Die Unterschiede zwischen Drucken in Python2 und Python3
Die print()-Methode wird sowohl in Python2 als auch in Python3 zum Drucken von Informationen bereitgestellt, aber der Druck zwischen den beiden Versionen unterscheidet sich geringfügig
Hauptsächlich spiegelt sich dies in den folgenden Aspekten wider:
1. „Print“ in Python3 ist eine integrierte Funktion mit mehreren Parametern, während „Print“ in Python2 eine grammatikalische Struktur ist ")
3. In Python2 muss die für die Eingabe erforderliche Eingabezeichenfolge in Anführungszeichen gesetzt werden. Um einige Verhaltensweisen zu vermeiden, die beim Lesen von Nicht-String-Typen auftreten, muss raw_input() anstelle von input() verwendet werden.
1. In Python3 fühlten sich die Entwickler vielleicht unwohl, dass print zwei Identitäten gleichzeitig hatte, also beließen sie nur die Identität der Funktion:Daher müssen Sie zum Drucken in Python3 Klammern verwenden, da es sich um eine Funktion handelt.
>>> print 'pythontab.com' SyntaxError: Missing parentheses in call to 'print'
Wie aus dem obigen Methodenprototyp ersichtlich ist,
print(value1, ..., sep=' ', end='\n', file=sys.stdout, flush=False)
1. print kann mehrere Parameter und das gleichzeitige Drucken mehrerer Zeichenfolgen unterstützen (wobei ... für mehrere Zeichenfolgen steht).
2 strings ;
3. end gibt an, welches Zeichen am Ende der Zeichenfolge hinzugefügt werden soll. Sie können den Ausdruck ohne Zeilenumbruch festlegen, indem Sie auf diesen Parameter verweisen Standard nach der Ausgabe der Zeichenfolge. Wenn Sie die Zeichenfolge nicht umbrechen möchten, fügen Sie einfach ein „“,“ am Ende der Anweisung hinzu. Aber unter Python 3.x wird print() zu einer integrierten Funktion und die alte Methode zum Hinzufügen von „“,“ funktioniert nicht.
>>> print("python", "tab", ".com", sep='') pythontab.com >>> print("python", "tab", ".com", sep='', end='') #就可以实现打印出来不换行 pythontab.com
Bei der Eingabe einer Zeichenfolge wird ein Fehler gemeldet, aber dieses Problem wird in Python3 gut gelöst .
print ("what do you like") a = input("Enter any content:") print ("i like",a)

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

PDF-Dateien sind für ihre plattformübergreifende Kompatibilität beliebt, wobei Inhalte und Layout für Betriebssysteme, Lesegeräte und Software konsistent sind. Im Gegensatz zu Python Processing -Klartextdateien sind PDF -Dateien jedoch binäre Dateien mit komplexeren Strukturen und enthalten Elemente wie Schriftarten, Farben und Bilder. Glücklicherweise ist es nicht schwierig, PDF -Dateien mit Pythons externen Modulen zu verarbeiten. In diesem Artikel wird das PYPDF2 -Modul verwendet, um zu demonstrieren, wie Sie eine PDF -Datei öffnen, eine Seite ausdrucken und Text extrahieren. Die Erstellung und Bearbeitung von PDF -Dateien finden Sie in einem weiteren Tutorial von mir. Vorbereitung Der Kern liegt in der Verwendung von externem Modul PYPDF2. Installieren Sie es zunächst mit PIP: pip ist p

Dieses Tutorial zeigt, wie man Redis Caching nutzt, um die Leistung von Python -Anwendungen zu steigern, insbesondere innerhalb eines Django -Frameworks. Wir werden Redis -Installation, Django -Konfiguration und Leistungsvergleiche abdecken, um den Vorteil hervorzuheben

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden
