這可能是我見過最好的編程指南
雲計算雲在線互聯網計算機鍵盤藍色
從大一入學被調劑到計算機專業，到喜歡上這個專業，再到畢業拿到10多個offer，最終進入理想的大廠工作。回想起來這些年確確實實踩了很多坑。我剛開始學習編程的時候也想一口吃成一個胖子，想速成，但是有時候卻是不盡人意。
回憶了下這幾年學習編程的過程，整理了一些我自己認為很需要注意的幾個方面，分享給大家。希望能讓初學編程的你，少走一些彎路， 可能文章比較長，但我真心希望初學編程的你能夠認真看完，至少，我認為如果我剛學編程的時候看到這篇文章，對我或多或少是有一些幫助的。
我個人是一名計算機專業的學生，很多人可能會認為我是在課堂上學到的編程，其實不是這樣。
我認為科班出身和非科班出身的學生最大的區別在於 科班出身的學生知道去學什麼 ，知道每一門課程是幹什麼的；還有一些必須完成的作業、小項目，促使他們去做一些實際的編碼練習，除此之外，真的全靠自學。
對於自學編程，我認為首先應該談的是如何去避免一些坑，這樣就可能節約大把的時間。下面我就以問題的形式來分享一些我認為重要的方面。
1. 我應該選擇什麼編程語言
可能困擾編程新手最多的一個問題是【我應該學什麼編程語言】或者【我需要學習哪些課程才能做出一個web、一個app】，很多人一直糾結這個問題，陷入了東學一點、西看一點的死循環，到頭來啥也沒學好，這會很浪費時間。
剛上大一的時候，我也很想知道應該選擇什麼編程語言。我問了很多人，網上各種查資料，但所能得到的答案都很片面，多數對這個問題答非所問，總是回答說「某某編程語言難」，「某某編程語言性能好」。其實作為初學者，我們對計算機體系都不了解，就不要過多地去糾結性能，或者難易等因素，原因我等下再說。
如果你有明確的方向，那麼很好選擇。如果你想做演算法、機器學習方向，那麼python是最好的選擇。如果你想做web開發，java、php等都可以。如果想做一些更底層的工作，那麼就可以選c。當然這是建立在你有明確方向的基礎上。可是，很多人都沒怎麼接觸過計算機行業，特別是和我一樣剛入學就被調劑到計算機專業的人。對這些同學來說，各個編程語言就只是個名字，除了叫法不一樣，你根本不知道它們有什麼差別。所以索性不要糾結了，我替你選一個吧。
如果你是在校大學生，那麼你有大把連續的時間，就先學習c，然後再學c++。 我個人是學c入門的，也許很多人不理解我為什麼推薦學c，因為c和c++都很難、很複雜，看起來並不適合入門。然而正是它們的難和複雜才能讓你更好地理解計算機系統【 計算機系統不是指操作系統】 。學習編程不是學習編程語言，而是學習一個計算機生態，即一個龐大的知識體系。只會編程語言而不理解整個計算機的體系，就像只會寫字而寫不出好文章。了解c/c++和了解計算機系統是極為貼合的， 向下 可以幫助你更容易地理解操作系統、編譯原理、計算機網路、計算機組成原理，為什麼呢？因為較為底層的東西很多都是用c實現的，和系統的貼合度極高，很多教材源碼甚至教程，在講述這些知識的時候都是用c或c++作為媒介。而 向上 ，c++面向對象的機制，也可以做出一些應用，譬如五子棋遊戲等，也不會顯得那麼枯燥。花個小半年時間了解c和c++，之後你就會覺得看書、看資料可以輕鬆很多。
如果你是一個上班族， 但是剛剛學習編程，可能學c和c++對你來說有些複雜和困難，因為學習它們確實是很需要時間。你們不像在校生那樣有大把的連續時間，而零碎的時間去學習一個比較複雜的東西效果不見得有那麼好，所以可以先學一些【更容易見效】的編程語言， 從python入手吧 ，至少能快速做出一些小應用，不至於丟失了興趣，但是真的要入門編程又還得看看與計算機系統相關的書籍，這樣才能更深層次地去編程，譬如【深入理解計算機系統】這一本書可以讀很多遍，這本書把整個計算機系統給串起來了。
