Python (Programmiersprache)

Python
Basisdaten
Paradigmen:	multiparadigmatisch
Erscheinungsjahr:	1991
Entwickler:	Python Software Foundation
Aktuelle Version:	3.2.2  (4. September 2011) 2.7.2  (11. Juni 2011)
Typisierung:	stark, dynamisch („Duck-Typing“)
wichtige Implementierungen:	CPython, Jython, IronPython, PyPy
Einflüsse:	ABC, Algol 60, Modula-3, Icon, C, Perl, LISP, Smalltalk, Tcl, Haskell
Beeinflusste:	Ruby, Boo, Groovy, Cython
Lizenz:	Python Software Foundation Lizenz[1]
www.python.org

Python [ˈpaɪθn̩] ist eine universelle, üblicherweise interpretierte höhere Programmiersprache.^[2] Ihre Entwurfsphilosophie betont Programmlesbarkeit.^[3] Ihr Gebrauch von Einrückung zur Blockbegrenzung unterscheidet sie von den meisten verbreiteten Programmiersprachen.

Python unterstützt mehrere Programmierparadigmen. So werden objektorientierte, aspektorientierte und funktionale Programmierung unterstützt. Wie andere dynamische Sprachen wird Python oft als Skriptsprache genutzt.

Die Sprache hat ein offenes, gemeinschaftsbasiertes Entwicklungsmodell, gestützt durch die gemeinnützige Python Software Foundation, die de facto die Definition der Sprache in CPython, der Referenzumsetzung pflegt.

Entwicklungsgeschichte

Die Sprache wurde Anfang der 1990er Jahre von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam als Nachfolger für die Programmier-Lehrsprache ABC entwickelt und war ursprünglich für das verteilte Betriebssystem Amoeba gedacht. Alle bisherigen Implementierungen der Sprache (siehe auch Jython oder Stackless Python) übersetzen den Text eines Python-Programms transparent in einen Zwischencode, der dann von einem Interpreter ausgeführt wird.

Namensherkunft

Der Name geht nicht etwa (wie das Logo vermuten ließe) auf die gleichnamige Schlangengattung (Pythons) zurück, sondern bezog sich ursprünglich auf die englische Komikertruppe Monty Python. In der Dokumentation finden sich daher auch einige Anspielungen auf Sketche aus dem Flying Circus.^[4] Trotzdem etablierte sich die Assoziation zur Schlange, was sich unter anderem in der Programmiersprache Cobra^[5] sowie dem Python-Toolkit „Boa“^[6] äußert.

Ziele

Python wurde mit dem Ziel entworfen, möglichst einfach und übersichtlich zu sein. Dies soll durch zwei Maßnahmen erreicht werden: Zum einen kommt die Sprache mit relativ wenigen Schlüsselwörtern aus,^[7] zum anderen ist die Syntax reduziert und auf Übersichtlichkeit optimiert.

Durch die Möglichkeit, auch Programme anderer Sprachen als Modul einzubetten, werden viele Nischen in der Programmierung abgedeckt. Bei Bedarf lassen sich so beispielsweise zeitkritische Teile durch in maschinennäheren Sprachen, wie z. B. C, programmierte Routinen ersetzen, oder Python kann als Skriptsprache eines anderen Programms dienen (Beispiele: OpenOffice.org, Blender, Cinema 4D, Maya, PyMOL, SPSS und GIMP).

Python ist eine Multiparadigmensprache. Das heißt, Python zwingt den Programmierer nicht zu einem einzigen bestimmten Programmierparadigma, sondern erlaubt es, das für die jeweilige Aufgabe am besten geeignete Paradigma zu wählen. Objektorientierte und strukturierte Programmierung werden vollständig unterstützt, weiterhin gibt es Spracheigenschaften für funktionale und aspektorientierte Programmierung.

Die Datentypen werden dynamisch verwaltet; eine statische Typprüfung (wie z. B. bei C++) gibt es nicht. Die Freigabe nicht mehr benutzter Speicherbereiche erfolgt durch automatische Speicherbereinigung (garbage collection). Unicode-Unterstützung existiert seit Version 2.0.

Ab der Versionsreihe 2.6 können sich Entwickler mit dem Kommandozeilenparameter „-3“ alle Konstrukte in ihrem Code anzeigen lassen, die es ab Python 3.0 nicht mehr gibt.^[8]

Datentypen und Strukturen

Python besitzt eine größere Anzahl von grundlegenden Datentypen. Neben der herkömmlichen Ganzzahl- und Gleitkommaarithmetik unterstützt es transparent auch beliebig große Ganzzahlen und komplexe Zahlen.

