-
comtypes调用WordCOM失败主因是环境未配好：需安装与Python位数一致的桌面版Word，手动首次运行完成COM注册，并设Visible=False和DisplayAlerts=0避免弹窗；SaveAs导出PDF须用FileFormat=17，路径用原始字符串，且必须调用doc.Close()和word.Quit()释放进程。
-
日志清洗解析的核心是将非结构化日志转为结构化数据，关键在于识别格式规律、分步正则提取、异常清洗及结构化输出分析。
-
异步编程解决多任务处理时不阻塞程序的问题，核心是协程与事件循环。用async定义协程，await暂停执行并交出控制权，asyncio.run启动事件循环，asyncio.gather并发运行多个协程，适用于IO密集型任务如网络请求、文件读写，不适合CPU密集型场景。
-
直接用Flask/FastAPI处理高并发模型请求会卡死，因PythonGIL和同步框架限制导致显存与线程耗尽；单次推理>200ms且QPS>2时必须异步解耦，Celery+Redis需规范配置模型加载、缓存TTL及状态查询链路。
-
推荐生产环境用inspect.stack()[0].function，因其跨解释器兼容、稳定可靠；sys._getframe().f_code.co_name虽快但属CPython内部API，存在可移植性、安全性及优化模式风险。
-
asyncio.Queue更适合异步场景，因其put/get是原生协程，支持await且不阻塞eventloop；而queue.Queue是同步阻塞的，会导致协程卡死。
-
union()和|功能完全等价，均返回新集合且不修改原集合；区别仅在语法：前者是方法调用，支持任意可迭代对象，后者是运算符，仅接受set类型。
-
业务异常必须继承Exception而非BaseException，以确保能被exceptException捕获；自定义异常应通过__init__接收code/message/details等参数，保留args[0]为message，并重写__str__添加错误码，避免异常类爆炸可采用工厂方法+错误码注册表统一管理。
-
量化数据采集首选requests+BeautifulSoup抓静态页，动态内容优先调API，反爬用随机UA和限频，数据落地用CSV或SQLite。
-
用withopen("page.html",encoding="utf-8")读取文件后传给BeautifulSoup(f,"html.parser")；find()返回单个元素或None，select()始终返回列表；调用.text前须判空，推荐getattr(elem,"text","")；.get_text()比.text更可控。
-
os.environ不能直接深拷贝，因其是os._Environ实例，绑定进程环境且不可序列化；安全备份需用dict(os.environ)或os.environ.copy()，恢复须逐项赋值而非clear()。
-
开发一个机器学习模型的完整流程包括数据准备与预处理、模型选择与训练、模型评估与调优、模型保存与部署。1.数据准备与预处理包括加载数据、处理缺失值、特征缩放和类别编码；2.模型选择与训练需根据任务类型选择合适算法并划分训练集与测试集；3.模型评估与调优通过评估指标和超参数搜索优化性能；4.模型保存与部署可使用joblib或集成到Web框架中实现复用或上线。
-
Plotly不支持直接通过legend2_font=等“下划线语法”修改非默认图例的样式；必须显式声明legend2=dict(...)字典对象，才能正确配置第二个图例的位置、字体等属性。
-
Windows批量重命名含非法字符文件有五种安全方法：一、用Python正则替换；二、用pathlib+translate高效处理；三、带时间戳备份日志；四、仅扫描不修改的预检；五、用shutil.copy2保留元数据复制。
-
本文详解PyO3中因频繁调用Python函数（如lambda）导致的严重性能退化问题，指出根本原因在于CPython解释器开销而非GIL，并提供基于NumPy数组和预编译函数的高效替代方案。
