代码查询

上周三凌晨两点，我盯着屏幕上一行报错——AttributeError: 'NoneType' object has no attribute 'group'。代码查询那段正则匹配我写了三遍，代码查询每遍都觉得没问题。代码查询后来把输入字符串打印出来才发现，代码查询上游传过来的代码查询数据里多了一个换行符，导致匹配直接跳过。代码查询这种时刻，代码查询代码查询不是代码查询搜语法，是代码查询搜“别人踩过的坑”。

多数人查代码，代码查询第一反应是代码查询打开搜索引擎，粘贴报错信息。代码查询这招有效，代码查询但效率极低。代码查询搜出来的结果往往来自五六年前的论坛，代码风格老旧，甚至语言版本都对不上。我习惯先翻官方文档，尤其是标准库的API说明。比如Python的re模块，文档里明确写了match和search的区别——前者从开头匹配，后者扫描整个字符串。当年我就是没看这段，硬是用match去匹配中间的内容，白白折腾半小时。

官方文档查不到，再去社区。Stack Overflow依然是最靠谱的，但得会筛。看回答的投票数，看是否被采纳，看评论区有没有人指出“这个方案在3.8之后失效了”。我有个习惯：把高赞回答的代码复制到本地，改改变量名，跑一遍。跑不通就换下一个。别信那些只贴代码不解释的回答，它们大概率是从别处抄来的。

上面这段代码，我是在官方文档的“JSON解码”章节找到的。文档里还提到，json.loads遇到非法输入会抛异常，必须用try/except包住。很多人写代码不处理异常，线上环境一崩就懵了。查询代码时，不光看“怎么写”，还得看“怎么错”。

另一种查询方式更直接：读源码。GitHub上搜关键词，限定语言和文件类型。比如想找Flask怎么处理路由，直接搜@app.route，点进flask/app.py，看add_url_rule的实现。源码不会骗人，但读起来费劲。我的经验是，先看函数签名和文档字符串，再跳转到具体实现。别一行行啃，抓核心逻辑就行。

代码查询的终点，不是找到一段能跑的代码，而是理解它为什么能跑。我见过太多人复制粘贴后，连变量作用域都没搞清，出了bug又回来搜。这种循环很消耗精力。更好的做法是：查到一个方案，先问自己“它解决了什么问题”“边界条件是什么”“有没有更简单的写法”。

现在我的查询流程基本固定了：报错先看官方文档的“异常”章节，再搜GitHub Issues，最后才去Stack Overflow。如果是算法问题，直接翻《算法导论》或者刷LeetCode的讨论区。工具类的问题，比如“怎么用pandas合并两个DataFrame”，我会去查pandas的merge文档，看参数how的取值——inner、outer、left、right，每个都试一遍，记下结果差异。

说到底，代码查询是一种元技能。它考验的不是你记住多少API，而是你知不知道该去哪里找、怎么判断找到的东西靠不靠谱。搜索引擎会变，文档会更新，但“先理解再使用”这个原则不会过时。下次你复制一段代码之前，不妨多花三十秒，看看它背后的逻辑。那三十秒，往往能省下后面三小时的调试。