Es verfügt über die übliche Ausstattung an Zeichenkettenoperationen. Zeichenketten sind in Python allerdings unveränderliche Objekte (wie auch in Java). Damit führen Operationen, die das Ändern einer Zeichenkette bewerkstelligen sollen – wie z. B. das Ersetzen von Zeichen – dazu, dass stattdessen eine neue Zeichenkette zurückgegeben wird.

In Python ist alles ein Objekt; Klassen, Typen, Methoden, Module etc. Der Datentyp ist jeweils an das Objekt (den Wert) gebunden und nicht an eine Variable, d. h. Datentypen werden dynamisch vergeben, so wie bei Smalltalk oder LISP – und nicht wie bei Java.

Trotz der dynamischen Typverwaltung enthält Python eine gewisse Typprüfung. Diese ist strenger als bei Perl, aber weniger strikt als etwa bei Objective CAML. Implizite Umwandlungen nach dem Duck-Typing-Prinzip sind unter anderem für numerische Typen definiert, so dass man beispielsweise eine komplexe Zahl mit einer langen Ganzzahl ohne explizite Typumwandlung multiplizieren kann. Anders als bei Perl gibt es allerdings keine implizite Umwandlung zwischen Zahlen und Zeichenketten; in Operationen für Zeichenketten kann also anstelle einer Zeichenkette nicht direkt eine Zahl verwendet werden. Der Operator == überprüft zwei Objekte auf (Wert-)Gleichheit. Der Operator is überprüft die tatsächliche Identität zweier Objekte.^[9]

Sammeltypen

Python besitzt mehrere Sammeltypen, darunter Listen, Tupel, Mengen (Sets) und Wörterbücher (Dictionaries). Listen, Tupel und Zeichenketten sind Folgen (Sequenzen, Arrays) und kennen fast alle die gleichen Methoden: Über die Zeichen einer Kette kann man ebenso iterieren wie über die Elemente einer Liste. Außerdem gibt es die unveränderlichen Objekte, die nach ihrer Erzeugung nicht mehr geändert werden können. Listen sind z. B. erweiterbare Felder (Arrays), wohingegen Tupel und Zeichenketten eine feste Länge haben und unveränderlich sind.

Der Zweck solcher Unveränderlichkeit hängt z. B. mit den Wörterbüchern zusammen, einem Datentyp, der auch als assoziatives Array bezeichnet wird. Um die Datenkonsistenz zu sichern, müssen die Schlüssel eines Wörterbuches vom Typ „unveränderlich“ sein. Die ins Wörterbuch eingetragenen Werte können dagegen von beliebigem Typ sein.

Sets sind Mengen von Objekten und in CPython ab Version 2.4 im Standardsprachumfang enthalten. Diese Datenstruktur kann beliebige (paarweise unterschiedliche) Objekte aufnehmen und stellt Mengenoperationen wie beispielsweise Durchschnitt, Differenz und Vereinigung zur Verfügung.

Objektsystem

Das Typsystem von Python ist auf das Klassensystem abgestimmt. Obwohl die eingebauten Datentypen genau genommen keine Klassen sind, können Klassen von einem Typ erben. So kann man die Eigenschaften von Zeichenketten oder Wörterbüchern erweitern – auch von Ganzzahlen. Python unterstützt Mehrfachvererbung.

Die Sprache unterstützt direkt den Umgang mit Typen und Klassen. Typen können ausgelesen (ermittelt) und verglichen werden und verhalten sich wie Objekte – in Wirklichkeit sind die Typen (wie in Smalltalk) selbst ein Objekt. Die Attribute eines Objektes können als Wörterbuch extrahiert werden.

Syntax

Eines der Entwurfsziele für Python war die gute Lesbarkeit des Quellcodes. Die Anweisungen benutzen häufig englische Schlüsselwörter, wo andere Sprachen Symbole einsetzen. Darüber hinaus besitzt Python weniger syntaktische Konstruktionen als viele andere strukturierte Sprachen wie C, Perl oder Pascal:

• zwei Schleifenformen
  • for zur Iteration über die Elemente einer Sequenz
  • while zur Wiederholung einer Schleife, solange ein logischer Ausdruck wahr ist.
• Verzweigungen
  • if … elif … else für Verzweigungen

Beim letzten Punkt bieten andere Programmiersprachen zusätzlich switch und/oder goto. Diese wurden zugunsten der Lesbarkeit in Python weggelassen und müssen durch if-Konstrukte oder andere Verzweigungsmöglichkeiten (Slices, Wörterbücher) abgebildet werden.

