Python作业实战：三步搞定小游戏、爬虫与exe打包

第3次Python作业，比我想象中来得更猛一些。

前两次作业我做得很顺，变量、if判断、for循环、函数，这些基础内容虽然也掉过不少头发，但至少每道题都有标准答案。可是这次不一样，老师布置的内容直接让我有点懵：要求用Python做一个小游戏，再写一个爬虫抓取公开数据并整理成Excel表格，最后还要把其中一个程序打包成exe。不同老师布置的第3次作业题目肯定不一样，但我这套组合涵盖的点非常典型：语法巩固、数据处理、项目交付，几乎每个学Python的人都会经历一遍。我看到题目的第一反应是：这真的是入门的第3次作业？后来冷静下来才发现，老师其实是把前两次学过的所有基础知识点串了起来，逼着我们去走一遍完整的“从写代码到交付”的流程。

这篇文章记录我完成这次作业的完整过程，包括任务拆解、环境准备、代码实现、踩坑排查和最后的打包经验。如果你也正在学Python，或者刚好卡在某次作业上，这篇文章里的很多坑你应该用得上。全文不是教科书，更像是我自己踩坑后的复盘笔记，有些步骤可能不是最优解，但一定是我实际验证过能跑通的方案。

1. 第3次作业到底在做什么：任务拆解与整体思路

1.1 为什么这次作业和前两次完全不一样

前面两次作业基本都是“给一道题，写一个函数”这类模式。比如第二周让我写一个“根据月份判断天数”的程序，虽然也卡了一阵子，但本质是语法练习，只要把分支条件理清楚，答案就是确定的。第3次作业最大的变化在于：它不再单纯考语法，而是考“你能否独立完成一个小型项目”。

我的理解是，老师想让我们把散装的知识点拼起来。比如小游戏需要用到变量、条件判断、循环、函数、random模块；爬虫则需要requests、json、pandas这些第三方库；打包exe又涉及命令行操作、路径管理、依赖收集。任何一个知识点薄弱，整个流程就卡住。换句话说，这次作业的难点不是某一个具体技术，而是多个技术之间的衔接和调度。

所以我拿到题目的第一件事不是打开编辑器，而是拿纸把任务拆开。拆完之后我发现，这三个任务其实构成了一条完整的学习链：小游戏巩固Python核心语法和逻辑组织能力，爬虫与数据处理让我学会从外部获取数据并整理成结构化文件，可视化和打包则把成果变成可交付、可执行的东西。这条链路也是很多真实工作的缩影：数据获取 -> 数据处理 -> 结果呈现。能独立走通一遍，之后学任何框架都会顺很多。

1.2 三个任务模块的具体要求

我根据老师给的题目和自己的理解，整理了一个任务表：

任务表列出来之后，我的焦虑感立刻少了三分之一。因为目标变得具体了：每个模块也就一两个核心功能，而不是笼统的一句“做一个综合项目”。我建议所有被综合作业吓到的同学都试试这个方法——把模糊的大任务拆成清晰的小步骤，写到纸上或者表格里，你就不会觉得无从下手。

1.3 技术选型：版本、编辑器和虚拟环境

这里我想重点说一个很多人忽略的问题：学Python不一定要用最新版，但一定要用“稳定且自己熟悉”的版本。我电脑上装的是Python 3.10.8。为什么没用3.12？因为当时安装第三方库的时候，个别库还不保证兼容最新的3.12，为了避免在作业上折腾兼容性问题，我用3.10稳一点。如果你还没装Python，建议直接去官网下载3.10或3.11的稳定版，尽量不要用3.8以下的老版本，有些新语法和库的要求已经跟不上了。

编辑器我一直用VSCode，插件只装了两个：Python和Pylance。说实话，PyCharm也很好，但对一台普通笔记本来说，VSCode打开项目更快，占内存也小一点。更关键的是，我在写第3次作业时需要在多个脚本文件之间切换，VSCode的标签页和资源管理器更顺手。

然后就是虚拟环境。这次作业需要安装requests、pandas、matplotlib、pyinstaller等一堆库，如果直接往系统Python里塞，迟早会乱。我在项目目录下建了一个venv虚拟环境，所有依赖都装在里面。这样即使搞坏了，大不了删掉重来，不会影响系统其他程序。后面我会专门讲虚拟环境的操作，因为这一步真的能省下后续无数麻烦。

