-
Python字符串编码转换核心是encode()和decode()方法：encode()将str转为bytes，decode()将bytes转为str；二者bridgingUnicode文本与二进制数据，不可混用，需显式指定编码并处理异常。
-
lxml不支持XPath2.0，因其底层libxml2仅实现XPath1.0；尝试使用lower-case()等函数会抛出XPathEvalError；可行方案是SaxonC（支持完整XPath2.0/3.0/3.1）或Python层模拟。
-
list_editable会显著拖慢DjangoAdmin，因其为每行每字段渲染表单控件，触发重复查询、验证、widget渲染及str调用，尤其外键字段引发全表SELECT；性能随行数线性恶化，50行即可明显卡顿。
-
requests默认自动跟随302重定向，最多30次；可通过Session.max_redirects设置全局跳转上限，设为0则禁用跳转，或手动控制并检测循环。
-
直接用re.findall匹配href易漏PDF链接，因实际链接常含查询参数、重定向、大小写混用或动态触发；应先提取所有URL候选，再统一用小写后缀及MIME类型过滤。
-
Python字符串拼接主要有五种方法：1.+运算符适合简单拼接但性能差；2.f-string语法简洁高效，推荐现代Python使用；3.str.join()适用于列表拼接，性能最优；4.str.format()功能灵活，可读性好；5.%操作符较老，逐渐被替代。
-
健康检查接口应返回200或503状态码：所有关键依赖（DB、缓存、下游API）可用时返回200，任一不可达时返回503并附简短原因；禁止使用4xx，需做轻量级业务探测且避免耗时操作。
-
连接Python和Spark的关键在于安装PySpark并正确配置环境。首先，使用pipinstallpyspark安装PySpark；其次，通过创建SparkSession设置应用名称、运行模式及配置参数；第三，若需连接远程集群，需确保版本一致、配置文件齐全并设置SPARK_HOME；最后，注意Python版本匹配、网络权限、依赖管理和日志排查等常见问题。
-
ctypes.Structure本质是为C交互服务，非通用数据容器；仅在调用DLL、解析二进制协议等需精确内存布局时必要，必须用ctypes类型、注意对齐填充、不可动态增删字段。
-
Python内置json模块支持JSON与Python对象双向转换，核心方法为loads/load（解析）和dumps/dump（生成），兼容常见类型，需注意编码、中文显示、日期处理及非标准类型限制。
-
jieba受欢迎的原因是其高效算法和广泛应用场景。1.提供全模式、精确模式和搜索引擎模式三种分词方式。2.支持词性标注、关键词提取和文本聚类等高级功能。3.可通过加载自定义词典优化分词效果。4.提供并行分词功能，提升大规模文本处理速度。
-
Flask开发模式下内存只涨不降主因是debug=True触发模板自动重载，导致AST缓存和源码引用无法被GC回收；应禁用debug、关闭auto_reload、避免全局大对象，并用tracemalloc和objgraph定位泄漏源。
-
classification_report需显式指定labels确保类别顺序与业务一致，配合confusion_matrix查混淆细节，按业务选average方式，结合预测概率调优阈值，而非依赖默认输出。
-
np.dot执行矩阵乘法而非点乘，二维时要求左矩阵列数等于右矩阵行数；逐元素相乘用multiply或*；叉乘仅适用于三维向量，用cross函数。
-
模板变量默认自动转义，手动拼接用户输入到HttpResponse易致XSS；应使用render()等函数配合模板{{user_input}}，由Django自动转义。