Strukturierung durch Einrücken

Python benutzt wie Miranda und Haskell Einrückungen als Strukturierungselement. Diese Idee wurde erstmals von Peter J. Landin vorgeschlagen und von ihm off-side rule („Abseitsregel“) genannt. In den meisten anderen Programmiersprachen werden Blöcke durch Klammern oder Schlüsselwörter markiert, während verschieden große Leerräume außerhalb von Zeichenketten keine spezielle Semantik tragen. Bei diesen Sprachen ist die Einrückung zur optischen Hervorhebung eines Blockes zwar erlaubt und in der Regel auch erwünscht, aber nicht vorgeschrieben. Für Programmierneulinge wird der Zwang zu lesbarem Stil aber als Vorteil gesehen.

Hierzu ein kurzes Beispiel: Hier sind Funktionen in C und in Python, die das gleiche ausführen – die Fakultät einer Ganzzahl berechnen.

Fakultätsfunktion in C (ohne Einrückung):

int fakultaet(int x) {if (x > 1) return x * fakultaet(x - 1); else return 1;}

Fakultätsfunktion in C (mit Einrückung):

int fakultaet(int x)
{
    if (x > 1)
        return x * fakultaet(x - 1);
    else
        return 1;
}

Jetzt die gleiche Funktion in Python:

def fakultaet(x):
    if x > 1:
        return x * fakultaet(x - 1)
    else:
        return 1

Die Fakultätsfunktion ohne Einrückung in Python:

def fakultaet(x): return x * fakultaet(x - 1) if x > 1 else 1

Es ist jedoch darauf zu achten, die Einrückungen im gesamten Programmtext gleich zu gestalten. Die gemischte Verwendung von Leerzeichen und Tabulatorzeichen kann zu Problemen führen, da der Pythoninterpreter Tab-Stops im Abstand von acht Leerzeichen annimmt. Je nach Konfiguration des Editors können Tabulatoren optisch mit weniger als acht Leerzeichen dargestellt werden, was zu Syntaxfehlern oder ungewollter Programmstrukturierung führen kann. Als vorbeugende Maßnahme kann man den Editor Tabulatoren durch eine feste Anzahl von Leerzeichen ersetzen lassen. Die Python-Distribution enthält in der Standardbibliothek das Modul tabnanny, welches die Vermischung von Tabulatoren und Leerzeichen erkennen und beheben hilft.

Funktionales Programmieren

Ausdrucksstarke syntaktische Elemente zur funktionalen Programmierung vereinfachen das Arbeiten mit Listen und anderen Sammeltypen. Eine solche Vereinfachung ist die Listennotation, die aus der funktionalen Programmiersprache Haskell stammt; hier bei der Berechnung der ersten fünf Zweierpotenzen:

zahlen = [1, 2, 3, 4, 5]
zweierpotenzen = [2 ** n for n in zahlen]

Weil in Python Funktionen als Argumente auftreten dürfen, kann man auch ausgeklügeltere Konstruktionen ausdrücken, wie den Continuation-passing style.

Pythons Schlüsselwort lambda könnte manche Anhänger der funktionalen Programmierung fehlleiten. Solche lambda-Blöcke in Python können nur Ausdrücke enthalten, aber keine Anweisungen. Damit sind sie nicht der allgemeinste Weg, um eine Funktion zurückzugeben. Die übliche Vorgehensweise ist stattdessen, den Namen einer lokalen Funktion zurückzugeben. Das folgende Beispiel zeigt dies anhand einer einfachen Funktion nach den Ideen von Haskell Brooks Curry:

def add_and_print_maker(x):
    def temp(y):
        print("{} + {} = {}".format(x, y, x + y))
    return temp

Damit ist auch Currying auf einfache Art möglich, um generische Funktionsobjekte auf problemspezifische herunterzubrechen. Hier ein einfaches Beispiel:

def curry(func, knownargument):
    return lambda unknownargument: func(unknownargument, knownargument)

Wird die curry-Funktion aufgerufen, erwartet diese eine Funktion mit zwei notwendigen Parametern sowie die Parameterbelegung für den zweiten Parameter dieser Funktion. Der Rückgabewert von curry ist eine Funktion, die dasselbe tut wie func aber nur noch einen Parameter benötigt.