2. 环境准备：先解决“代码还没写，电脑先炸了”的问题

2.1 Python安装与环境变量：最容易出问题的第一步

我知道很多人在第3次作业上卡住，不是卡在代码，而是卡在环境。最常见的一句话就是“明明装了Python，为什么命令行里输python没反应？”

出现这个问题，八成是安装时漏勾选了“Add Python to PATH”。在Windows上安装Python时，第一屏右下角会有一个“Add python.exe to PATH”的选项，默认是不勾的，如果你没点，装完以后命令行根本识别不到python命令。解决思路有两种：

• 重新运行安装包，选Modify，把“Add Python to PATH”勾上。
• 手动把Python安装目录和Scripts目录加入环境变量。

第二种方法我后面会细说，因为有时候重装包也会出问题。很多人听到“环境变量”这四个字就头大，其实完全不用怕：右键“此电脑” -> 属性 -> 高级系统设置 -> 环境变量，在系统变量里找到Path，把Python的安装路径加进去就行。比如我装在C:\Python310，那就加一条C:\Python310，再加一条C:\Python310\Scripts，后者存的是pip、pyinstaller这些命令行工具的位置。加完后记得点“确定”，再重新打开终端才能生效。

2.2 虚拟环境：不是可选项，是必须项

第3次作业需要用到大量第三方库，我强烈建议先建虚拟环境再动手。在项目根目录下打开终端，运行：

bash复制python -m venv venv

执行完成后会出现一个venv文件夹。Windows下进入虚拟环境用：

bash复制venv\Scripts\activate

macOS或Linux用：

bash复制source venv/bin/activate

激活之后，命令行开头会多出“(venv)”字样，这时候再执行pip install，所有包都会装进这个虚拟环境里，不会污染系统Python。我第一次做作业时懒得建，直接在全局环境装了requests和pandas，结果后来装别的项目包时把pandas版本弄乱了，代码能跑但有时候报警告，排查起来非常烦。

所以我的建议很直接：从第3次作业开始，养成“每个项目一个虚拟环境”的习惯。这个习惯越早建立，后面踩坑越少。

2.3 安装依赖：版本指定能省很多麻烦

这次作业需要安装的库有：

bash复制pip install requests pandas matplotlib openpyxl pyinstaller

如果你照抄这行直接装，大概率能成功。但我踩过一个坑：没有指定版本，pip自动装了最新版pandas，而最新版pandas对Python版本有要求，我的3.10装不了最新版，最后报了一堆“No matching distribution”的红字。解决办法是降低版本，比如：

bash复制pip install pandas==2.0.3 requests matplotlib openpyxl pyinstaller

这里说明一下：版本号不需要死记，遇到装不上的时候，先看报错信息，通常会明确提示“requires-python >=3.11”之类。装库的原则是“能跑就行，不追新”，特别是写作业、做项目的阶段，稳定比什么都重要。

还有一个经常被忽略的事情：安装的包名和导入的模块名不一定一样。比如导入是import pandas，安装是pip install pandas；Excel支持导入是import openpyxl，安装也是pip install openpyxl。如果忘记装openpyxl就跑pd.ExcelWriter，pandas会提示缺少这个引擎，这是新人很容易疑惑的地方。

3. 核心挑战：人狗大作战小游戏实现

3.1 需求分析：先把游戏规则定死

任务一说要做一个“人狗大作战”的控制台回合制游戏。我看过网上很多人写的版本，有的做成图形界面，有的加了天气系统、道具系统，非常花哨。但作为第3次作业，我觉得核心是逻辑清晰、能跑、能玩，所以我把需求定成最经典的回合制：

• 玩家是人，对手是狗。
• 人和狗都有血量hp和攻击力attack。
• 每回合人可以选择：攻击、防御、回血。
• 狗每回合固定攻击一次，伤害有随机浮动。
• 任意一方血量降到0或以下，游戏结束，并显示胜负。

为什么这样定？因为三个选项分别对应三个核心语法点：攻击是普通的函数调用和数值运算，防御是状态切换（比如本回合免伤），回血是条件判断和数值增加。加上随机数和循环，基本把课本知识点全覆盖了。如果只做“双方互砍直到一方倒下”，虽然也能跑，但缺少交互和分支，体现不出作业的综合性。

