-
核心是目标驱动的数据闭环：先定义分类体系并标注样本，爬取时嵌入标签线索，边爬边清洗（去广告、过滤长短文本），用TF-IDF+LogisticRegression快速验证baseline（准确率常超85%），再据数据规模微调BERT类模型。
-
Python的sort()方法用于列表原地排序，不返回新列表；sorted()函数则返回新列表。1.sort()默认升序排列数字或字符串列表。2.设置reverse=True实现降序排序。3.使用key参数自定义规则，如按长度len或忽略大小写str.lower排序。4.注意sort()仅适用于列表且修改原数据，若需保留原列表应使用sorted()。掌握这些即可应对多数排序场景。
-
Python正则默认不匹配换行符，需用re.DOTALL使.跨行匹配，re.MULTILINE使^$匹配每行首尾，二者作用不同不可混用，组合可用re.DOTALL|re.MULTILINE或(?ms)。
-
Scapy是Python中功能强大的交互式数据包操作工具，可构造、发送、嗅探、解析各类协议包；安装后需管理员权限运行，支持抓取HTTP包、自定义SYN探测、保存/重放pcap文件及链式筛选分析。
-
使用cv2.putText()可在图像上添加文本，参数包括图像、文本内容、位置、字体、大小、颜色、粗细和线型，支持多种字体类型，但仅限ASCII字符，中文需借助PIL实现。
-
当从父目录导入子目录中的类时，若该类又依赖同目录下的其他模块，需使用相对导入（如from.BimportB）而非绝对导入，否则会触发ModuleNotFoundError。
-
推荐使用venv、virtualenv、conda、pipenv或poetry创建Python虚拟环境。venv是Python3.3+内置工具，无需安装，适合基础场景；virtualenv功能更强，支持Python2/3及自定义配置，但需额外安装；conda适用于数据科学，可管理非Python依赖，跨平台一致，但安装包较大；pipenv整合pip与virtualenv，自动生成Pipfile，适合中小型项目，但性能较慢；poetry现代且功能全面，支持依赖锁定与项目打包，适合团队协作与发布，但学习曲线较高
-
Python连接Redis需两步：先安装redis-py客户端（pipinstallredis），再按需安装Redis服务端（macOS用Homebrew、Windows推荐Docker、Linux用apt）；安装后通过redis.Redis()连接并操作。
-
reduce函数因被移至functools模块需导入使用，可实现累加、连乘等累积计算，结合lambda表达式处理复杂逻辑，并可通过提供初始值避免异常，但建议在可读性优先时选用sum或math.prod等替代方案。
-
<p>except*不能替代普通except，因为它仅处理ExceptionGroup，对单个异常直接报语法错误；必须与ExceptionGroup配合使用，不递归解包嵌套组，且不走MRO查找子类。</p>
-
本文介绍一种简洁可靠的策略：利用金额符号“$”作为关键特征，结合pdfplumber逐行扫描PDF文本，高效提取所有交易明细行，并自动清理冗余前缀（如“JT”），适用于格式不规范但金额标识稳定的政府披露类PDF。
-
Python中的线程池主要通过concurrent.futures模块实现，而不是_concurrent（该模块是内部私有模块，不建议直接使用）。实际开发中应使用公开、稳定、文档完善的concurrent.futures.ThreadPoolExecutor。ThreadPoolExecutor基本用法创建线程池执行器后，用submit()提交单个任务，或用map()批量提交可迭代任务：submit(fn,*args,**kwargs)返回一个Future对象，可用.res
-
Python日志监控落地需聚焦采集、存储、查询三大环节：用loguru+轮转实现可靠采集，filebeat+ES构建稳定管道，Python脚本编写可控告警，关键在各环节衔接细节验证。
-
Python音视频剪辑核心是正确使用FFmpeg与Pydub：FFmpeg负责编解码、时间轴操作与特效渲染，Pydub专注音频精细处理；需避免字符串拼接调用FFmpeg，统一帧率、采样率及时间基以保音画同步。
-
Python调用OpenAIAPI需理解接口逻辑、处理响应结构、适配业务场景，并兼顾错误处理与成本控制；须用新版OpenAI()客户端、环境变量管理密钥、response_format参数确保JSON输出、分场景优化调用方式并遵守合规要求。