Anonyme Namensräume (sog. Closures) sind mit den o. g. Mechanismen in Python ebenfalls einfach möglich. Ein simples Beispiel für einen Stack, intern durch eine Liste repräsentiert:

def stack():
  l = []
  def pop(): return l.pop()
  def push(element): l.append(element)
  def isempty(): return len(l) == 0
  return pop, push, isempty
 
POP, PUSH, ISEMPTY = stack()

Auf diese Weise erhält man die drei Funktionsobjekte POP, PUSH, ISEMPTY, um den Stack zu modifizieren bzw. auf enthaltene Elemente zu prüfen, ohne l direkt modifizieren zu können.

Ausnahmebehandlung

Python nutzt ausgiebig die Ausnahmebehandlung (engl. exception handling) als ein Mittel, um Fehlerbedingungen zu testen. Dies ist so weit in Python integriert, dass es teilweise sogar möglich ist, Syntaxfehler abzufangen und zur Laufzeit zu behandeln.

Ausnahmen haben einige Vorteile gegenüber anderen beim Programmieren üblichen Verfahren der Fehlerbehandlung (wie z. B. Fehler-Rückgabewerte und globale Statusvariablen). Sie sind Thread-sicher und können leicht bis in die höchste Programmebene weitergegeben oder an einer beliebigen anderen Ebene der Funktionsaufruffolge behandelt werden. Der korrekte Einsatz von Ausnahmebehandlungen beim Zugriff auf dynamische Ressourcen erleichtert es zudem, bestimmte auf Race Conditions basierende Sicherheitslücken zu vermeiden, die entstehen können, wenn Zugriffe auf bereits veralteten Statusabfragen basieren.

Der Python-Ansatz legt den Einsatz von Ausnahmen nahe, wann immer eine Fehlerbedingung entstehen könnte. Nützlich ist dieses Prinzip beispielsweise bei der Konstruktion robuster Eingabeaufforderungen:

while True:
    try:
        num = raw_input("Eine Zahl eingeben: ")
        num = int(num)
        break
    except ValueError:
        print("Eine _Zahl_, bitte!")

Dieser Code wird den Benutzer so lange nach einer Nummer fragen, bis dieser eine Zeichenfolge eingibt, die sich per int() in eine Ganzzahl konvertieren lässt. Durch die Ausnahmebehandlung wird hier vermieden, dass eine Fehleingabe zu einem Laufzeitfehler führt, der das Programm zur Beendigung zwingt.

Ebenso kann auch das hier nicht berücksichtigte Interrupt-Signal (SIGINT, häufig Strg+C) mittels Ausnahmebehandlung in Python abgefangen und behandelt werden (except KeyboardInterrupt: …).

Standardbibliothek

Python verfügt über eine große Standardbibliothek, wodurch es sich für viele Anwendungen gut eignet. Sie ist eine der größten Stärken von Python. Der überwiegende Teil davon ist plattformunabhängig, so dass auch größere Python-Programme oft auf Unix, Windows, Mac OS X und anderen Plattformen ohne Änderung laufen. Die Module der Standardbibliothek können mit in C oder Python selbst geschriebenen Modulen ergänzt werden.

Die Standardbibliothek ist besonders auf Internet-Anwendungen zugeschnitten, mit der Unterstützung einer großen Anzahl von Standardformaten und -Protokollen (wie MIME und HTTP). Module zur Schaffung grafischer Schnittstellen, zur Verbindung mit relationalen Datenbanken und zur Manipulation regulärer Ausdrücke sind ebenfalls enthalten.

Mit Hilfe des mitgelieferten Moduls Tkinter kann in Python (wie in Perl und Tcl) schnell eine grafische Oberfläche (GUI) mit Tk erzeugt werden. Es gibt darüber hinaus eine Vielzahl von weiteren Wrappern von anderen Anbietern. Sie stellen Anbindungen (engl. language bindings) zu GUI-Bibliotheken wie z. B. PyGTK, PyQt, PyKDE, wxPython, PyObjC und PyFLTK zur Verfügung.

