很多人在用编程解释器的时候，都会遇到输入函数名或者变量名时手打太长、容易出错的情况。这时候就会想：解释器有没有自动补全功能？答案是——要看具体用的是哪种解释器。
Python 解释器的自动补全
比如你在命令行直接输入 python 进入交互模式，默认情况下它是不带自动补全的。但你可以手动开启。在 Linux 或 macOS 上，可以创建一个配置文件启用 Tab 补全：
import readline
import rlcompleter
readline.parse_and_bind("tab: complete")把这个代码放进 ~/.pythonrc 文件里，再设置环境变量 PYTHONSTARTUP=~/.pythonrc，下次启动 Python 交互环境就能用 Tab 键自动补全了。
更方便的选择：IPython
如果你经常用解释器做调试或实验，推荐直接换 IPython。它自带高亮、自动补全、语法提示，输入 os.pa 按一下 Tab，立马列出所有以 pa 开头的方法，像 os.path、os.pardir 都能快速选中。
其他语言解释器的情况
JavaScript 的 Node.js 交互环境从较新版本开始也支持基本的自动补全。比如输入 process. 后按两次 Tab，会列出所有属性。不过补全能力不如 IPython 强大。
而像 Ruby 的 irb 默认补全较弱，但可以用 irb --autocomplete 启动增强模式，或者改用 pry 这类第三方工具，体验会好很多。
IDE 和编辑器里的“伪解释器”
很多人其实是在 PyCharm、VS Code 这类编辑器里用调试控制台，看着像解释器，其实是集成环境模拟的。这些地方的补全不是解释器本身提供的，而是编辑器在背后分析代码结构实现的。所以即使原生解释器没补全，你还是能享受流畅的提示。
为什么有时候补全失灵？
常见原因之一是变量还没定义。比如你刚打开 Python，输入 mylist. 想看方法列表，结果按 Tab 没反应——因为 mylist 根本不存在，解释器没法知道它是什么类型。先写一行 mylist = [] 再试，补全就出来了。
另一个情况是模块没导入。你想用 np. 补全 NumPy 的方法，但忘了 import numpy as np，那自然什么都出不来。
小技巧：快速查看可用方法
就算没有自动补全，也能手动查。在大多数解释器里，输入 dir(对象) 就能看到它的所有属性和方法。比如：
mystr = "hello"
dir(mystr)回车后会列出 upper、split 等方法，虽然不如 Tab 快，但关键时刻能救急。