Python Kurs für JavaScript-Entwickler: Umstieg mit Node und TS

Vom JavaScript-Ökosystem zu Python

• Was Sie aus JavaScript mitnehmen – und wo Python bewusst anders entscheidet
• Ökosysteme im Vergleich: Node.js und CPython, npm und PyPI, npx und uvx
• package.json und package-lock.json gegenüber pyproject.toml und uv.lock
• Umgebung mit uv einrichten: Python-Version, virtuelle Umgebung .venv, uv add
• pip, Pipenv und requirements.txt in Bestandsprojekten lesen und nach uv überführen
• Python-Programme ausführen: uv run, Module mit python -m und die interaktive Konsole
• Einzelskripte mit eingebetteten Abhängigkeiten (PEP 723) so schnell starten wie ein Node-Skript
• ES-Module und Python-Importe: import, from … import, Pakete mit __init__.py
• Fehlersuche mit breakpoint(), pdb und ipdb statt der Anweisung debugger;
• Debugging in VS Code mit debugpy: Haltepunkte, Variablen und Aufrufstapel wie in den DevTools

Stil, Zahlen, Listen und Strings

• Warum Stil in Python zählt: PEP 8, snake_case statt camelCase, lesbare Namen
• Ruff als Linter und Formatierer – das Gegenstück zu ESLint und Prettier in einem Werkzeug
• Zahlen: beliebig große int statt Number und BigInt, float und Ganzzahldivision //
• 0.1 + 0.2 in beiden Sprachen und Decimal für Geldbeträge
• Von Arrays zu Listen: append, extend und pop statt push und concat
• Tupel für feste Wertegruppen, Entpacken mit a, b = … statt Destructuring
• Objekt-Literale und Map gegenüber Dictionaries, Set gegenüber set
• Zeichenketten: Template-Literals gegenüber f-Strings, Format-Spezifikationen für Zahlen
• String-Methoden im Vergleich: join als Methode des Trenners, strip statt trim
• Python-Slices mit [start:stop:step] und negative Indizes statt slice() und at()

Grundlegende Logik und Fehlerbehandlung

• Einrückung statt geschweifter Klammern: Blöcke, pass und typische Einrückungsfehler
• Kein Blockscope wie bei let: Geltungsbereiche, global und nonlocal in Closures
• Wahrheitswerte im Vergleich: leere Liste, leeres Dictionary und 0 sind in Python falsy
• == und is gegenüber == und ===, None statt null und undefined
• and, or, not und der Bedingungsausdruck a if x else b statt ?:
• Kontrollfluss mit if/elif und match/case statt switch mit Durchfallen
• Wie sich Iteration unterscheidet: for … in über Werte, range() statt Zählschleife
• while, break, continue und der else-Zweig nach Schleifen
• Warum try/except überall ist: EAFP statt Vorabprüfung, KeyError statt undefined
• try, except, else, finally, eigene Ausnahmen und raise … from
• Kontextmanager mit with für Dateien und Verbindungen statt try/finally von Hand

Funktionen im Vergleich

• Pfeilfunktionen gegenüber def und lambda: warum Python-Lambdas nur einen Ausdruck haben
• Rest- und Spread-Syntax gegenüber *args, **kwargs und Entpacken beim Aufruf
• Schlüsselwortargumente und Standardwerte statt Options-Objekt, Falle veränderlicher Standardwerte
• Closures und Funktionen höherer Ordnung, functools.partial statt bind

Klassen, Vererbung und das Datenmodell

• Objekte in Python und JavaScript: Prototypen gegenüber Klassen, in Python ist alles ein Objekt
• Klassendefinition mit __init__ und explizitem self statt constructor und this
• @property statt get/set, interne Namen per Konvention _name statt #feld
• @classmethod als alternativer Konstruktor, @staticmethod sparsam einsetzen
• Dataclasses mit @dataclass für Wertobjekte, frozen=True für unveränderliche Daten
• Superkräfte mit dem Datenmodell: __repr__, __eq__, __len__ und __getitem__
• Operatoren überladen mit __add__ und __lt__ – was JavaScript nicht kennt
• Vererbung mit super() und Methodenauflösungsreihenfolge (MRO)
• Mixins als kleine Zusatzklassen, Mehrfachvererbung gezielt und sparsam einsetzen

Iteration, Generatoren und Comprehensions

• Iterator-Protokoll mit __iter__ und __next__ gegenüber Symbol.iterator
• Generatoren mit yield gegenüber function*, Generatorausdrücke für große Datenmengen
• Prägnanter Code mit zip und enumerate statt Index-Schleife und entries()
• Von map, filter und reduce zu List-, Dict- und Set-Comprehensions
• sorted(key=…), any(), all() und itertools statt langer Array-Methodenketten
• Decorators sind unverzichtbar: Funktionen umhüllen mit functools.wraps, lru_cache nutzen
• Python-Dekoratoren und die Decorators in TypeScript: ähnliche @-Syntax, anderes Modell

Typ-Hinweise gegenüber TypeScript

• Typ-Hinweise ohne Übersetzungsschritt: Annotationen, die zur Laufzeit niemand erzwingt
• Union-Typen str | None, Literal und TypedDict für JSON-artige Objekte
• typing.Protocol als strukturelles Gegenstück zum TypeScript-Interface
• Generische Funktionen und Klassen mit der Typparameter-Syntax def first[T](…)
• Typprüfung mit mypy oder Pyright, Pylance in VS Code statt TypeScript-Sprachserver
• Laufzeitvalidierung eingehender Daten mit Pydantic, wo Sie bisher Zod eingesetzt haben

async/await gegenüber Promises

• Event-Loop in Node.js und asyncio: Koroutinen laufen erst, wenn sie erwartet werden
• async/await gegenüber Promises, asyncio.run() als Einstiegspunkt
• Parallele Aufgaben mit asyncio.TaskGroup und gather statt Promise.all
• Zeitlimits mit asyncio.timeout() statt AbortController und Promise.race
• HTTP-Aufrufe mit httpx statt fetch, blockierende Bibliotheken in Koroutinen erkennen
• Tests mit pytest statt Jest oder Vitest: assert, Fixtures und Parametrisierung

JavaScript-Code mit Copilot nach Python übertragen

• Agent portiert ein Node-Modul nach Python, Ruff-Regeln fangen camelCase und Index-Schleifen ab
• Pyright im strikten Modus prüfen lassen, wenn der Agent TypeScript-Typen in Typ-Hinweise überträgt
• Vitest-Erwartungen der JS-Fassung als parametrisierte pytest-Fälle übernehmen, bevor portiert wird
• npm-Reflex bremsen: Agent fügt per uv add nur Pakete hinzu, für die die Standardbibliothek nicht reicht
• Asynchronen Python-Code des Agenten auf fehlende await und blockierende Aufrufe durchsehen

Praxisprojekt: Linkprüfer von Node.js nach Python portieren

• Ein Node-Skript, das alle Links einer Sitemap prüft, Funktion für Funktion analysieren
• Python-Fassung mit uv, httpx und asyncio.TaskGroup, Parallelität per Semaphore begrenzen
• Prüfergebnisse als Dataclasses, Bericht als JSON und CSV, Typprüfung mit Pyright
• pytest-Suite gegen die Ausgaben der Node-Fassung laufen lassen und Abweichungen klären