各种编程语言之间的对比学习

断断续续的，我已经学过、用过很多门编程语言了，觉得这个过程非常有意思。然后最近心里一直有个想法，各种语言放在一起对比一下，会不会更有意思呢？

首先，各种语言都有相同的地方。最大的相同，我觉得应该是这个： 所有的语言，都是文本。所以有一些通用的文本处理工具和技能，可以用于搜索、阅读各种不同语言的源代码。这些工具应该包括（但不限于）：

  1. 文本编辑器。比如 Vim 或 Emacs（我个人使用 Emacs）。

    一般的源代码阅读、编写，都可以通过编辑器来进行，并且可以通过安装一些辅助程序也就是通常所说的插件，达到更好的代码自动格式化、色彩高亮等“酷炫”的效果。

  2. grep、find 等简单文本、文件搜索工具

    比如搜索某个函数在哪里被定义、使用等，如果程序不是特别大的话，可以通过 grep 来满足这些需求

  3. 搜索引擎

    如果整个系统的源代码特别庞大，也可以考虑加入本地搜索引擎的索引，提升代码搜索的速度

  4. 学习查看、阅读、检索文档

    不管是哪种语言、库、工具，都会有文档教你如何使用这种语言。除了纸质书之外，有很多通用的文档系统，比如Unix下经典的Man手册、Info手册，html文档，Internet资源，Google搜索引擎，StackOverflow、Wikipedia，等等等等，熟练掌握如何灵活使用这些资料，对快速掌握一门语言，是非常有益的。

诸如此类还有很多相通的地方，此处不一一枚举了。注意这里并没有提到集成开发环境，比如 Eclipse、IntelliJ IDEA 等工具，主要原因是这些工具往往只对某种或某几种语言支持的更加完善，局限性比较大，并且不够有趣。

而上面提到的这些通用的工具，正因为其通用性，所以你用 A 语言编程掌握了的技巧，可以方便的转嫁到 B 语言编程上。

所以接下来从各种编程语言的以下几个方面对它们做一些对比。

  1. 数据结构

    各种最基本的数据类型，比如数值、字符串、数组、关联数组等等。

  2. 语法

    各种最常见的“句型”在不同语言中的表达方法。尤其是各种“俚语”（idiom）。

  3. 文档

    不同的语言，大概应该怎么搜索文档。

  4. 工具

    讲一下 beagrep 等工具与编辑器等结合使用。各种自动补齐。

  5. 其他

    语言之间相互作用（调用），会产生怎样有趣的“化学反应”？

1 数据结构

1.1 数值

各种编程语言的数值类型的数据结构应该基本都是一样的，整数、浮点数、加减乘除求余数，不需要太专门的学习，因为从小到大一直在数学课上学。此外可能有的语言有一些专门的函数库，比如 sin、cos 等三角函数。

这里面还包括各种数值类型，比如各种整型（int、byte、short、char、signed、unsigned、long、long long）、浮点型（float、double）等等等等，以及它们各自的记法。各种进制，二、八、十、十六进制等。

数值之间的转换，比如从 float 强制转换为 int。在有些脚本语言里，甚至可以从字符串直接转换为 int。比如在 Perl 里，int("5") == 5；甚至 "5" + 6 == 11。这种现象在编程语言里有个术语，叫类型检查，比如 Java 这种语言，类型检查非常的强，上面 "5" + 6 这种写法是绝对禁止的；而 Perl 则属于没有类型检查的，或者说，它的类型检查比较弱。

类型检查给了程序员很多帮助，比如可以提前发现程序里的一些逻辑错误，同时也给程序员带来额外的负担，主要体现在表达起来变得更啰嗦了——每个变量必须声明其类型等等诸如此类的。

像 Perl 允许写 "5" + 6，甚至也允许写 "x" + 6，其结果为 6，因为 "x" 的数值被认为等于 0。有些脚本语言则会禁止写类似于 "x" + 6 这种语句，比如 Bash 等。