Beispiel

Als nicht triviales Beispiel sei hier der Quicksort-Algorithmus angegeben:

def quicksort(liste):
    if len(liste) <= 1:
        return liste
    pivotelement = liste.pop()
    links  = [element for element in liste if element < pivotelement]
    rechts = [element for element in liste if element >= pivotelement]
    return quicksort(links) + [pivotelement] + quicksort(rechts)

Hier ermöglicht insbesondere die Listennotation für die Variablen links und rechts eine kompakte Darstellung. Zum Vergleich eine imperative Formulierung dieser zwei Zeilen:

...
    links, rechts = [], [] # Leere Listen links und rechts
    pivotelement = liste.pop() # Das letzte Element aus der Liste nehmen
    for element in liste: # Die verkürzte Liste durchlaufen
        if element < pivotelement:
            links.append(element) # wenn < dann an linke Liste anhängen
        else:
            rechts.append(element) # wenn nicht < (also >=) dann an rechte Liste anhängen
...

Interaktive Benutzung

So wie LISP, Ruby, Groovy – und Perl im Debugger – unterstützt der Python-Interpreter auch einen interaktiven Modus, in dem Ausdrücke am Terminal eingegeben und die Ergebnisse sofort betrachtet werden können. Das ist nicht nur für Neulinge, die die Sprache lernen, angenehm, sondern auch für erfahrene Programmierer: Code-Stückchen können interaktiv ausgiebig getestet werden, bevor man sie in ein geeignetes Programm aufnimmt.

Darüber hinaus steht mit Python Shell ein Kommandozeileninterpreter für verschiedene unixoide Computer-Betriebssysteme zur Verfügung, der neben klassischen Unix-Shellkommandos auch direkte Eingaben in Python-Form verarbeiten kann.

Implementierungen

• CPython
• PyPy
• Parrot
• Jython (für die Java Virtual Machine)
• IronPython (für .NET)
• Stackless Python

Entwicklungsumgebung

Es existieren einige spezielle Entwicklungsumgebungen für Python, beispielsweise Eric Python IDE. Des Weiteren existieren Plugins für größere IDEs wie Eclipse und NetBeans. Texteditoren für Programmierer wie Vim und Emacs lassen sich gegebenenfalls auch für Python anpassen.

Verbreitung und Einsatz

• Python ist für die meisten gängigen Betriebssysteme frei erhältlich und eine der drei Sprachen, die häufig in einer LAMP-Umgebung eingesetzt werden. Um Python in den Webserver einzubinden, wurde mod python entwickelt, das die Ausführung im Vergleich zu CGI wesentlich beschleunigt und Daten persistent speichern kann. Als Alternative stellt WSGI eine universelle Schnittstelle zwischen Webserver und Python(-Framework) zur Verfügung.
• Eine Reihe von Web-Application-Frameworks nutzt Python, darunter Django, Pylons, SQLAlchemy, TurboGears, web2py, Flask oder Zope.
• Es gibt einen in Java implementierten Python-Interpreter namens Jython, mit dem die Bibliothek des Java Runtime Environments für Python verfügbar gemacht wird.
• Ebenso existiert eine Python-Implementierung (IronPython) für die .NET- bzw. Mono-Plattform.
• Um Python als Skriptsprache für Programme in C++ zu nutzen, setzt sich vermehrt die Boost.Python-Bibliothek durch.
• Ein Python-Parser für Parrot und ein in Python geschriebener Interpreter für Python, PyPy, welcher von der EU gefördert wurde, sind ebenfalls in Entwicklung.
• Es gibt einen Python-Interpreter für das Symbian-Betriebssystem, so dass Python auf verschiedenen Mobiltelefonen verfügbar ist.
• Es existiert ein Python-Interpreter für Mikrocontroller namens PyMite.^[10]
• Python in der Version 2.5.1 ist Bestandteil von AmigaOS 4.0.
• Python ist laut TIOBE Software die erfolgreichste Programmiersprache im Jahr 2010.^[11]
• Python wird im Rahmen des Projektes 100-Dollar-Laptop als Standardsprache für die Benutzeroberfläche verwendet. Da der 100-Dollar-Laptop für die Schulausbildung von Kindern konzipiert ist, soll bei Benutzung der dafür gestalteten grafischen Benutzeroberfläche „Sugar“ auf Knopfdruck der gerade laufende Python-Quellcode angezeigt werden.^[12] Damit soll Kindern die Möglichkeit gegeben werden, die dahinter liegende Informationstechnologie real zu erleben und nach Belieben „hinter die Kulissen“ zu schauen.
• Mehrere kommerzielle Projekte wie z. B. Eve Online, Google und Youtube nutzen zu Teilen Python.^[13]