2.學習編程，我需要學習哪些課程？
我要學哪些課程？我為什麼要學習如高數、離散數學、線性代數、概率論等課程？
這個問題也是之前困擾了我很久的問題。不過我現在想通了，對於【高數、離散、線性代數、概率論】等課程，很好解釋，做演算法的同學肯定知道為啥要學習這些課程。機器學習中會大量用到上述提到的課程，所以會比較好理解。對在校生而言，學校開設的很多課程我們不知道為什麼要學，我們很疑惑，不知道學它有什麼用，這個時候我們就會很糾結，還會產生抵觸情緒。這很正常，因為我們學習得不夠深入，自然不能理解它們的用處。
在我看來，大學本科課程更多的是面向「面」的教學，即什麼課程都教給你一些，但是又講得不那麼深入；而工作或者讀研，更多的則是面向「點」的學習，用到的知識更專。本科時，學校也不知道你以後是去搞演算法、還是搞架構、還是搞伺服器開發，甚至去搞硬體，所以學校需要你學很多課程，至少有個了解。對學生來說，一方面可以從中選擇自己感興趣的點；一方面也可以對未來的就業方向有些啟發。所以即使像數電、模電等課程，雖然之後可能用不著，但是你也要學，並且會花費大量的時間。雖然你最後不一定去搞硬體，但是這些課程也會讓你更容易去理解一些知識，比如cpu中的邏輯器件。
如果你在大一的時候就有一個明確的定位，知道自己今後想從事哪方面的工作，課程與課程之間是可以調一下 優先順序 的。不過像大學物理，這種課程確實是對編程沒有幫助，但是像我前面所說的，大學教育更注重廣度，大物等課程可能就是為了給你普及生活常識吧。
其實，大學教育的問題是普遍存在的，我認為我們學習一項技能的時候，應該採取的是項目驅動式學習，即需要用到什麼東西時不會了再去學，而不是先填鴨式的都填進腦子，並且在學習的過程中我們還不知道它這是幹嘛用的，等之後用到了，甚至不記得自己學過，反而查資料才會想起：哦，原來我之前學的xx科目是這個用處啊，可是我當時並沒有好好學。很多時候學生時間的浪費可能還是要怪老師、怪學校，他們一開始沒給我們做好充分的課程介紹。所以，在經過比較多的編程和項目實踐後，我認為一個比較好的學習方式是， 改良版的項目驅動學習法 。即：
學習一段時間，做個小項目，將做項目遇到的問題記下來，針對性地學習相關知識，然後再實踐，再學一段時間理論，讓知識成網狀發射狀地變大。當然，項目驅動式學習有一個弊端，就是每次學習的知識都是項目所需要的，很零碎、不成體系，所以需要改良，即在採取項目驅動學習法的時候每天抽一段時間去完整地讀一本書，或者一個相關問題的完整介紹，這樣就很容易把一些知識成體系地串起來。這樣一段時間下來，慢慢的，你就知道我們為什麼要學那麼多科目，學這些科目能幹什麼。
為了表達地更加形象，我就舉一個小例子，是我最近遇到的。我本身的工作是做Linux C++的，但不僅限於此。我個人對python、數據分析，以及機器學習等內容比較感興趣，大家可以看到我最近也在我的專欄發布了很多文章。就從 數據獲取 開始，我講講我這兩個月做了什麼東西。