3.2 代码实现：从0到1写一个可玩的版本

这里提供一个我最终提交的简化版本，方便大家理解整个结构：

python复制import random

class Player:
    def __init__(self, name, hp, attack):
        self.name = name
        self.hp = hp
        self.max_hp = hp
        self.attack = attack

    def is_alive(self):
        return self.hp > 0

class Game:
    def __init__(self):
        self.player = Player("人", 100, 20)
        self.dog = Player("狗", 80, 15)

    def show_status(self):
        print(f"{self.player.name}: {self.player.hp}/{self.player.max_hp}")
        print(f"{self.dog.name}: {self.dog.hp}/{self.dog.max_hp}")

    def player_turn(self):
        print("你要做什么？1.攻击 2.防御 3.回血")
        choice = input("请输入数字: ").strip()
        if choice == "1":
            damage = random.randint(self.player.attack - 5, self.player.attack + 5)
            self.dog.hp -= damage
            print(f"你对狗造成了{damage}点伤害")
        elif choice == "2":
            print("你选择了防御，本回合收到的伤害减半")
            return "defend"
        elif choice == "3":
            heal = random.randint(10, 20)
            self.player.hp = min(self.player.hp + heal, self.player.max_hp)
            print(f"你回复了{heal}点生命")
        else:
            print("输入无效，视为普通攻击")
            damage = self.player.attack
            self.dog.hp -= damage
        return None

    def dog_turn(self, player_defending):
        damage = random.randint(self.dog.attack - 5, self.dog.attack + 5)
        if player_defending:
            damage = damage // 2
        self.player.hp -= damage
        print(f"狗对你造成了{damage}点伤害")

    def start(self):
        print("游戏开始！")
        while self.player.is_alive() and self.dog.is_alive():
            self.show_status()
            defending = self.player_turn()
            if self.dog.is_alive():
                self.dog_turn(defending)
        if self.player.is_alive():
            print("你赢了，狗被打败了！")
        else:
            print("你输了，狗战胜了你...")

if __name__ == "__main__":
    Game().start()

这个版本没有用太多高级语法，但已经是一个完整可玩的游戏了。我提交的时候在这个基础上加了个“战斗日志”功能，把每一回合的伤害数值追加到一个列表里，最后打印出来，这样老师能看到战斗过程的记录，也算是一个小的扩展点。

3.3 调试与边界：游戏好不好玩，全看这些细节

代码能跑和代码好用之间，差的往往是边界处理。举几个我在调试中遇到的问题：

第一个是“死亡后还能继续攻击”的问题。游戏判断循环条件是双方都存活，但玩家选择了攻击后，狗的血量被扣到0，按逻辑应该马上结束。如果代码里在玩家操作完没有立刻判断狗是否存活，而是继续让狗反击，就会出现“狗都死了还打你一下”的尴尬情况。我上面的代码里已经做了处理：玩家操作完，先判断if self.dog.is_alive()，再决定狗是否行动。

第二个是“防御状态只生效一回合”的问题。我的实现里，防御效果只在狗当前回合有效，如果下一回合玩家没选防御，状态就不该延续。所以我用的是函数返回值传递挡伤害状态，而不是设一个self.defending长期变量。这样每次玩家回合都会重新计算，不会出现“一直防御一直免伤”的bug。

第三个是回血不能超过上限。很多人写回血时直接self.hp += heal，结果满血状态下还能回血，血条超过max_hp。上面代码用min(self.player.hp + heal, self.player.max_hp)解决了这个问题。这些都是很小的细节，但恰恰是这些细节让程序从“能跑”变成“会正确运行”。我在调试时就把这三个环节当成三个独立的测试点，每次改完都手动跑一遍，确认改动没有破坏其他逻辑。

3.4 经验分享：写小游戏时最值得注意的事

写这种控制台小游戏，我最大的体会是：先把控制流画出来，再写代码。我一开始直接在编辑器里写，想着逻辑又不复杂，结果写到第三种选项时就开始乱了，一会忘了判断狗血量，一会忘了判断玩家回血溢出。后来我拿草稿纸画了一个简单的循环流程：显示状态 -> 玩家选择 -> 扣血/回血 -> 判断狗是否死亡 -> 狗攻击 -> 判断玩家是否死亡 -> 回到循环顶部。画完再写代码，思路清晰了很多。

另外一个小技巧是：可以在开发阶段临时打印调试信息。比如在狗攻击前打印它这次计算的伤害区间，在玩家选择防御后打印“当前防御状态为True”。等逻辑没问题了再删掉，或者用if debug_switch包起来。不要觉得写print丑，能帮你快速定位问题的print就是好print。还有一些人喜欢一上来就用pdb或断点调试，但对小程序来说，print往往比断点更快。