1.2 字符串

在所有的语言里都一定会有字符串。所以熟练掌握对字符串的处理函数、命令、工具，对编程的帮助是非常巨大的。因为所有编程语言最后写出来的源代码，其本质都只是一个可能特别特别长的字符串。

1.2.1 编码

字符串都需要编码。这一点对于我等非英语母语的中国人来讲，问题更突出一些。

  1. 单字节编码。一个字符只占一个字节——byte，可想而知，只能表达 128（或 256，区别不大）个字母。一般的 ASCII 编码就是单字节编码。
  2. 多字节编码。有很多种编码方式，比如 gbk，比如 utf-8。

    这种编码有很多是不定长的，其中像 gbk 编码的规则相对简单，前面 128 个字与 ASCII 码相同，后面的则全部是两个字节表示一个字（一般是中文汉字，也有日文假名、汉字等）。

    而 utf-8 编码就更复杂了。一个字编出来的码可以是 1 个字节，也可能是 2 个字节，3 个字节。等等等等。

    在这里我个人遇到一个特别严重的坑，那就是错误的把字符 character 和字节 byte 给等同了起来，因为一开始学习的就是 C 语言，坑爹的是 C 里面内置了一个 char 类型，就是 8 个 bit。所以后来很长时间无法理解多字节编码是怎么回事儿。

  3. 统一编码

    后来国际标准组织制定出了 Unicode 统一编码标准。这里所有的字都用双字节或者 4 字节来表示了。如果想表示一个字符串的话，不能用 C 语言里的 char[]字节数组了，而必须改成用 short[]甚至 int[]数组（会用 typedef 定义一个 wchar_t 的类型）。

Java 比较背，在 Unicode 还没有成熟的时候，决定了用两个字节表示一个 Unicode 字，结果后来发现两个字节（16bit）是不够用的，必须用 4 个字节，所以后来又作了一些扩充，这个就非常复杂了。

1.2.2 各种字符串相关的函数

  • 求字符串长度

    比如 strlen。注意只有在 ASCII 编码的情况下，strlen 返回来的值，真正代表了里面有多少个字码，否则只是代表这个字符串占用了多少个字节。

    如果是多字节编码，想知道里面有多少个字码，建议先将其转换成 wcs（wide char string，宽字符串），然后再用 wcslen 函数。

    比如这个字码：“你”，用 utf-8 编码表示的话，应该有 3 个字节。但用 wcs 表示的话，它占用 2 个或 4 个字节，但 wcslen 返回为 1（因为只有一个字码“你”）。

  • 字符串拼接，strcat 等等

    有些语言必须用专门的函数来表示字符串拼接，比如 C 语言里的 strcat。但有些语言里，字符串拥有自己专门的运算符，比如在 Python 里，字符串通过加法符号“+”来进行拼接。

    Perl 语言比较“特殊”，其设计者认为，“+”运算必须是拥有交换性的，a + b = b + a，而字符串的拼接不满足此规则。所以 Perl 里用 . 来表示字符串拼接。Lua 语言里则使用两个点："a" .. "b" = "ab"。这个区别非常有意思，不小心的话会搞混掉。但稍微熟练一点就不会了，尤其在你短期内大量使用某一语言的情况下。

    • 字符串的乘法

      Perl 是比较变态的，除了“加法”外，它还对字符串提供了“乘法”操作符，使用的运算符是 x （字母 x），使用的方法如下： 'hello world' x 2，得到的结果是 'hello worldhello world'。个人感觉这种内置的运算符并不是非常有用，使用的场景不多，如果是一个设计得非常好的语言，不应该提供太多这种花哨但不实用的功能，因为这种功能太多了，是会分散使用者的注意力的。所谓乱花渐欲迷人眼… 这个功能最大的使用场景可能是在字符串的格式化的时候，比如在以前的终端界面下，要出报表，主要是英文为主，中间要使用大量的空格来保持对齐等等。