Kritik

• Bei der Definition (aber nicht beim Aufruf) von Methoden muss der Parameter self, der dem Objekt entspricht, dessen Methode aufgerufen wird, explizit angegeben werden. Dies wird oft als unelegant und „nicht objektorientiert“ empfunden.^[14] Es ist aber nötig, um bestimmte wichtige Konstrukte zu ermöglichen;^[15] außerdem entspricht es dem Python-Grundsatz „Explicit is better than implicit“.^[16]
• In einer Methodendefinition erfordert der Aufruf der Basisklassenversion derselben Methode die explizite Angabe der Klasse und Instanz. Dies wird als Verletzung des DRY-Prinzips („Don't Repeat Yourself“) gesehen und behindert Umbenennungen. In Python 3.0 wurde dies behoben.^[17]
• Einige in anderen Sprachen gebräuchliche Kontrollstrukturen, wie do/while^[14], sind in Python nicht vorhanden und müssen auf andere Weise realisiert werden (z. B. durch „while True: … break“).
• Auf Multiprozessor-Systemen behindert der sogenannte Global Interpreter Lock (GIL) von CPython die Effizienz von Python-Anwendungen, die Multithreading benutzen.^[18] (Diese Beschränkung existiert unter Jython oder IronPython nicht.) Es ist nicht geplant, den GIL zu ersetzen. Stattdessen wird empfohlen, statt Threads mehrere miteinander kommunizierende Prozesse zu verwenden.^[19][20]
• In den aktuell vorherrschenden Implementationen ist die Geschwindigkeit niedriger als bei vielen kompilierbaren Sprachen,^[21] aber ähnlich wie bei Perl,^[22] PHP^[23] oder Smalltalk^[23] und höher als bei Ruby.^[24] Das liegt zum Teil daran, dass bei der Entwicklung von CPython Klarheit wichtiger als Performance eingestuft wird.^[25] Man beruft sich dabei auf Autoritäten wie Donald Knuth und Tony Hoare, die von verfrühter Optimierung abraten. Wenn Performanzprobleme auftreten, die nicht durch Optimierung des Python-Codes gelöst werden können,^[26] setzt man einen JIT-Compiler wie Psyco ein oder lagert zeitkritische Funktionen in maschinennähere Sprachen wie C oder gar Assembler (CorePy) aus. Mit Cython steht auch ein Compiler zur Verfügung, mit dem Python-Code in effiziente C-Erweiterungen übersetzt oder externer C-Code angebunden werden kann.

Literatur

Für den Einstieg

• Hans Petter Langtangen: A Primer on Scientific Programming with Python. Springer 2009. ISBN 978-3-642-02474-0
• Mark Pilgrim: Dive Into Python. Springer, New York 2004. ISBN 1-59059-356-1
• Mark Pilgrim: Dive Into Python 3. Springer, New York 2009. ISBN 1-4302-2415-0
• Mark Pilgrim, Florian Wollenschein: Python 3 – Intensivkurs Springer, Berlin 2010. ISBN 978-3-642-04376-5 (Deutsche Übersetzung von Dive Into Python 3) (das Buch bei google-books)
• C H.Swaroop: A byte of Python. (Download verfügbar)
• Thomas Theis: Einstieg in Python. Galileo Press, Bonn 2002. ISBN 3-89842-227-5
• Thomas Theis: Einstieg in Python 3 Galileo Press Bonn 2009. ISBN 978-3-8362-1406-3
• Mark Lutz, David Ascher: Einführung in Python. O’Reilly, Cambridge 2000. ISBN 3-89721-129-7
• Martin Uzák: Python 2.x. Das Einsteigerseminar. bhv, Bonn 2002. ISBN 3-8266-7206-2
• Peter Walerowski: Python – Grundlagen und Praxis. Addison-Wesley, München 2008. ISBN 3-8273-2517-X
• Ivan van Laningham: Jetzt lerne ich Python. Markt+Technik, München 2000. ISBN 3-8272-5843-X

