-
Python网络容错设计核心是预判异常、分层捕获、有状态重试与失败降级；需区分连接类（可重试）、客户端错误（不可重试）和服务端错误（选择性重试），配合指数退避抖动、状态持久化、幂等保障及合理超时熔断。
-
Python中Base64编码解码需用base64模块，核心函数为b64encode和b64decode；处理字符串时需先转为字节，文件则直接以二进制模式读写，全程注意数据类型一致性。
-
<p>计算百分比的核心公式是（部分值/总值）*100，Python中需注意浮点数精度、零除错误处理及在不同数据结构中的应用。1.使用基础公式时，Python3的除法默认返回浮点结果；2.浮点数精度问题可通过decimal模块解决，适用于金融或科学计算；3.零除错误的稳健处理方式包括返回0.0、None、NaN或抛出异常，具体取决于业务需求；4.在列表中可通过count方法和列表推导式计算特定值或条件元素的占比；5.字典中可通过对所有值求和后遍历键计算各值占比；6.PandasDataFrame
-
graphlib模块提供TopologicalSorter类用于DAG拓扑排序，支持添加依赖、处理多前置节点及独立任务，通过static_order获取顺序，prepare与done实现增量调度，遇环抛CycleError。
-
RotatingFileHandler不支持按天轮转，因其仅依据文件大小（maxBytes）触发；需改用TimedRotatingFileHandler并正确配置when='midnight'与atTime=time(0,0,0)才能实现每日00:00准确切分。
-
使用readlines()读取的每一行末尾默认包含换行符\n，导致拼接字符串时内容被强制换行；只需调用.strip()去除首尾空白（含换行符），即可实现预期的单行输出。
-
掌握glob找文件、pandas.concat合数据、pathlib理路径、tqdm+try控节奏四招，即可高效完成90%批量文件处理任务。
-
调试Python网络程序的核心是看清实际请求与响应，需用requests-toolbelt打印原始报文、mitmproxy抓包验证、先检查status_code和encoding、并用curl-v对照请求细节。
-
当尝试导入PyKinect2库时，用户可能会遇到AssertionError，提示tagSTATSTG结构体大小不匹配。本文提供两种解决方案：修改PyKinectV2.py文件中的断言条件为sizeof(tagSTATSTG)>=72或sizeof(tagSTATSTG)==80。同时，需注意PyKinect2项目已长期停止维护。
-
time.strftime()是Python中将struct_time格式化为字符串的函数，需传入format字符串和可选时间元组t；常用指令如%Y、%m、%d、%H等控制年月日时分秒输出格式，返回字符串而非datetime对象。
-
使用tarfile模块可轻松处理tar.gz文件。首先通过'tarfile.open(filename,mode)'打开文件，读取时用'r:gz'模式，调用getnames()获取文件列表，extractall()解压全部内容；创建时用'w:gz'模式，add()方法添加文件或目录，并可通过arcname指定归档路径；为防止路径遍历攻击，应验证成员路径安全性，确保其在目标目录内再提取。该模块适用于日常备份与分发任务，操作简单且功能强大。
-
Python爬虫工程化核心在于结构清晰、职责分离、配置解耦、异常可控：spiders/专注解析，utils/封装通用能力，storage/统一数据出口，config/集中管理配置，tasks/对接调度；配置与代码分离，敏感信息通过环境变量注入；异常分级处理并记录日志，支持trace_id追踪；通过mock和接口抽象实现可测试性，核心解析逻辑覆盖率应达90%+。
-
Seaborn是基于Matplotlib的高级统计可视化库，语法简洁、默认美观，适用于EDA；支持分布图（histplot/kdeplot）、关系图（scatterplot/lineplot/regplot）、分类图（barplot/violinplot/boxplot）及相关性热力图，自动处理缺失值、集成Pandas、语义化绘图。
-
Python字典通过键访问值，使用[]直接访问若键不存在会抛出KeyError，而get()方法可安全访问并返回默认值，推荐在不确定键存在时使用get()。
-
异常在Python中沿调用栈向上传递，若func_c抛出异常未被捕获，将依次回溯至func_b和func_a，最终由func_a的except处理，实现跨层错误捕获。
