
if task == "损坏文件":
print(f"跳过：{task}")
continue # 跳过当前，继续下一个
if task == "病毒文件":
print("发现病毒，终止所有打印！")
break # 立即停止整个循环
print(f"打印：{task}")嗯，这里要注意：break 只跳出当前这一层循环。如果你有嵌套循环，break 只能跳出最内层。我曾经在多层循环里用 break 想一口气全退出，结果外层还在跑，数据全乱套了。后来改用 return 或者设置标志位才搞定。
- break：彻底结束循环，不再执行后续任何迭代
- continue：跳过本次迭代的剩余代码，直接进入下一次
- 两者通常配合 if 判断使用，形成「条件性中断」
最后说一句：分支和循环是编程的骨架。你写的每一行代码，最终都会被翻译成 CPU 能理解的跳转指令。理解它们的底层逻辑，你就能写出更高效、更稳定的代码。下次咱们聊聊函数和模块——怎么把代码组织得井井有条。