      在其他语言里，Emacs Lisp 有个 make-string 函数，但它只用把一个字符 c 乘以一个整数 N，最后相当于把这个字符 c 重复了 N 遍。

  • 字符串的格式化

    最早学习的是 C 语言的话，大家最早学会的函数应该是 printf，它支持把字符串格式化后，然后输出到 stdout 标准输出设备上。

    这里最有用的功能可能还是一些对齐相关的，比如 printf("%08d", n)，如果 n 不足 8 位数字的话，前面补 0，以保证最后的长度是 8。又比如 %08s，用于格式化字符串的话，前面会补空格以保证最后长度为 8（这个用于对齐是非常棒的，但同样，可能是以前的字符终端界面的遗产）。

    注意，我个人在学习各种语言的过程中，会非常纠结于其他语言里是不是也有类似于 C 语言里的 printf 函数，如果没有的话，就会觉得有点失落，其实这是没有道理的。其他语言说不定有更好的，也说不定 printf 本身其实并没有那么好，只不过是我个人有点恋旧罢了。嗯，以后还要克服一下这种失落感，要不然跟不上时代了呢。比如上面的对齐，也就是在全英文、终端环境下还有点儿用吧，你想在网页、Word 文档里对齐，那还得用别的手段。尤其是要写更严肃的学术文章，最好的排版工具，还得是 Latex 呢。而且，很多情况下，一定要提醒自己，格式、排版并没有那么重要，内容本身才是最重要的。

  • 其他

    跟字符串相关的函数还有很多，比如查找一个字符在字符串中出现的位置、比较两个字符串是否相等。这类函数建议在一种语言里基本全部掌握，之后不管到哪种语言里，都可以找一找类似的函数，基本上额外的学习成本是可以降到 0 的。

1.2.3 正则表达式

说到字符串，一定要说一下正则表达式。

各种语言里都有正则表达式，在一种语言里学会之后，到其他所有语言里都可以融会贯通。唯一一点，就是注意一些细节上的差别，不要想当然，生搬硬套，不确定的时候就仔细阅读文档或者做些小实验，别碰一鼻子灰再回来看文档，这样挫败感比较大。

比如 Perl 里正则表达式主要有 3 种常见的用途：

  1. 匹配： m/x/
  2. 替换： s/x/y/
  3. 抽取： m/(x.*y)/ 然后使用 $1 变量

在第一条匹配上，Perl 就跟其他语言比如 Python、Java 有很大的区别，在 Perl 下，$str =~ m/x/ 只要 x 在 $str 里出现，不论它出现在什么位置，匹配都是成功的。但 Python 里的 re.match("x", str)，要求 x 必须出现在 str 的开始位置才能匹配成功。在 Perl 里只要加一个 ^ anchor 就能解决的问题，为什么 Python 里要提供一个单独的函数呢？注意，加了这个函数之后，如果我不想匹配开始位置，而是匹配任意位置的话，我有两个选择，一是用 re.match(".*x", str)，二是用 re.search("x", str)——这是多么的容易让人记混啊！这个问题我是有点想不通的。想不通的问题，就不想了，无奈，但默默的接受。这可能是个兼容性的问题。毕竟工作了这么多年，我也写过很多没用的函数，这样的函数写出来如果都是自己用的还好，但一旦给别人用上之后，想删都删不掉的。因为删掉可能就意味着用户的流失… 这个问题，我觉得 Linux Kernel 解决的就比较好，严格的划分了内核空间和用户空间的界限，用户空间的兼容性是至高无上的，内核内部则经常出现旧的接口被改良、甚至被淘汰的事情。

1.3 数组

讲完字符串后，马上就讲数组是比较合适的。因为字符串其实就是一种数组，只不过是比较特别的数组，尤其考虑到多字节编码的情况下，从这样的字符串数组里取一个元素出来，可能不是很有意义（除了与编码本身相关的问题可能有点意义，比如“你”这个字用 utf-8 编码后，第二个字节是什么？）。