談到數據獲取，可能最容易想到的是爬蟲，爬蟲是一個在知乎上被說爛了的話題，所以我不想多說它是什麼。很多時候有人覺得爬蟲簡單，為什麼呢，因為有現成的框架，所以獲取少量的數據就比較容易。但是當你需要爬取的數據很大的時候（比如我之前抓取了知乎500萬用戶的數據，在下班的時間、用自己家裡普通的pc，計算機性能並不是那麼好，比不上伺服器，又要在不被封IP的情況下抓到這麼大量的數據，然後對數據進行清洗，最後還要可視化展示），使用現成的爬蟲框架就並不是那麼容易實現了。況且，我需要抓很多數據源，並不是一鎚子買賣。所以我選擇去開發一個系統，即在現有的框架下進行二次開發，搭建一個屬於自己的爬蟲系統，並植入一些演算法。我在系統中添加了很多中間件，直到現在，它還可以在10分鐘內就部署一個能抓取大量數據的爬蟲應用。當然，這個過程也遇到了不少麻煩，我就簡單講講，怎麼去攻克一個個問題。
下面先給出一個樹形圖，從上往下每一個圈都代表了學習過程中遇到的難點，如果你現在看不懂，沒關係，我想告訴你的是一種梳理知識的方法：
如上圖所示，就是一個項目驅動式學習的例子，我們的目的是為了獲取數據，所以選擇了爬蟲：
- 爬蟲可以理解為一個簡單的過程：發送request，獲取response，然後提取數據。這個過程會涉及到網路，是發送http還是https請求；目標網站是否需要登錄，是post請求還是get請求，從這條線，衍生出了一條對網路進行學習的路徑。
- 獲取到網頁之後，如果不是結構化的數據，可能返回的是一個html源代碼，那麼可能就需要了解dom，或者html頁面解析的知識，甚至需要了解一下前端開發。
- 在抓取的過程中，經常會遇到數據中途不能被爬取的情況，一般是IP被封禁了，那麼可能又要用上代理，代理是什麼呢？http，https代理能不能混用呢？如何構建一個代理池呢？這裡又有很多要學習的東西。還有可能遇到的情況是，抓下來的數據是加密的，需要通過js解密，這時候就要了解一下js，如何用爬蟲模擬瀏覽器進行抓取。除此之外，如果抓取的頻率不對，很多數據源會給你假數據，這就是一些經驗問題了，本文不是技術文，所以就不多討論。
- 當解決了上述問題後，我們好像可以拿到一些數據了，但是當數據大起來，問題又複雜了，你可能需要使用分散式抓取了，這時候你可能需要了解一下redis，當request產生的速度大於其消費的速度之後，你的任務隊列可能爆炸，所以這裡又涉及到演算法和數據結構的應用了。
- 數據量上去之後，把數據寫在文件裡面是不靠譜的，這時候又涉及到存儲了，到底是使用關係型資料庫還是非關係型資料庫呢，有什麼區別呢？存進去的數據怎麼去重呢？為什麼insert操作越來越卡了呢？電腦怎麼越來越熱了呢？索引是什麼，什麼時候該建立索引呢？這裡又牽扯到資料庫原理相關的知識。
- 遇到一些比較難處理的網站，比如有驗證碼識別該怎麼辦呢？其實對於很多純數字和字母的驗證碼都很好解決，自己用深度學習訓練即可。在TensorFlow的Demo中就要生成驗證碼自己訓練的教程，然後制定個中間件放在爬蟲系統中，這個問題就解決了。可是什麼是深度學習呢？這裡又引出一條對深度學習進行探索的例子，而我自己也是之前在學校的時候自學了小半年機器學習，有了一定的基礎後，才能比較容易地上手TensorFlow框架。再往下就比較深了。
上述六點簡單講了講項目驅動式學習的介紹，其實，你看到的每一個小圓圈，深挖下去都大有文章。我們現在看到的只是冰山一角，任何一條學習路徑學習下去都深無止境，我們不可能完全學會，可是項目驅動式學習最大的好處是讓你知道你應該去學習什麼，而不是先學一大堆知識，再去做一個項目。嚴格來說，項目驅動式學習的可視化路徑是一張網，而不是一棵樹，這裡畫成樹狀只是為了便於大家理解。
除了獲得數據，還有清洗數據、分析數據，甚至挖掘數據，最後可視化數據並且展示數據，這裡我就不一一介紹了。可以參見下面這張圖，如果大家想看我做的一些成品，可以看看我的其他文章。
3.學習編程是否需要制定計劃？
學習編程是否需要制定計劃，該制定什麼樣的計劃呢?
