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 i+1 >= len(tokens): print("ERROR") return op = tokens[i] num = tokens[i+1] 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, mode='eval') 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("1+2="), 3) self.assertEqual(calculate("3*4="), 12) self.assertEqual(calculate("10/2="), 5) def test_priority(self): self.assertEqual(calculate("1+2*3="), 7) # 不是9 self.assertEqual(calculate("(1+2)*3="), 9) def test_errors(self): self.assertEqual(calculate("1/0="), "ERROR") self.assertEqual(calculate("1&2="), "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。
