Develop code

歡迎來到程式開發的世界！

在本章中，我們將從「像電腦一樣思考」轉向真正的實作！程式開發是電腦科學的核心。在這裡，你的創意將轉化為實際運作的應用程式和軟體。無論你是立志成為專業開發者，還是只想在考試中取得佳績，這些技能就像是你解決難題的超能力。別擔心，有些部分看起來可能像是在學習一種新語言，我們會一步一步為你拆解！

1. 解決大難題（分解與抽象化）

在輸入第一行程式碼之前，你需要一個計畫。電腦並不聰明，它們需要非常具體的指令。

分解（Decomposition）：拆解問題

分解是指將複雜的問題拆解成更小、更容易處理的部分的過程。 類比：如果有人叫你「籌辦音樂節」，你一定會愣住！但如果你把它拆解成「預約樂團」、「租借舞台」和「販售門票」，處理起來就會容易多了。

抽象化（Abstraction）：化繁為簡

抽象化是指移除不必要的細節，將重點放在重要的部分。 類比：想像一張倫敦地鐵圖。它不會顯示每一條街道或每一棵樹，只會顯示車站和路線。這就是抽象化！

快速回顧：
- 分解 = 將大型任務拆解為微型任務。
- 抽象化 = 忽略與解決方案無關的細節。

重點總結： 使用這兩個工具能幫助你分析問題，讓你解決難題時不再感到手足無措。

2. 從計畫到程式

在考試中，你可能會拿到一個演算法（例如流程圖或虛擬碼），並被要求將其轉換為實際的程式碼（對於 Edexcel 學生來說，通常是 Python）。

閱讀與精進程式碼

程式開發不僅僅是編寫，還包括閱讀和精進。 - 閱讀：你能看懂一段程式碼並解釋它的功能嗎？
- 精進：你能將一個運作中的程式改進得更好、更快或更容易閱讀嗎？

轉換演算法

當將流程圖或虛擬碼轉換為程式時：
1. 找出輸入（Inputs）（例如：「詢問姓名」），並將其轉換為程式碼：name = input()。
2. 找出選擇（Selection）（流程圖中的菱形），並使用 if/else 語句。
3. 找出重複（Repetition）（迴圈），並使用 while 或 for 迴圈。

你知道嗎？虛擬碼（Pseudocode）並非一種嚴格的程式語言。它只是用英文（或中文）編寫的「模擬代碼」，用來幫助你在考慮特定程式語言規則之前先規劃好邏輯。

重點總結：練習用紙筆進行程式「追蹤（tracing）」，這能讓你準確理解程式如何從開始運行到結束。

3. 編寫「簡潔」的程式碼

程式碼不僅僅要能「運作」就夠了，它還必須具備可維護性。這意味著如果六個月後你回頭看，或者其他程式設計師看到這段程式碼，他們都能輕鬆理解。

「專業碼農」檢核清單：

- 有意義的識別碼：使用合乎邏輯的變數名稱。使用 score 而不是 s，或 player_name 而不是 p1。
- 縮排（Indentation）：使用空格或 Tab 來顯示哪些程式碼屬於 if 語句或迴圈之內。在 Python 中，這是強制要求的！
- 註解（Comments）：使用 # 符號來寫下筆記，解釋一段複雜的程式碼在做什麼。
- 空格（White Space）：不要把所有東西都擠在一起。使用空行來分隔不同的程式碼「段落」。

記憶法：記住 C.I.M. - Comments（註解）、Indentation（縮排）、Meaningful names（有意義的名稱）。這能讓你的程式碼閱讀起來非常簡單（SIM-ple）！

重點總結：清晰的佈局和良好的命名能讓你的程式碼在日後更容易除錯與更新。

4. 捕捉蟲子（錯誤類型）

每個人都會犯錯！竅門在於知道如何找到並修正它們。你需要知道三種主要的錯誤類型：

1. 語法錯誤（Syntax Errors）

這些是「文法」錯誤。你違反了程式語言的規則。 範例：忘記在 if 語句末尾加上冒號 (:)，或是將 "print" 拼寫成 "prnt"。程式甚至無法啟動。

2. 邏輯錯誤（Logic Errors）

程式運作得非常完美，但結果卻是錯的！這是一種「思考」上的錯誤。 範例：你想將兩個數字相加，卻不小心用了減號 (-)。電腦完全按照你的指示執行，但你的指示給錯了！

3. 執行時期錯誤（Runtime Errors）**

程式開始運行，但隨後突然崩潰。 範例：指示電腦將數字除以零，或是要求它開啟一個不存在的檔案。

要避免的常見錯誤：不要搞混邏輯錯誤和語法錯誤。如果程式啟動了但給出錯誤答案，那是邏輯錯誤。如果程式立刻跳出紅色錯誤訊息，那就是語法錯誤。

重點總結：辨識、定位並修正這些錯誤，是成為優秀程式設計師的關鍵一環。

5. 你的程式是否合用且快速？

當你的程式可以運作後，你需要評估它的適用性（Fitness for purpose）和效率（Efficiency）。

適用性（Fitness for Purpose）

程式是否真的執行了使用者要求的功能？如果你被要求製作一個加法計算機，但它只能做減法，那麼它就不是「合用」的。

效率（Efficiency）

兩個程式可以解決同一個問題，但其中一個可能因為更有效率而「更好」。我們透過以下方式測量：
- 比較次數：電腦需要詢問「A 是否等於 B？」多少次？
- 執行次數：它需要經過迴圈多少次？
- 記憶體使用：它佔用了多少電腦 RAM 空間？

快速回顧：
為了測試程式是否適用，我們使用測試數據（Test Data）。這包括：
- 正常數據：程式預期會接收到的東西（例如：輸入年齡「15」）。
- 邊界數據：允許範圍的最極端數值（例如：「0」或「100」）。
- 錯誤數據：應該被拒絕的東西（例如：在年齡欄輸入「香蕉」）。

重點總結：一個出色的程式不僅是能運作，它還必須高效地運作，並且能處理意外輸入而不會崩潰。