这个话题在论坛上已经基本平息，但在现实世界中仍未消亡。开发者在旧的内部系统、存档脚本或尚未现代化的维护项目中仍会碰到Python 2。问问任何运维或质量保证团队的人——你仍然会在服务器上看到它，或者更糟糕的是，它被埋藏在部署脚本中。这门语言从技术上讲已经“结束”，但它的影响太大，不可能一夜之间消失。

所以，这不再是关于理论或版本争论的问题。而是关于实际应用。如果你以任何严肃的方式使用Python，了解Python 2和Python 3之间的主要区别是有用的，因为你可能需要同时接触两者——即使是现在。

以下是你真正需要知道的要点。没有废话。

基础：语法看起来如何

让我们从每个人都会立即遇到的事情开始：打印文本。

在Python 2中尝试这个：

print "this runs"

现在在Python 3中做同样的：

print("this also runs")

在Python 2中，print只是一个关键字。不需要括号。但在Python 3中，print是一个函数，所以它需要括号，否则会抛出错误。仅这一变化就使得从2到3的迁移变得很烦人，如果你试图移植旧脚本或混合版本。

单独来看，这不是什么大问题。但它几乎出现在每个文件中。

算术：意想不到的结果

除非你仔细观察，否则你不会注意到这一点。尝试除以整数：

Python 2：

x = 9 / 5  # 给你 1（整数数学）

Python 3：

x = 9 / 5  # 给你 1.8

在2中，除以整数得到的是……整数。在3中，除法给你浮点数，除非你强迫它不这么做。

有一次，我花了一个小时调试一个报告工具中的四舍五入错误，就是因为这个。脚本最初是用Python 2编写的，然后原样传下来。另外，Python 2允许你通过从未来模块导入真正的除法来修复这个问题，但人们很少记得这样做。

如果你在遗留代码中看到奇怪的数字输出，怀疑整数除法。

字符串在奇怪的地方断开

事情在这里变得更加混乱。

在 Python 2 中：

word = "naïve"

实际上，如果不在前面加上 "u"，它会被存储为一个字节字符串：

word = u"naïve"

没有 "u"，某些字符会根据终端或解释器的不同而断开或表现异常。Python 2 默认使用普通字节，这是许多 UnicodeDecodeErrors 的根源。

在 Python 3 中，默认情况下字符串是 Unicode。正是你期望的那样。如果你想要原始字节，你必须声明：

raw = b"naïve"

这种区分使得 Python 3 中的字符串处理更加可预测。在 API、文件处理或电子邮件内容中尤其重要。

冗长的循环 & 范围

Python 2 有两个选项：

• range() - 返回一个列表
• xrange() - 生成器（内存高效）

基本规则：对于大循环，使用 xrange()，这样你就不会构建巨大的列表。

Python 3 将它们合并了。range() 的行为像旧的 xrange()。示例：

for i in range(1000000):  # 在内存中不会构建一个巨大的列表
    pass

更干净。同时，xrange 在 Python 3 中被移除了，所以如果你在代码中看到它，这会立即告诉你你正在使用哪个 Python 版本。

异常风格

你可能不会在意的一件事，直到它破坏了你的脚本：

Python 2：

try:
    fail_something()
except ValueError, e:
    print e

Python 3：

try:
    fail_something()
except ValueError as e:
    print(e)

这个变化很小但很重要。一些工具在迁移过程中处理它，一些则不处理。它几乎总是被 linters 或解释器捕获，但不是在你浪费大量时间之前，如果你对那行代码不熟悉的话。

输入差异

人们经常忘记这一点：

Python 2：

• raw_input() → 返回一个字符串
• input() → 将输入评估为 Python 代码（危险）

Python 3：

• input() 只返回一个字符串

所以如果你在运行用户输入代码并且得到奇怪的结果或错误，请检查它是在 2 还是 3 上运行，以及你是否错误地使用了 raw_input。

如果你正在维护一个旧的命令行界面（CLI）应用程序，而它突然开始在你输入数字时抛出NameError，这可能是原因。

字典迭代

在Python 2中有一个字典吗？

这两个是不同的：

my_dict.items()  # 构建一个静态列表
my_dict.iteritems()  # 返回一个生成器（节省内存）

在Python 3中，.items()返回一个视图，其工作方式类似于生成器。iteritems()已经不存在了。

这个小差异在你处理大型JSON文件或配置时会显现出来。如果你在Python 2中优化速度/内存，然后移植到3，如果你忘记重新审视这一点，可能会得到奇怪的性能波动。

库支持和生态系统

大多数有意义的库不再支持Python 2了。Django、Requests、Numpy、Pandas——所有当前版本都是Python 3。

你有时可以安装旧版本，但那些版本有它们自己的问题：漏洞、不稳定、缺乏特性。

如果你试图在旧项目中启动一个虚拟环境或使用pip安装，而事情崩溃了，这通常是原因。

此外，Python 2在现代工具上的依赖解析更加困难。

官方支持在2020年停止了，但实际上，大多数开源维护者在那之前就已经转移了。

顽固的遗留系统

我偶尔还会遇到一种情况：2010-2014年左右构建的内部工具和服务从未获得迁移预算。

通常你会发现Python 2为它们提供动力，通过cron运行或设置为后端工作器。

开发者多年前就离开了，没有人愿意触碰部署脚本。你将生命迹象修补得足够长，以保持运行，最终才会有人升级堆栈。

如果这就是你——我理解。有时业务方面会延迟重写，即使技术方面已经准备好。

结语

如果你今天从头开始，就直接使用Python 3。

如果您正在维护一些较旧的东西，了解差异会有很大帮助。您可以节省时间，避免尴尬的错误，并在移植旧工具时建立信心。

2和3之间的这些变化大多是合乎逻辑的。但它们并不兼容，所以即使是小事——比如字符串格式化或循环范围——如果您不了解发生了什么，也可能悄无声息地爆炸。

在混合环境中，精通两者不仅仅是个人喜好的问题，更是生存的问题。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。