注意数组的类型有很多，取决于我们从哪个角度来观察这种数据。

  1. 取长度操作/长度属性。

    一个数组的长度是多少？这可以用一个函数来计算，也可能一个数组本身带有一个属性，可以直接告诉你答案。

    • Perl

      在 Perl 下，有个函数叫 length，它可以告诉你一个字符串的长度。注意多字节编码和统一编码（Unicode）下，字符串的长度是不一样的，下图中“你”字在 utf-8 编码时长度为 3，统一编码后长度为 1。

      perl-print-length-you.png

      注意 length 只是给字符串用的。如果要知道一个数组的长度，Perl 下使用的方法是 scalar @array。

    • Java

      Java 下知道一个字符串的长度，用的函数是 String 类自己的成员函数 length()。

      Java 下想知道一个数组 Array 的长度，用的是 Array 类的成员变量，length。

      上面的这种情况，是非常让人崩溃的。我自己经常记不住什么时候用成员函数（后面加括号），什么时候用成员变量（后面不加括号）。

    • Python

      Python 下不管是什么数组类型，取长度用的都是同一个函数，len。String、Tuple、List 都是用这个函数取长度。这是一个全局函数（虽然这种现代的语言对于什么是全局函数是很狡滑的，比如 Python 的全局函数，其实都是定义在 __builtins__ 模块底下的函数）。

    • Ruby

      Ruby 下一切都是对象，所以每个数组类型也都对应着一个类，这个类有一个名为 length() 的成员函数。

    • Lua

      Lua 下面没有传统意义上的数组，只有一种叫做 Table 的数据类型，既可以当普通数组用，又可以当关联数组用。当普通数组用时取长度的话在前面加一个 # 就可以了。比如 #{1, 3, 5, 7, 9} == 5。

      注意 Lua 的这种设计，非常有意思，它给了你你想要的，同时也给了你一些你不需要的。比如以 0，1，…为下标的普通数组，Lua 通过 Table 机制，显然就可以提供。但如果你的某个 Table 只有下标为 1 和下标为 10 的两个元素的话，这算一个普通数组还是关联数组呢？它的长度应该是 10 还是 2 呢？我的建议是不要考虑这种问题，没有太大的现实意义，现实中碰到的机会不大，就像上面提到的多字节编码字符串里面随便取一个字节出来一样，实际意义并不大。

    • Lisp

      Lisp 有很多种方言。在我最熟悉的 Emacs Lisp 里， 所有 Vector 类型的数据，可以用 Elisp 自带的 length 函数来求其长度。

    • Bash

      在 Bash 下，求数组长度的写法是 ${#array[@]}

  2. slice 操作

    Slice 中文意思是切片，从一个数组里切出一个或几个小片断来。

1.4 关联数组

关联数组有很多名字，比如叫 Map（映射），Hash（哈希），甚至还有叫 HashMap 的… 一定程度上说明这种数据类型的实现基本上都以用 Hash（哈希）算法实现居多。

1.4.1 关联数组的构造、输入

  1. 无内置关联数组

    C、C++等语言，并没有语言本身内置的关联数组，而是通过标准库来提供的。所以这种语言里想初始化一堆关联数据的话，是需要稍微更啰嗦一点的。

    还好 C++语言本身有个运算符重载的机制，所以使用起来的话，假设 m 是一个 map 变量，可以直接用 m['hello'] 的写法。

    • Java

      在 Java 里用 HashMap 或其他类似的数据结构都要通过成员函数来进行： 

      HashMap<String, Integer> x = new HashMap<String, Integer>();
x.put("hello", 1);
x.put("world", 2);
System.out.printf("%d\n", x.get("hello"));

      习惯了就好…

  2. 有内置关联数据
    • Bash 
      declare -A assocArray
assocArray=(
    [hello]=1
    [world]=2
)
echo ${assocArray[hello]}
    • Lua

