Python基础速成：语法要点、数据类型、流程控制、函数与模块

自动化运维的核心在于“用代码替代重复手工操作”，而Python之所以成为运维开发的首选语言，正是因为它语法简洁、生态丰富、上手极快。本章将围绕四个关键维度展开：语法要点、数据类型、流程控制、函数与模块。这四者构成了编写任何自动化脚本的底层骨架——无论你是要批量处理日志、定时巡检服务器，还是调用云平台API完成资源编排，都离不开对这些基础能力的熟练运用。我们不仅要“看懂”语法，更要建立“用Python思考运维问题”的直觉。

语法要点：从“看懂”到“写对”

核心原理：Python的语法设计哲学是“可读性优先”。与C或Java不同，Python使用缩进（通常为4个空格）来界定代码块，而不是花括号。这意味着代码的视觉结构直接反映了逻辑层次。在自动化脚本中，一个常见的错误是混用Tab和空格，这会导致IndentationError，在批量处理多台服务器配置时尤其令人头疼。

判断方法与操作流程：编写Python脚本时，请遵循以下顺序自查：

1. 检查缩进一致性：在IDE（如VS Code、PyCharm）中开启“显示空白字符”功能，确保所有缩进均为空格。
2. 理解动态类型：变量无需声明类型，解释器会在运行时推断。例如 server_ip = "192.168.1.1" 是字符串，而 port = 8080 是整数。
3. 善用注释：使用 # 进行单行注释，使用三引号 """...""" 编写函数或模块的文档字符串（docstring），这对于运维脚本的长期维护至关重要。

# 正确示例：统一使用4空格缩进
def check_port(ip, port):
    """检查指定IP的端口是否开放"""
    import socket
    s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
    s.settimeout(2)
    try:
        s.connect((ip, port))
        return True
    except Exception:
        return False
    finally:
        s.close()

案例拆解：假设我们需要编写一个脚本，读取servers.txt中的IP列表，并逐一测试22端口（SSH）的连通性。如果缩进错误，脚本可能在执行到第10台服务器时崩溃，导致前9台的结果丢失。通过严格遵循缩进规则，并利用try-except-finally结构，我们可以确保每一台服务器的检测结果都被记录，且socket资源被正确释放。

数据类型：选择正确的容器

核心原理：Python内置了多种数据类型，但在自动化运维中，最常用的是字符串（str）、列表（list）、字典（dict）和集合（set）。理解它们的特性——尤其是“可变性”和“有序性”——是高效处理数据的基础。

操作流程：在编写脚本时，先问自己三个问题：数据是否需要修改？是否需要保持顺序？是否需要快速查找？例如，要统计日志中出现过的所有IP地址，使用set可以自动去重；要按时间顺序处理任务，则使用list。

# 实战：解析nginx日志中的IP并去重
log_file = "/var/log/nginx/access.log"
ip_set = set()
with open(log_file, "r") as f:
    for line in f:
        ip = line.split()[0]  # 假设IP是第一列
        ip_set.add(ip)
print(f"独立IP数量: {len(ip_set)}")

案例拆解：某运维团队需要对比两台负载均衡器上的后端服务器列表。使用set的差集操作，可以瞬间找出“仅在A上”和“仅在B上”的服务器，而无需编写双重循环。这比使用list进行in判断的效率高出一个数量级（O(n) vs O(n²)）。

流程控制：让脚本拥有决策能力

核心原理：流程控制包括条件分支（if/elif/else）和循环（for/while）。在自动化运维中，循环是批量操作的基础，而条件分支则用于处理异常情况或不同环境下的差异化配置。

判断方法：选择for还是while？如果已知迭代次数（如遍历文件列表），使用for；如果循环次数取决于运行时条件（如等待服务启动），使用while。此外，for循环常与enumerate()配合，同时获取索引和值。

# 使用for循环批量重命名文件
import os
for idx, filename in enumerate(os.listdir("/tmp/logs")):
    if filename.endswith(".log"):
        new_name = f"backup_{idx}_{filename}"
        os.rename(f"/tmp/logs/{filename}", f"/tmp/logs/{new_name}")

案例拆解：编写一个服务健康检查脚本，需要连续5次检测HTTP状态码，若3次返回200则判定为“健康”，否则触发告警。这里需要for循环结合break提前退出，以及计数器逻辑。若使用while，则需手动管理计数器，容易出错。

函数与模块：代码复用的基石

核心原理：函数（def）将一段逻辑封装为可调用的单元，而模块（.py文件）则是函数的集合。在自动化运维中，将“发送邮件告警”、“连接SSH执行命令”、“解析JSON配置”等通用操作封装为函数，可以避免重复造轮子，并提高脚本的可测试性。

操作流程：

1. 定义函数：明确输入参数（args）和返回值（return）。对于可选参数，设置默认值。
2. 使用模块：通过import导入标准库（如os, sys, subprocess）或第三方库（如requests, paramiko）。
3. 避免副作用：函数应尽量只通过参数和返回值与外部交互，避免直接修改全局变量，这样便于单元测试。

# 模块化设计：将通用功能独立成函数
import subprocess
import sys

def run_cmd(cmd, timeout=10):
    """执行shell命令并返回输出"""
    try:
        result = subprocess.run(cmd, shell=True, capture_output=True, text=True, timeout=timeout)
        return result.returncode, result.stdout.strip()
    except subprocess.TimeoutExpired:
        return -1, "Command timed out"

if __name__ == "__main__":
    code, output = run_cmd("uptime")
    if code == 0:
        print(f"服务器负载: {output}")
    else:
        print(f"执行失败: {output}", file=sys.stderr)

案例拆解：假设我们需要一个脚本，能够批量检查多台服务器的磁盘使用率，并发送告警。我们将“获取磁盘信息”和“发送告警”分别封装为函数。这样，当监控工具从Nagios切换到Zabbix时，只需修改“发送告警”函数，而无需改动主逻辑。这种模块化设计大大降低了维护成本。

总结复盘：本章所讲的四个部分并非孤立存在。语法是骨架，数据类型是血肉，流程控制是神经系统，函数与模块则是器官。在编写自动化脚本时，建议先画出简单的逻辑流程图，再动手写代码。对于超过50行的脚本，务必拆分为多个函数；对于超过200行的脚本，考虑拆分为多个模块。记住，优秀的自动化脚本不仅是“能跑”，更是“能改”、“能查”、“能复用”。