Perl 重返编程语言榜单前十：TIOBE 指数 2025 年 9 月排行榜公布
9 月 11 日消息，TIOBE 编程社区指数是一个衡量编程语言受欢迎程度的指标，评判的依据来自世界范围内的工程师、课程、供应商及搜索引擎，目前 TIOBE 正式公布了 2025 年 9 月的编程语言排行榜，整理如下：
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
Python 排行第一：占比 25.98%，本月上升 5.81%
C++ 排行第二：占比 8.80%，本月下跌 1.94%
C 排行第三：占比 8.65%，本月下跌 0.24%
Java 排行第四：占比 8.35%，本月下跌 1.09%
C# 排行第五：占比 6.38%，本月上升 0.30%
JavaScript 排行第六：占比 3.22%，本月下跌 0.70%
Visual Basic 排行第七：占比 2.84%，本月上升 0.14%
Go 排行第八：占比 2.32%，本月下跌 0.03%
Delphi/Object Pascal 排行第九： 占比 2.26%，本月上升 0.49%
Perl 排行第十：占比 2.03 %，本月上升 1.33%
TIOBE 的 CEO Paul Jansen 表示，本月沉寂多年的 Perl 再度进入前十（位列第 10 名），这一变化颇为惊人。就在一年前，Perl 还排在第 27 位。尽管在 2005 年 3 月的巅峰时期，Perl 曾高居第 3 位，但在 2025 年，这门语言重返前十依然“令人意外”。
追溯历史，Perl 的发展路径颇为曲折。2000 年左右，Perl 之父 Larry Wall 宣布开发全新的 Perl 6，但因“第二系统效应”，实现过程拖延了数十年，最终甚至被独立出来更名为 Raku。与此同时，Perl 5 的开发陷入停滞，社区陷入长期的不确定感，大量开发者转向了逐渐成熟的 Python。
如今，25 年过去，Raku 在 TIOBE 榜单仅排名第 129 位，几乎没有存在感。而 Perl 5 则重新活跃起来，版本更新频率明显提高，从而重新吸引了开发者和行业的关注。
相关攻略
2025年9月TIOBE编程语言排行榜：老将回归与格局微调 编程语言的世界，向来是潮起潮落，动态不断。最近，TIOBE编程社区指数公布了2025年9月的最新榜单，这份基于全球工程师、课程、供应商及搜索引擎数据编制的排行榜，再次为我们揭示了技术风向的细微变化。先来看本月的核心数据。 榜单前十名次与涨跌
9 月 11 日消息，TIOBE 编程社区指数是一个衡量编程语言受欢迎程度的指标，评判的依据来自世界范围内的工程师、课程、供应商及搜索引擎，目前 TIOBE 正式公布了 2025 年 9 月的编程
javascript 是一种由 netscape 的 livescript 演变而来的编程语言，它使用原型继承方式，是一种面向对象、动态类型且大小写敏感的客户端脚本语言。其核心目的
javascript 是一种由 netscape 的 livescript 演化而来的脚本语言，具备原型继承机制，基于对象、动态类型，并且对大小写敏感，广泛应用于客户端开发。它最初
javascript起源于netscape公司的livescript，是一种采用原型继承机制、支持面向对象编程、具备动态类型特性和大小写敏感的客户端脚本语言。该语言的设计初衷是为了
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