4. 爬虫与数据处理：从抓取数据到输出Excel

4.1 爬虫任务怎么选题：数据来源是关键

第3次作业的数据抓取任务，我选择抓一个公开的天气接口。为什么选天气？因为这种接口通常是公开的、返回JSON格式、不需要登录和认证，非常安全。这里我也要提醒一句：写爬虫作业时，尽量选择公开数据源，不要盯着需要登录的页面，也不要高强度请求同一个地址，一是容易违反对方服务条款，二是很容易把自己的IP搞出问题。交作业而已，没必要也不应该去碰灰色地带，选一个正规的免费接口就足够了。

我的脚本目标是：抓取某城市未来7天的天气信息，包括日期、最高气温、最低气温、天气描述，保存到本地CSV，再用pandas读取并转成Excel。数据接口的选择要慎重，最好选那种返回标准JSON的免费接口。申请好接口key之后，把URL复制到浏览器中先看一下返回结构，避免代码写一半发现数据格式不对。

4.2 核心代码：请求、解析、保存

下面是爬虫部分的关键代码：

python复制import requests
import json
import csv

api_url = "https://api.openweathermap.org/data/2.5/forecast/daily"
params = {
    "q": "Shanghai",
    "cnt": "7",
    "appid": "你的API_KEY",
    "units": "metric"
}

resp = requests.get(api_url, params=params, timeout=10)
if resp.status_code == 200:
    data = resp.json()
    rows = []
    for item in data.get("list", []):
        day = item["dt"]
        temp_max = item["temp"]["max"]
        temp_min = item["temp"]["min"]
        weather = item["weather"][0]["description"]
        rows.append([day, temp_max, temp_min, weather])
    with open("weather.csv", "w", newline="", encoding="utf-8-sig") as f:
        writer = csv.writer(f)
        writer.writerow(["日期", "最高气温", "最低气温", "天气"])
        writer.writerows(rows)
    print("保存成功")
else:
    print("请求失败", resp.status_code)

这里有几个细节值得说。第一个是timeout=10，这个参数必须加，否则请求卡住时程序会一直等，看起来很像是死机。第二个是encoding="utf-8-sig"，如果你用utf-8保存CSV再用Excel打开，中文会乱码；utf-8-sig能解决这个问题。第三个是resp.json()解析之前，可以先resp.status_code判断状态码，别假设请求一定成功，网络请求是作业中最容易出现不确定性的环节。

4.3 用pandas清洗数据：把“能用的数据”变成“好看的数据”

抓下来的数据其实已经能用了，但老师要求“整理成Excel”，所以我还需要进一步处理。最简单的做法是直接用pandas读CSV，对字段做点清洗，再导出Excel：

python复制import pandas as pd

df = pd.read_csv("weather.csv")
df["日期"] = pd.to_datetime(df["日期"], unit="s")
df["日期"] = df["日期"].dt.strftime("%Y-%m-%d")
df = df.sort_values("日期")

with pd.ExcelWriter("weather.xlsx", engine="openpyxl") as writer:
    df.to_excel(writer, index=False, sheet_name="7日天气")
print("Excel生成完毕")

这段代码里，df["日期"]这列原本是Unix时间戳，直接用pd.to_datetime(df["日期"], unit="s")转成日期格式，这是pandas处理时间戳的常规操作。排序那一步我一开始没写，结果导出的Excel按接口返回顺序排列，全是乱序，观感很差。后来补上sort_values，一切正常。数据清洗在真实工作中占据很大比重，这里我强烈建议大家养成一个好习惯：拿到数据后，先df.info()查看字段类型，再df.head()看前几行，然后处理空值和类型。甚至在第3次作业里，你也可以刻意把清洗过程写在代码注释里，让老师看到你的思考过程。

4.4 爬虫作业的高频错误：请求被拒、编码乱码、字段不存在

我这次爬虫作业踩的最大的一个坑是：接口返回的数据结构跟我看的文档不完全一致。文档里写的是data.list[].temp，但实际返回的是data.list[].temp.max。如果没有先真实请求一次把JSON打印出来，很容易写错路径导致KeyError。排查这种问题最直接的方法是，先写一行print(json.dumps(data, indent=4, ensure_ascii=False))，把返回的JSON完整打印出来，一层一层对照字段名。不要凭记忆写代码，数据接口的各种小差异太常见了。

还有一次我忘记加headers，直接requests.get，结果被对方服务器拒绝，返回403。后来我加了一个普通的User-Agent请求头就通过了。这里不是让大家去伪装