-
vars()不传参时等价于locals()，传参后返回对象的__dict__；locals()只返回当前作用域局部变量快照且不可修改，vars()则依赖对象是否支持__dict__。
-
Python中大量对象创建确实会带来明显的性能开销，核心原因在于内存分配、初始化函数调用、引用计数更新和垃圾回收压力。这不是“写法错误”，而是语言运行时机制决定的客观限制。对象创建开销主要来自哪几块？每次MyClass()执行时，CPython会依次做：在堆上分配内存（涉及内存池管理，小对象走obmalloc，仍有开销）调用__new__（默认由object.__new__完成，但需查找和分发）调用__init__（哪怕空方法，也是函数调用+栈帧创建）为每
-
Python字典高效使用需理解哈希机制：键必须不可变（如str、int、tuple），值可任意；优先用in判断存在性、get()提供默认值、update()批量更新、pop()安全删除；善用字典推导式和视图对象优化性能。
-
调试Python需系统性缩小问题范围并验证假设：从报错信息定位第一现场，用print或logging做最小化探针，善用pdb或IDE断点调试，最后通过隔离复现构造最小可运行案例。
-
os.makedirs创建多级目录失败主因是父目录缺失且未设exist_ok=True，或权限/磁盘问题；推荐优先使用pathlib.Path.mkdir(parents=True,exist_ok=True)，更现代且类型安全。
-
Python弱引用不增加引用计数，适用于缓存、回调、观察者模式及破除循环引用等场景；如WeakValueDictionary自动清理销毁对象，weakref.ref/WeakMethod避免闭包持留，父子关系中子用弱引用父可防循环引用。
-
本文介绍如何使用NumPy高效、向量化地计算两个形状相同的二维数组中每一对对应行向量的点积，避免显式for循环，提供两种主流方法及其性能与适用性分析。
-
本文详解如何在基于while循环的密码验证程序中，仅在失败时输出剩余尝试次数，避免成功登录后误显计数信息，并提供结构清晰、逻辑严谨的优化实现方案。
-
应谨慎升级过时包，优先清理未被import且无依赖的孤儿包；用pipreqs生成真实依赖清单，人工验证import及动态导入，避免误删pip、setuptools等关键包。
-
Python配置版本管理需分层继承（base→dev/staging/prod）、敏感信息外置注入、配置变更走代码评审并自动化校验、重构时兼容旧配置并标记弃用周期。
-
高阶函数适合抽象重复控制逻辑，如日志、校验、重试等；脱离“行为参数化”本质则降低可读性与可维护性；需权衡团队理解成本、调试难度、性能及副作用；优先选用内置方法或类封装，仅在需动态组合行为时采用。
-
必须用hmac.compare_digest进行恒定时间签名比对，避免时序攻击；参数须为bytes类型，需统一utf-8编码、严格还原原始请求体、禁用调试输出敏感信息。
-
MAX_CONTENT_LENGTH是Flask拦截超大文件上传的首选机制，通过Content-Length头在解析前返回413错误；需在app.config中设置字节数，且须与Nginx的client_max_body_size同步调整。
-
requests发起网络请求分三步：导入库、发请求、取数据；支持GET/POST、参数传递、文件上传、请求头设置、会话管理及异常处理与超时控制。
-
Toplevel不能直接替代messagebox的阻塞效果，因其默认非模态且wait_window()需显式调用、时机正确、配合destroy()才生效；否则主逻辑继续执行，无法获取返回值。