      Lua 里面的关联数据和普通的数组内部都用同一种数据结构来表示，就是 Table，只不过前者用任意的数据作为下标，后者用整数作为下标（事实上，Lua 的整数下标是从 1 开始的，与绝大多数语言从 0 开始不一样，你会因为这个而拒绝使用 Lua 语言吗？）。 

      x = {
   ['hello'] = 1,
   ['world'] = 2,
}

print(x['hello'])

      注意上面的写法跟 Bash 是有点相似之处的，除了一个用圆括号并且等号前后不能加空格，一个用花括号并且空格可以随便加。

    • Perl

      Perl 下的数据结构很有意思，普通数据前面加一个 @（助记法：这个符号里面包着个 a 字，象征着 array），关联数据前面加一个 %（助记法：这个符号里面有两个互相“关联”的小圈圈）。普通数组用 [] 引用，关联数组用 {} 引用（不然的话就不能区分是普通数组还是关联数组了，Perl 里 $@% 是变量名不可分割的一部分，一个程序里既可以存在 $x，也可以存在 @x 等等）： 

      %x = (hello => 1, world => 2);
@x = (1, 2);
print $x{hello};
print $x[1];

      另外注意这里 hello 和 world 因为是一个 identifier，所以不需要加引号。加上引号的效果和不加是完全一样的。Perl 里有很多这种耍小聪明的地方，一开始的时候我还蛮喜欢的，现在其实也还蛮喜欢的，但就好像见到一个总在使劲讨好别人的家伙一样，隐隐会觉得这个样子是有点儿问题的。好像能给你省点儿事儿，但多了之后谁又能全都记得住呢？规则简单一点，让用户啰嗦一点，理解起来也简单一点；规则复杂一点，用户可以各种省事儿，但理解起来也更费劲了。这些语法糖啊，就像真的糖果一样，我很喜欢吃，但吃多了真的可能是对身体有害的呢。

    好了，说到这里也就差不多了，世界上的语言那么多，每种语言的特性也那么多，用穷举的方法把所有东西都列完是不现实的，就像所有自然数，数是数不完的。但我们可以把里面有点共性的东西抽出来，那就简单多了。比如无穷无尽的自然数，只要 5 条皮亚诺公理就可以概括了。

    Lisp 语言学习的一本非常经典的小册子，“little schemer”，里面甚至可以没有整数数据类型，因为所有整数都可以用数组（其实是链表）来表示：整数 0 就是一个长度为 0 的 list，整数 1 就是一个长度为 1 的 list…整数 N 就是长度为 N 的 list，整数加法就是 list 的拼接…这种思路让我叹为观止。

    很多语言还允许你自己定义数据类型，比如 C 里面可以用 struct，C++里可以用 struct、class，等等等等。我认为它们其实就是自带成员函数的关联数组而已嘛。C 里面 x.y（一个带 y 成员变量的名为 x 的结构变量对 y 的引用） 和 Python 里面 x['y']有很大的区别吗？C++的类之间继承的实现，一般是有一个隐藏的 vtable（virtual method table）结构成员变量（注意，结构，我们已经说过就是关联数组，至于是不是隐藏的，其实没那么重要），最后还是七拐八拐的拐到一个函数上面，这跟 Python 里类的继承也是差不多的。

2 语法

语法其实没太多好说的，所有的语言都有一些类似的基本构造，比如条件语句，循环语句，等等等等。

如果对新学的一门语言里的语法记得不是很清楚的话，建议赶紧查文档。

3 文档

提到文档的话，我想说一个标准，一个文档系统越 容易 查询，我们就认为这个系统越好用。毕竟现在已经不是 Linus 开始搞 Linux 的时代了，那时人们编程，文档可能就是厚厚的一本“386 汇编手册”。

参考这个标准，我以前用 Visual Studio 的时候，觉得 MSDN 这个文档系统真是了不起，哪个函数不明白，按一下 F1，直接就从 Visual Studio 跳转到 MSDN 的窗口里，并打开相关函数的帮助页面。

