🔥每天一小时七天做完ai智聊机器人剩余内容大总结--Python 必学 4 大核心知识点

模块+文件+异常+Ollama AI 调用（超全笔记）
大家好，前段时间实在有点忙.我直接跳过一些简单的PYthon基础,整理了 Python 超实用核心知识点，涵盖模块导入、文件操作、异常处理、Ollama 本地大模型调用四大重要模块，全是课堂干货+实战案例，零基础也能看懂，建议收藏！

---

📌 前言
这篇笔记整理自自敲代码，包含基础语法 + 实战案例 + 避坑技巧，既适合自学查漏补缺，也适合分享给同学/朋友，看完就能直接上手写代码！

---

一 Python 模块与导包（代码复用核心）
1.什么是模块？
Python 中，一个.py文件就是一个模块，用来封装函数、变量，实现代码复用。

🔸 5 种导包方式（必会）

1. 导入整个模块

import time
time.time()

2. 模块起别名
   import time as t
   t.sleep(2)

3. 导入指定功能
   from time import time, sleep
   time()

4. 功能起别名
   from time import time as t, sleep as s
   t()

5. 导入所有功能
   from time import *
   localtime()

🔸 模块两大神属性（面试常考）
✅_name_
直接运行模块：_name_ == 'main'
被导入时：_name_ == 模块名
用途：写模块测试代码，避免导入时自动运行

if _name_ == 'main':
''' 测试代码'''
print(getsum(1,2))

✅_all_
控制from 模块 import *能导入的函数
# module_a.py
_all_ =['getsum','printinfo']

🔸 跨模块调用 + 重名函数解决
# 解决重名（a、c模块都有get_sum）
import module_a as a
import module_c as c
print(a.getsum(10,20))printc.getsum(10,20)

---

二 文件操作：with open 自动关闭文件（最优雅写法）
🔸 为什么用 with open？
传统open()必须手动close()，容易忘；
with open 会自动释放资源，安全又简洁！

🔸 文本文件拷贝（标准模板）
with open('data/1.txt', 'r', encoding='utf-8') as src_f,
open('data/2.txt', 'w', encoding='utf-8') as dst_f:
while True:
data = src_f.read(1024)
if not data:
break
dst_f.write(data)

🔸 图片加密/解密（超酷小案例）
原理：a ^ b ^ b = a，加密解密一套代码
# 加密
with open('a.jpg', 'rb') as src, open('b.jpg', 'wb') as dst:
while True:
data = src.read(1)
if not data: break
dst.write((data[0]7).tobytes())

解密：再跑一次即可恢复原图

---

三 异常处理 try-except（让程序不崩溃）
🔸 完整语法（万能模板）
try:
# 可能出错的代码
except Exception as e:
# 捕获所有异常，打印错误
else:
# 没异常才执行
finally:
# 无论如何都执行（关闭文件/释放资源）

🔸 实战：带异常处理的猜数字游戏
import random
def guess():
num = random.randint(1,100)
while True:
try:
n = int(input("请猜数字(1-100)："))
if n == num:
print("猜对了！")
break
elif n>num: print("大了")
else: print("小了")
except:
print("请输入整数！")

ifname== 'main':
guess()

---

四 Ollama 本地 AI 调用（4 个实战案例）
🔸 核心流程
导包 → 写提示词 → 调用模型 → 取结果
import ollama
response = ollama.chat(model="qwen2:1.5b", messages=[{"role":"user","content":"提示词"}])
result = response["message"]["content"]

🔸 案例 1：故事续写
response = ollama.chat(model="qwen2:1.5b",
messages=[{"role":"user","content":"从前有座山，山里有座庙，请续写"}])
print(response["message"]["content"])

🔸 案例 2：命令行多轮问答
while True:
q = input("你问：")
res = ollama.chat(model='qwen2:1.5b', messages=[{"role":"user","content":q}])
print("AI：", res['message']['content'])

🔸 案例 3：AI 代码生成
prompt = "用Python写一个两数求和函数"
res = ollama.chat(model="deepseek-r1:8b", messages=[{"role":"user","content":prompt}])
print(res['message']['content'])

🔸 案例 4：情感分析（用户反馈分类）
prompt = """
分类：价格过高、售后不足、体验不佳、其他
格式：分类结果：xx
内容：产品好用，但客服不会指导
"""
res = ollama.chat(model="deepseek-r1:8b", messages=[{"role":"user","content":prompt}])
print(res['message']['content'])

---

🎯 总结（一张图记住）
1.模块：5 种导包 +_name_/_all_
2.文件：with open自动关闭，支持图片加密
3.异常：try-except-finally保证程序稳定
4.Ollama：提示词 + 调用 + 解析，4 个场景直接用

---

💬 结尾
这篇干货整理不易，如果你觉得有用，欢迎点赞 + 收藏 + 转发给需要的朋友～
有问题可以在评论区留言，我会一一回复！