-
Python爬虫工程化核心在于结构清晰、职责分离、配置解耦、异常可控：spiders/专注解析，utils/封装通用能力，storage/统一数据出口，config/集中管理配置，tasks/对接调度；配置与代码分离，敏感信息通过环境变量注入；异常分级处理并记录日志，支持trace_id追踪；通过mock和接口抽象实现可测试性，核心解析逻辑覆盖率应达90%+。
-
Seaborn是基于Matplotlib的高级统计可视化库，语法简洁、默认美观，适用于EDA；支持分布图（histplot/kdeplot）、关系图（scatterplot/lineplot/regplot）、分类图（barplot/violinplot/boxplot）及相关性热力图，自动处理缺失值、集成Pandas、语义化绘图。
-
可通过piplist查看已安装第三方库，piplist--outdated显示可升级包，pipshow包名查详情，需先确认Python和pip环境并激活虚拟环境再执行。
-
Selenium控制浏览器需先创建WebDriver实例，如Chrome需配置chromedriver路径；支持页面跳转、窗口操作及八种元素定位方式，推荐ID优先；定位失败常见于加载时机、iframe嵌套或动态渲染，应使用显式等待和开发者工具辅助调试。
-
本文详解InfoNCE损失实现中因标签生成逻辑硬编码batch_size导致的shapemismatch错误，指出根本原因在于labels构建未与实际特征维度对齐，并提供鲁棒、可扩展的修复方案。
-
Firestore文档内数组字段无法直接分页，因单文档读取必加载全部内容；应改用子集合存储并结合查询分页，同时严格遵守1MiB文档大小限制。
-
__name__是解释器自动赋值的只读字符串：直接运行时为"__main__"，被导入时为完整模块名（如"utils.helpers"）；它与__package__共同决定相对导入行为，不可用于动态导入或别名控制。
-
应根据教师输出选择损失：若为概率分布则用KL散度，需教师softmax后取log、学生log_softmax；若为logits则可用MSE但丢失温度平滑效应；KL在小数据或类别不平衡时更稳，但需梯度裁剪。
-
本文介绍一种基于PyGObject和GDBus的PythonD-Bus服务空闲自动退出方案，通过自定义dbus-util模块实现线程安全、竞态无关的超时退出逻辑，显著降低长期驻留内存开销。
-
settings.py是配置中心而非启动入口，Django通过django.setup()或manage.py加载它；urls.py是URL匹配表，负责请求分发；wsgi.py是部署时WSGI协议胶水层；manage.py是命令行配置封装。
-
set求交集在多数场景下最快，时间复杂度约O(n+m)，但会丢失顺序与重复信息；双指针适合已排序数组，保序且可控重复，空间复杂度O(1)。
-
Python字典通过键访问值，使用[]直接访问若键不存在会抛出KeyError，而get()方法可安全访问并返回默认值，推荐在不确定键存在时使用get()。
-
异常在Python中沿调用栈向上传递，若func_c抛出异常未被捕获，将依次回溯至func_b和func_a，最终由func_a的except处理，实现跨层错误捕获。
-
configparser未过时但适用场景有限：仅适合配置项极少、无需环境隔离、类型转换和schema验证的简单INI场景；否则易出错且缺乏现代配置能力。
-
绝对导入从根目录开始，明确清晰，推荐使用；相对导入基于当前位置，适用于包内模块。例如，在views.py中可用fromutils.helpersimportmy_function（绝对）或from..utils.helpersimportmy_function（相对）。建议优先用绝对导入，避免混用，确保根目录在Python路径中或用-m运行。