我認為不只是編程需要制定計劃，其他任何的學習和工作都需要制定計劃。我從13年上大學就開始定期給自己制定計劃，這個習慣也一直堅持到了現在，受益匪淺。當然也不只是制定學習計劃，還可以列一些自己需要做的其他的事情。我最近在整理筆記的時候也發現了一些之前記錄的計劃和清單，可以給大家看看。比如下圖就是我14年寫的筆記，筆記上都留下了最後一次打開的時間。列舉了一些自己需要看的文章，因為當時不太懂得規劃，所以比較亂。
到了16年的時候，我做計劃做得更加有條理了。下圖是16年10月30日的計劃，那時候我已經大四了，並且已經找到了工作、簽了滿意的offer，並且沒有什麼課，按理說可以放鬆放鬆了，不過我還是制定了一些學習計劃，並且選擇在11月去百度實習。從內容上看，主要是學習英語和計算機專業課，因為大一大二的時候我確實不明白為什麼要學習專業課，到了大三下想清楚原因以後，我也就一直在重新學習，因為計算機專業課真的很重要！學好了這些課，能讓你在日後的學習工作中輕鬆不少：
除了大四制定的計劃外，大二的時候我也制定過較為詳細的學習計劃（如下圖），把需要學習的內容進行了編號，存入表格，這樣才能讓你過得有條不紊。當然，很難完全按照計划去執行，不過制定相應的計劃能讓你清楚地知道自己應該幹什麼。
所以，如果你是在校生，那麼好好制定一個計劃吧，因為你有大把的時間。當然，如果你已經畢業了，沒關係，我現在也在上班，同樣也列舉了自己最近要學習的內容，如下圖（2月27日更新過），包括了短期和長期需要學習的內容：
4.編程是否需要做筆記和寫博客？
我覺得，寫不寫博客無所謂，因為博客是要寫出來給大家看的，可能要保證格式美觀、語法也要盡量準確，最好比較有文采，我覺得太麻煩也就一直沒寫。而筆記是必須要做的，並且記筆記是一個長期的過程。在學習的過程中，我們一直都在追求一種最高效的學習方法，比如，同一個班的同學，他用他的學習方法考上了清華，而你用同樣的方法就不行，為什麼？因為他的方法對他自己而言是定製化的，可能且大概率不適合你，比如他的筆記你不一定能看懂，因為他可能設計了一套屬於自己的符號。而就編程而言，很多同學說善用搜索引擎，是對的，可是搜索引擎搜出來的是別人的答案。你照搬過來，也許可以用，但是你沒有記住，這些知識並不屬於你，之後你可能還會遇到同樣的問題，又要再搜索一遍，可能很難找到之前的那個答案了。但是記筆記就不一樣，記筆記是定製化的，對你自己定製，你可以用自己最爽的表達方式來描述一個問題，是自己寫給自己看的東西，看了幾遍之後就能非常迅速和容易地理解。之後遇到相同的問題可以快速地通過找筆記解決。
舉個例子，下圖是我記錄的一些關於gdb【linux下調試c++的工具】的使用的一些筆記。我只記錄了我自己最常用的一些內容，也許你看著很亂，但是我就能很容易看懂，這就是我的定製化。
記筆記的習慣一定要堅持，等過個一年或者兩年，這就是你巨大的財富，因為那是只有你才能看懂的東西。我已經記錄了4年多、1G多的內容，現在的筆記基本已經形成了體系，可以給大家展示其中的一部分。
專業知識相關筆記：
開發相關的筆記：
一些類目：
軟體開發人員的編程代碼
5.有什麼比較好的編程方法？
除了上述分享的一些方法，我認為在同一時間段不要學習太多類別的課程，比如你可以同時學習python和html/css，但是你不要同時學python、操作系統、編譯原理、計算機組成、數據結構、網路，我曾經試過，一門課沒學一會兒就學下一門，其實上一門根本學不到什麼實際的知識。因為記憶知識是符合艾賓浩斯記憶曲線的。對於一門課，特別是很難的專業課，譬如操作系統，你每天看半小時，效果是比較差的，可能你熱身就得半小時。所以寧可每天學兩門，然後每一門學長一點的時間，比如兩小時。【畢竟學校上課，一次課也得兩小時】，要避免貪多，一口吃不成個胖子。
