-
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面试重点涵盖内存模型（引用计数、GC、循环引用）、异步编程（事件循环、上下文隔离、资源安全）、元编程（dataclass、__init_subclass__、装饰器规范）、性能调优（cProfile、Cython、多进程）四大维度。
-
Flask蓝图注册顺序决定路由匹配优先级，先注册者优先匹配；url_prefix与route路径字符串拼接且不自动处理斜杠；蓝图的before_request和errorhandler仅作用于自身路由；动态加载时需避免import循环，应在create_app中注册蓝图。
-
pipinstallnumpy失败时应先确认Python环境是否干净、是否被系统策略限制、有无混用conda和pip；再检查python-mpip--version是否匹配，conda环境用condainstall，Windows加--only-binary=numpy，MacM1/M2优先升级pip或改用conda。
-
最省心的是tempfile.NamedTemporaryFile，默认with退出自动删除；Windows需设delete=False并手动os.unlink；跨平台安全写法即此；mkstemp+atexit适合进程退出清理但异常崩溃不保证；TemporaryDirectory适用于多文件临时目录而非单文件。
-
TDD是测试驱动开发，严格遵循“红—绿—重构”循环：先写失败测试、再写最简通过代码、最后在测试保护下优化结构；测试是设计文档和验收标准，而非事后验证。
-
配置Python的C/C++扩展需先安装对应系统的编译器工具链：Windows推荐MSVC，macOS安装Xcode命令行工具，Linux安装GCC和python3-dev；接着确保setuptools为最新并验证distutils能调用编译器；然后按PythonCAPI编写扩展代码（如hello.c）并创建setup.py定义扩展模块；运行pythonsetup.pybuild_ext--inplace生成可导入的二进制文件；最后可通过Cython或pybind11等工具简化复杂项目开发。
-
nbconvert是可控导出HTML/PDF的正确方式，支持剔除代码、指定模板、嵌入图片等；常见问题多因环境缺失（如pdflatex）或参数错误（如漏--tohtml），HTML优先于PDF用于分享，美化推荐导出后注入CSS。
-
本文详解Selenium中element_to_be_clickable显式等待看似成功却仍抛出ElementClickInterceptedException的根本原因，并提供无需time.sleep()的鲁棒性解决方案，涵盖遮挡元素识别、等待策略优化及实战代码示例。
-
PythonAPI对接核心是“请求—解析—存储”三步闭环，关键在于异常处理、频率控制与数据校验；需先研读API文档明确规范，再用requests.Session安全请求、结构化解析清洗数据，最后幂等写入本地或数据库。
-
在Python中，abs函数用于计算一个数的绝对值。1.它适用于整数、浮点数和复数，复数返回其模。2.abs函数在计算数值差异和自定义排序时非常实用，但需注意大数值可能导致溢出。
-
一个微服务应仅拥有一个专属数据库（或schema），以保障边界清晰；共用表会导致事务、锁和schema变更相互干扰，判断依据是变更节奏与一致性需求。
-
schedule不适合长期运行，因其无后台线程或事件循环，需持续调用run_pending()；APScheduler适合I/O密集型任务但需显式启停；aioschedule适配异步服务但要求全异步；Linux下cron+systemd最稳定，需自行处理日志、锁和环境。
-
dotenv加载失败主因是load_dotenv()未调用或时机过晚，需置于入口文件顶部；跨目录需显式指定路径；pydantic-settings提供类型校验与默认值但启动较慢，应延迟初始化。
-
Python访问UNC路径失败主因是网络重定向未解析，非权限问题；推荐用win32wnet映射盘符或pysmb库直连SMB，注意会话上下文、SMB版本及超时处理。