Referenzen

• Martin von Löwis, Nils Fischbeck: Python 2 – Einführung und Referenz der objektorientierten Skriptsprache, Addison-Wesley, ISBN 3-8273-1691-X
• Michael Weigend: Python GE-PACKT., mitp-Verlag, ISBN 3-8266-0724-4
• Michael Lauer: Python und GUI-Toolkits, mitp-Verlag, ISBN 3-8266-0844-5

Weiterführendes

• Peter Kaiser, Johannes Ernesti: Python – Das umfassende Handbuch – Aktuell zu Python 2.5, Galileo Press, ISBN 978-3-8362-1110-9, Download verfügbar
• Farid Hajji: Das Python-Praxisbuch, Addison-Wesley, ISBN 978-3-8273-2543-3
• Stefan Schwarzer: Python Workshop, Addison-Wesley, ISBN 3-8273-1880-7
• Michael Weigend: Objektorientierte Programmierung mit Python, mitp-Verlag, ISBN 3-8266-0966-2
• Hans P. Langtangen: Python Scripting for Computational Science, Springer, ISBN 3-540-43508-5
• Thomas W. Christopher: Python Programming Patterns, Prentice Hall, ISBN 0-13-040956-1
• Gregor Lingl: Python für Kids, mitp-Verlag, ISBN 3-8266-0951-4
• Jason R. Briggs: Snake Wrangling for Kids – Learning to Program with Python, engl.. Für achtjährige und ältere Kinder, Creative Commons Lizenz.
• Schlangengerangel für Kinder – Programmieren Lernen für Kinder Deutsche Version von Snake Wrangling for Kids. Für achtjährige und ältere Kinder, Creative Commons Lizenz.
• David Goodger, Code Like a Pythonista: Idiomatic Python (Abruf 19. November 2011)

Weblinks

 Commons: Python – Sammlung von Bildern, Videos und Audiodateien

 Wikiversity: Kurs:Python – Kursmaterialien, Forschungsprojekte und wissenschaftlicher Austausch

 Wikibooks: Python 2 unter Linux – Lern- und Lehrmaterialien

• Kurzeinführung „Learn Python in 10 minutes“ (englisch)
• Übersetzung des offiziellen Tutorials zur Version 3.1
• Kurs – Einstieg in Python
• Eric S. Raymond über seine Erfahrungen mit Python (englisch)

Einzelnachweise

1. ↑ Python License
2. ↑ What is Python Good For?. General Python FAQ. Python Foundation. Abgerufen am 5. September 2008.
3. ↑ What is Python? Executive Summary. Python documentation. Python Foundation. Abgerufen am 21. März 2007.
4. ↑ Offizielle Python FAQ, sowie Python Tutorial, Kapitel 1
5. ↑ Cobra
6. ↑ http://boa-constructor.sourceforge.net
7. ↑ http://docs.python.org/ref/keywords.html
8. ↑ heise.de: Python 2.6 öffnet Wege zu Version 3 vom 2. Oktober 2008, abgerufen am 4. Oktober 2008
9. ↑ http://my.safaribooksonline.com/0596002815/lpython2-CHP-7-SECT-6
10. ↑ PyMite in der Python Wiki
11. ↑ gulli.com - nuws - Python: Erfolgreichste Programmiersprache 2010 (Zugriff am 1. Februar 2011)
12. ↑ OLPC-Wiki: „Python für den 100-Dollar-Laptop“
13. ↑ Quotes about Python. Abgerufen am 25. Juni 2011.
14. ↑ ^{a b} http://web.archive.org/web/20031002184114/www.amk.ca/python/writing/warts.html
15. ↑ Guido van Rossum: Why explicit self has to stay
16. ↑ The Zen of Python
17. ↑ http://www.python.org/dev/peps/pep-3135/
18. ↑ http://blog.snaplogic.org/?p=94
19. ↑ http://www.python.org/doc/faq/library/#can-t-we-get-rid-of-the-global-interpreter-lock
20. ↑ http://www.artima.com/weblogs/viewpost.jsp?thread=214235
21. ↑ Python–C
22. ↑ Python–Perl
23. ↑ ^{a b} Benchmark-Vergleich Python–PHP
24. ↑ Benchmark-Vergleich Python–Ruby
25. ↑ Python Culture
26. ↑ Python Patterns – An Optimization Anecdote

Dieser Artikel wurde in die Liste der lesenswerten Artikel aufgenommen. Vorlage:Lesenswert/Wartung/ohne DatumVorlage:Lesenswert/Wartung/ohne Version