Eric S. Raymond 说过这样一句话「当你拋出一个技术问题时，最终是否能得到有用的回答，往往取决于你所提问和追问的方式」。在本文中，作者谈到了「提问的智慧」、「不同的方案」……「可能的盲区」等多方面内容
作为一名程序员，如果没有听过 Stackoverflow，那么你最好去面壁思过一下。程序员最需要阅读的一本编程书籍（其实编程书留下这本就够了！）：
那些还没有读过这本书的程序员，是时候买一本了。如果还在犹豫，那么先看下这篇文章，看看为什么离不开 stackoverflow。
提问的智慧
当你拋出一个技术问题时，最终是否能得到有用的回答，往往取决于你所提问和追问的方式。 –Eric S. Raymond
有时候，清晰描述一个问题，特别是技术问题没有想象的那么简单。提问从来就是一门学问，可惜很多人没有意识到这一点，或者没有给予足够的重视。或者，有的提问者根本不是抱着提问的态度来请求大家的帮助。所以我们会发现各种让人无法解答或者无心解答的问题：
为了避免上面的问题被关闭或者修改，放一张图片在这里，来体会下这种狗屎问题：
去 segmentfault 的未回答题目中随便就能找到一堆这样的问题，所以很多人显然并没有提问的智慧或者没有很好的态度。Raymond 和 Rick Moen 写了一份经典的文章 How To Ask Questions The Smart Way专门来描述如何提问，这篇文章被翻译成各国文字，留传很广，可以在这里找到中文版。Stackoverflow 和 Segmentfalut 也给出了关于提问的建议：
在 Stackoverflow 可以看到太多经典的问题，我们可以从这些问题中学习如何去提问，如何和答题者沟通。当你看习惯了stackoverflow 上面的问题，提问时就会不自觉去模仿，从而避免问出无脑问题。下面是提问时最需要注意的几个问题：
- 问搜索引擎没有满意答案（google 起码过四页）的问题
- 问那些自己无法独立解决，已经做过很多尝试的问题
- 尽量清楚地描述问题：良好的排版，代码，错误提示，图片等
- 让你的问题对别人有帮助
- 问题要有确定的答案，不要有太多的主观性
不同的方案
很多时候我们希望能够找到一个解决办法，但是在 stackoverflow 上，经常会有意外的收获。你可能会看到对一个问题不同的解决方案，甚至包括对这些解决方案的比较。
假设现在你想知道 python 中如何调用外部命令，比如 ls -l 来打印某个目录下面的文章。Google一下 python call system command，第一条就是stackoverflow 上面的一个相关问题：Calling an external command in Python. （google技术问题，基本都会显示 stackoverflow 相关问题）。
然后在这个问题下面，有人总结了调用外部命令的几种方法：
- os.system()
- os.popen()
- subprocess.popen()
- subprocess.call()
- subprocess.run()
并且还对每个方法做了介绍，你可以选择适合自己应用场景的方法。再比如这个问题 How to check whether a file exists using Python?，介绍了 python 中检查文件是否存在的不同方法。
工具的使用
有许多强有力的工具可以帮我们更好地研究问题，你可能知道gdb调试工具，可能知道python的timeit时间监控模块，但是你不知道那些自己不知道的工具。很多时候，当第一次知道某个工具时，我们心中会产生相见恨晚的感觉。然而，心仪的趁手工具总是那么可遇不可求。
在 stackoverflow，每一个问题答案或者评论中都可能会有一些好的工具，你总有机会发现那些遗落在字里行间的优秀工具。
下面列出我发现的一些不错的工具：
truss/strace：跟踪进程执行时的系统调用和所接收的信号，strace可以跟踪到一个进程产生的系统调用，包括参数，返回值，执行消耗的时间。（来自问题：Why is reading lines from stdin much slower in C++ than Python?）- vprof：一个可视化工具，可以分析 Python 程序的特点，比如运行时间，内存使用等。（来自问题：How can you profile a Python script?）
- Regex 101：一款在线的正则表达式辅助工具，可以帮助理解正则表达式的含义，方便调试正则表达式以及做一些简单的尝试。（来自问题：Learning Regular Expressions）
下面为 Regex 101 的一个简单示例：
思考的过程
很多时候，遇到一个问题，我们根本无从下手，不知道朝哪个方向思考。但是通过 stackoverflow，我们可以轻易知道具体的解决方案，有时候甚至还能知道别人面对这个问题时候是怎么思考的。
假设你想利用装饰器来完成一个任务，即在下面say函数返回的字符串前后加上<b><i>，你想想这样定义 say。
@makebold
@makeitalic
def say():
return "Hello"
每次调用 say 返回 <b><i>Hello</i></b>。但是要如何实现 makebold 和 makeitalic 呢，这是一个问题。在 stackoverflow 上，有大牛会直接告诉你答案，并扔给你一个装饰器的文档链接。但是还有大牛会把自己的思考过程，把自己对装饰器的理解详细地告诉你，让你深入去理解装饰器机制。
针对上面的这个问题，有一个答案获得了 3000 多赞，一步步告诉大家如何解决问题。首先告诉我们python中函数有什么特点：
- 函数是对象
- 函数可以被赋给一个变量
- 函数可以被定义在另一个函数中
- 一个函数可以返回另一个函数
- 可以把函数作为参数传递
然后开始解释什么是装饰器：其实就是封装器，可以让我们在不修改原函数的基础上，在执行原函数的前后执行别的代码。接下来手工实现了一个简单的装饰器原型，紧接着引入 python 中的装饰器语法。最后还列出了一些装饰器的高级用法，包括给装饰器传递参数等。读完整个答案，一定能对装饰器有较深的理解，并且知道理解装饰器的思考过程。这样，沿着这条思考的路径，你自己就可以推导出装饰器的使用方法。
可能的盲区
没有问题要提问时也可以时常逛一逛 stackoverflow，浏览一些投票比较多的问题，看看别人的回答。在这个庞大的知识库中，你很可能会发现自己的一些认知盲区，发现一些自己从未关注过的内容。
我就发现了一些比较有意思的问题，比如：
- Print in terminal with colors using Python?
- What is a metaclass in Python?
- What is your most productive shortcut with Vim?
我整理了一份 Python 的高质量问题清单，放在这里以供时常翻阅。
相见恨晚
那么怎么才能找到 stackoverflow 呢，两个建议：
- 英语精确描述问题
- 用 Google 去搜索
只要你不是第一个遇见某个技术问题的人，你基本就会在 stackoverflow 找到相同或者类似的问题。早日遇见，早日喜欢上 stackoverflow，你会发现生活是如此惬意。
