17.1.3 多种程序设计语言特点

这一节不是让你背语言年表，而是要能根据题干关键词识别语言适合解决什么问题。考试常用“科学计算、符号处理、逻辑推理、跨平台、脚本”等词来指向具体语言或语言类别。

常见语言对比

语言	典型特点	常见场景	考试关键词
FORTRAN	面向科学计算，数值计算效率高	科学工程计算	科学计算、公式计算
Pascal	结构化清晰，适合教学	程序设计教学	教学、结构化
C	编译型，接近底层，效率高	系统软件、嵌入式、驱动	系统级、效率、指针
C++	在 C 基础上支持面向对象	系统软件、游戏、性能敏感应用	面向对象、效率
C#	面向对象，依赖 .NET 生态	Windows/.NET 应用	.NET、中间语言
Lisp	函数式思想，符号处理能力强	人工智能、符号计算	符号处理、AI
Java	面向对象，字节码运行于 JVM	企业应用、跨平台	跨平台、虚拟机
Prolog	逻辑式语言，擅长推理	专家系统、规则推理	逻辑推理、事实规则
Python	解释型、脚本化、生态丰富	自动化、数据处理、教学	脚本、解释、胶水语言

不同语言解决的是不同工程矛盾。C 牺牲一部分安全性换取底层控制和效率；Java/C# 引入虚拟机或运行时以换取跨平台、内存管理和大型工程能力；Python 用解释执行和动态类型换取开发速度。语言迭代不是简单替代，而是在不同约束下重新取舍。

取舍	老路线优势	新路线为什么出现	新路线代价
手动内存管理 -> 自动内存管理	性能可控，资源释放明确	降低内存错误和开发复杂度	垃圾回收带来停顿和运行时成本
静态编译 -> 虚拟机/字节码	执行效率高，部署独立	跨平台、运行时优化、生态统一	依赖运行环境
强底层控制 -> 脚本化开发	可控制硬件细节	快速开发、自动化、胶水整合	性能和类型安全通常较弱

课程里强调脚本语言常用于“粘合”和“批处理”：把已有系统、命令或库串起来完成任务。它们不一定不能定义函数，也不等于不能做大型应用，只是考试语境中常把脚本语言与解释执行、快速开发、Web 或自动化联系在一起，而不把它作为系统级开发的首选。

题：题干出现“符号处理、人工智能”，最可能指哪类语言？

答：Lisp 常作为典型答案；如果出现“逻辑推理、事实与规则”，则更可能指 Prolog。