-
asyncio不自动处理背压，需开发者显式设计：用有界asyncio.Queue（maxsize>0）、Semaphore限流、避免put_nowait等陷阱，全程匹配生产与消费速率。
-
用Python构建跨平台桌面自动化任务引擎，核心是选对库、抽象操作逻辑、屏蔽系统差异；基于PyAutoGUI+platform实现基础动作层，用YAML定义任务流程，APScheduler调度，PyInstaller打包为单文件应用。
-
当向open()传入整数（如0、1、2）时，Python并不会报错，而是将其解释为操作系统级的文件描述符（filedescriptor），分别对应标准输入、标准输出和标准错误——这正是else分支被触发的根本原因。
-
强化学习建模核心是理清“环境—智能体—奖励”闭环，七分靠问题建模（明确定义状态、动作、奖励）、三分靠算法调优；需从简单策略起步、确保环境可训练、全程可观测业务指标。
-
提升分类模型召回率需从阈值调整、类别平衡、算法选择、特征工程四层协同优化：降低预测阈值（如0.3）、用SMOTE/Tomek处理不平衡、选用scale_pos_weight或focalloss的模型、构造正样本敏感特征，并以业务漏判代价为优化标尺。
-
__enter__和__exit__由Python解释器在with语句进入和退出时自动调用：前者返回值绑定as变量，后者接收异常三元组并决定是否吞掉异常；即使__enter__抛异常，__exit__也不会被调用。
-
生成器是一种特殊函数，通过yield实现惰性求值，按需返回值并暂停执行。调用生成器函数返回迭代器对象，每次next()或for循环触发时从上次暂停处继续，直到下一个yield。如示例所示，生成器分步输出1、2、3，每次执行到yield暂停，有效节省内存，适合处理大数据或无限序列。
-
len()只调用__len__()而不调用__bool__()，因其实现机制完全不检查__bool__()；必须定义返回非负整数的__len__()才能支持len()。
-
ChromeDriver启用headless模式失败，通常因参数版本不兼容导致；本文详解--headless=new与旧版--headless的适用场景、完整配置步骤及避坑要点。
-
处理混杂中英文日期需分层：先设locale支持中文环境，再用多格式列表逐个尝试+errors='coerce'，辅以预清洗（标点标准化、大小写统一）或dateutil.parser.fuzzy=True应对含文字的不规则字符串。
-
argparse是Python命令行脚本开发的推荐标准方案，sys.argv适合简单场景；前者支持自动帮助、类型转换、校验等，后者仅返回原始参数列表，需手动处理。
-
可在Python终端用ANSI序列、os.system、sys.stdout.write或WindowsAPI实现无第三方库的彩色进度条：一用\033[32;40m等转义码；二调os.system设色；三用sys.stdout.write逐字符着色；四在Windows下用ctypes调API。
-
能，但需程序启动早期启用且避免gc干扰；它只追踪Python对象分配栈，不覆盖C扩展内存，需用compare_to()差分分析并过滤噪音。
-
必须用isNone，因为None是单例对象，is进行身份比较速度快且语义准确；==是值比较，可能被重载导致意外结果，且notx无法区分None与其他假值。
-
Python函数通过return语句返回值，若无return则默认返回None；返回值可以是任意类型，如数值、字符串、列表、元组、字典、自定义对象等，且可利用元组解包接收多个返回值。
