用Python重写PTA‘简单计算器’：5分钟搞定并扩展功能（支持优先级）

用Python重写PTA‘简单计算器’5分钟搞定并扩展功能支持优先级当C语言开发者初次接触Python时最震撼的体验莫过于发现原来需要几十行代码实现的功能现在只需几行就能完成。PTA题库中的简单计算器就是一个典型案例——用C语言需要处理字符输入、手动类型转换和复杂的错误处理而Python凭借其内置函数和灵活的语法能让代码量减少70%以上。但真正的价值不止于此Python生态还为我们预留了功能扩展的空间比如轻松实现标准运算符优先级这正是本文要探讨的核心。1. 从C到Python基础实现对比先看C语言版本的几个典型痛点需要逐个字符读取输入、手动维护错误标志位、用switch-case处理运算符。这些在Python中都可以用更优雅的方式解决。def basic_calculator(): expression input().strip() try: result eval(expression) print(result) except ZeroDivisionError: print(ERROR) except: print(ERROR)这个基础版本虽然只有7行代码但已经完整实现了题目要求strip()自动去除结尾的等号eval()函数直接计算表达式try-except 块处理除零错误和其他异常但直接使用eval存在严重安全隐患它会执行任意Python代码。让我们改进一个安全版本import operator def safe_calculator(): ops { : operator.add, -: operator.sub, *: operator.mul, /: operator.floordiv } expr input().strip() tokens [] current_num # 分词处理 for char in expr: if char.isdigit(): current_num char else: if current_num: tokens.append(int(current_num)) current_num if char in ops: tokens.append(char) else: print(ERROR) return if current_num: tokens.append(int(current_num)) # 计算处理无优先级 if not tokens: print(ERROR) return result tokens[0] for i in range(1, len(tokens), 2): if i1 len(tokens): print(ERROR) return op tokens[i] num tokens[i1] if op / and num 0: print(ERROR) return result ops[op](result, num) print(result)这个版本虽然代码量增加但实现了安全的表达式解析显式定义了允许的运算符仍然保持从左到右的计算顺序2. 实现真正的运算符优先级原题限定运算符优先级相同但在实际工程中我们需要遵循数学规则。Python标准库中的ast模块可以帮助我们import ast import operator class CalculatorVisitor(ast.NodeVisitor): ops { ast.Add: operator.add, ast.Sub: operator.sub, ast.Mult: operator.mul, ast.Div: operator.floordiv } def visit_BinOp(self, node): left self.visit(node.left) right self.visit(node.right) return self.ops[type(node.op)](left, right) def visit_Num(self, node): return node.n def visit_Expr(self, node): return self.visit(node.value) def generic_visit(self, node): raise ValueError(非法运算符) def priority_calculator(): expr input().strip() try: tree ast.parse(expr, modeeval) visitor CalculatorVisitor() result visitor.visit(tree.body) print(result) except (ValueError, ZeroDivisionError, SyntaxError): print(ERROR)这个实现使用Python的AST抽象语法树解析表达式通过访问者模式处理不同运算符自动遵循标准的运算符优先级仍然保持安全校验3. 扩展功能添加更多数学运算Python的灵活语法让我们可以轻松扩展计算器功能。比如添加指数运算和支持浮点数import math def extended_calculator(): ops { : operator.add, -: operator.sub, *: operator.mul, /: operator.truediv, ^: operator.pow, sqrt: math.sqrt } expr input().strip() try: # 安全检查 allowed_chars set(0123456789-*/.^sqrt() ) if not all(c in allowed_chars for c in expr): raise ValueError # 替换特殊函数 expr expr.replace(sqrt, math.sqrt) # 计算 result eval(expr, {__builtins__: None}, {math: math, ops: ops}) print(result) except: print(ERROR)关键改进添加了指数运算(^)和平方根(sqrt)使用truediv实现真正的除法限制eval可用的命名空间增强安全性增加了输入字符的白名单校验4. 工程化改进测试与异常处理一个健壮的计算器需要完善的测试用例。我们可以使用Python的unittest框架import unittest class TestCalculator(unittest.TestCase): def test_basic_operations(self): self.assertEqual(calculate(12), 3) self.assertEqual(calculate(3*4), 12) self.assertEqual(calculate(10/2), 5) def test_priority(self): self.assertEqual(calculate(12*3), 7) # 不是9 self.assertEqual(calculate((12)*3), 9) def test_errors(self): self.assertEqual(calculate(1/0), ERROR) self.assertEqual(calculate(12), ERROR) def calculate(expr): # 实现代码同上... pass if __name__ __main__: unittest.main()工程化建议为每个运算符编写测试用例特别测试边界条件如除零、大数运算考虑添加性能测试如长表达式计算时间可以使用pytest等更强大的测试框架5. 性能优化与替代方案对于需要高性能的场景可以考虑以下优化def compiled_calculator(): from numexpr import evaluate expr input().strip() try: result evaluate(expr) print(int(result) if result.is_integer() else result) except: print(ERROR)优势使用numexpr库加速计算自动优化表达式求值顺序支持向量化运算其他替代方案对比方案优点缺点适用场景eval()最简单不安全临时使用ast解析安全、灵活稍复杂需要优先级第三方库功能强大依赖外部生产环境手写解析完全可控开发量大教学目的在Python中实现计算器时最让我惊讶的是语言的表达力——从最初的安全顾虑到最终找到AST解析的方案整个过程展现了Python解决问题有多种途径的哲学。特别是在添加新功能时不像C语言需要重写大量底层代码通常只需要在高层添加几个操作符定义即可。这种开发体验正是Python在科学计算领域如此流行的原因。