也可能当时觉得真心牛逼的最大原因，是从不知道有 MSDN 帮助，到突然发现有个 MSDN 帮助系统，所带来的巨大的冲击。

从那以后使用任何工具，都是文档先行，碰到问题，甚至碰到问题之前，第一时间就问一下自己，万一那什么的话，我该去哪里查文档？这个系统有没有一个大而全的文档帮助中心？毕竟，文档如果分散得这儿一块、那儿一块，对用户的价值就大打折扣了。

后来我发现 Emacs 也非常了不起，自带文档帮助系统。系统里所有的 Man 手册，所有 Info 手册，都可以在 Emacs 里打开看。尤其是 Emacs 还可以自己扩展，定义一些快捷键，方便的跳转。

没错，光有一个大而全的文档系统还是不够的，最好还必须有个像 MSDN 那样的一键跳转的功能，甚至要比它更方便。如果没有这个功能的话，我就会想办法在 Emacs 里自己扩展一下，在此之前心里都像有个毛毛虫一样的痒痒。毕竟，人生苦短，能 2 步走完的路，就不要走 9 步。

比如 Qt 的帮助文档，一般都用 Firefox 来看，那我在 Emacs 里会定义一个快捷键，按下去就自动把当前的关键字抽出来，然后自动用 Firefox 打开相关的 Qt 帮助页面。

另一个需要注意的问题是，代码其实也是一种文档，所以很多时候阅读文档、搜索文档觉得费劲的时候，我可能直接就阅读代码、搜索代码了。比如，我想知道 Javascript 底下的字符串，都有哪些相关的函数？这个问题我可能通过 Google 也能很快找到答案。但如果通过代码的话，我会下载 Firefox 的源代码，稍加研究后发现字符串相关的定义是在 js/src/jsstr.cpp 这个文件里，然后我就可以用我掌握的各种 Emacs 编辑技巧从这个文件里提取我需要的信息了。这一点 Firefox 里阅读 Google 出来的文档是无法做到的，打个比方说，我用 Firefox 的话，很多信息作者写的是什么样，我看到的就是什么样，如果作者给了一个数据表格，但没有给一个柱状图的话，我就无能为力了；但如果我是在 Emacs 里，画一个柱状图、饼图可能易如反掌，只有一个快捷键的距离，然后信息就变得更直观，一目了然了。这个区别是由 Emacs 是一个可扩展的编辑器决定的。就像在阅读纸质书的时候，你无法快速的进行全文搜索；在 Firefox 里，你无法快速的对信息进行编辑、排列、组合，换一种更好的方式呈现。

4 工具

4.1 编辑器

学习多种语言，一个很重要的工具是编辑器。推荐 Emacs。强烈建议阅读一下 Vim 作者写的那篇文章（Google “高效 编辑器 七个习惯”，我也有翻译过，所以搜出来第二条就是我的博客）。

Emacs 下有一些通用的插件，比如缩写，文本补齐（yasnippet、我自己写的 bbyac）。等等等等。

另外还有一些特定语言定制的插件，比如 C/C++、Python 等都有智能的上下文补齐。

4.2 搜索工具

然后是搜索，Google 搜索，本地搜索。除了纯文本搜索之外，因为代码都是有层次结构的，所以 tags 搜索也是非常重要的（主要指搜索类、函数、变量的声明、定义、引用的位置）。

本地搜索推荐我写的 beagrep、beatags 系列。也可以使用 opengrok。

4.3 自己

当然，最重要的工具，还是自己的脑子，仔细想好自己想解决什么问题，该学习的时候学习，然后该放下的时候放下，全力解决最重要的那个问题。

学多种语言，除了好玩之外，主要还是希望能开阔眼界、思路，最终要能更好的解决问题。像上面我写的这样，过于纠结一些茴香豆的“茴”字有几种写法之类的问题的话，就不好了。

通过多种语言之间的对比，可能可以刺激到大脑皮层的不同部位，最后 达到高潮的时候，来得更强烈一些呢 记得更牢一些、理解得更深刻一些呢。