6.我需要刷oj么？
我認為剛開始編程的時候還是應該刷的，但是一定要注意，不要被你周圍的「X神」給誤導了。因為我上大學的時候，身邊總是有很多搞計算機競賽的人，他們之間都互相稱對方為「X神」，某某神又使用一個牛逼的演算法，將程序時間從1秒降低到了0.999秒。我要勸大家的是，刷題不是為了達到這個目的，不是說非要在競賽中拿獎，除非你是特別喜歡，否則，沒必要去背代碼。我們刷題的目的是適應寫代碼的感覺，在這個過程中你會遇到編譯錯誤，你會慢慢去記住一些語法、關鍵字，並理解一些概念，還可以自己去使用它，比如實現數據結構。慢慢的你就會變得有經驗，知道一些錯誤產生的原因。我也是慢慢這樣過來的，我現在在工作和下班以後寫代碼時，基本都不用IDE了，比如寫c++，要麼vim，要麼就是sublime，而調試用的是我前面提到的工具gdb。即，有一個文本編輯器就能寫代碼，脫離了IDE的束縛。在寫oj之後一段時間，在比較熟練了之後，就可以不去刷題了，可以去譬如github這樣的網站上找點項目來看，然後自己跟著寫一下，編程能力慢慢就提升了。就計算機專業來說，很多同學在大一上完編程課之後，就很少寫代碼了，這樣是很不好的。刷題除了可以鍛煉編程能力，對於找工作前突擊也很有作用。比如，我之前投遞過華為公司的研發崗位，校招的時候有筆試題。我就在16年國慶的時候刷了一下華為的oj，我記得筆試是600分的總分，過100就給面試機會，而我很輕鬆的就拿了500分，而當時也就刷了20多道華為的題。
7.看書還是看視頻？
網上有不少人鄙視看視頻學習的同學，我不知道為什麼，因為我認為看視頻是一個很好的學習方式。不過我們得明白看書和看視頻分別有什麼優缺點。
其實我是很建議看視頻入門的，因為目前網上的應用型【非學術型：比如清華大學的操作系統，非常難】的視頻都是很簡單的，很多是面向初學者的，視頻能用較短的時間告訴你你現在所學的技術可以幹什麼，可能需要先修哪些知識，可以幫助我們搭建一個項目驅動式學習的網路。可是視頻也有個缺點：就是知識非常的雜，很不系統。雖然現在很多教學網站都提供了學習路徑，但是這些路徑中的視頻很多時候都不是同一個老師錄製的，只是按照知識的依賴關係排的順序，所以，如果想通過視頻去系統地學習一門知識，是比較困難的。【當然，一些學術型的視頻還是很推薦的，比如斯坦福的機器學習，清華的操作系統、數據結構等課程，能堅持看完，絕對受益匪淺】。而應用型的，比如web開發等知識，還是得看書。書籍等特點就是系統化，由淺入深，你可以定製化地看自己薄弱的章節。所以一個比較好的學習方式是：
看視頻入門，看書進階。
世界您好
8.多久能學會編程？
其實這個問題是沒有答案的，如果只是想做出一個小應用，2個月足矣，而就我個人而言，我認為學習編程不是學習一種編程語言，而是學習一個生態，一個計算機系統，所以無止境。
9.我應該選擇什麼資料，看什麼書？
其實這個問題也是很多編程新手容易困惑的問題。網路上擁有我們一輩子都看不完的教程和資料，所以現在應該不會存在找不著視頻教程、找不著書看的問題。而問題就是我們不知道看什麼視頻、看什麼書。從開始學編程到現在，我也買了上百本書，而真正適合自己的好書並不多。而視頻教程的問題就更嚴重了，東看一點、西看一點，知識很難組織成網路。所以學習編程的過程中，我們遇到的最大的問題是：當我們遇到問題的時候，在大量資料面前，我們不知道選擇什麼資料去學習。即使我們使用項目驅動式學習的方法找到了我們的方向，但是同一個路徑下，也有很多資料。前文列舉的項目驅動式學習的圖中，我們是自上而下的去發現問題，然後再解決問題。如果能有人幫我們組織好學習路徑，然後自下而上地去學習，那麼效率可能會提高很多。 （大數據前沿 二胖）
