-
校验逻辑不该写在业务函数里，因其违背单一职责、导致重复代码、错误响应不准确、浪费计算资源且阻碍监控审计；应统一收口至边界层，如FastAPI+Pydantic在反序列化后、业务前强制校验，确保契约可执行。
-
本教程旨在解决使用Python抓取YahooFinance动态加载财报数据的问题。由于YahooFinance的财报页面内容通过JavaScript动态加载，传统的BeautifulSoup直接解析HTML的方法往往无法获取完整数据。我们将深入探讨如何通过模拟浏览器API请求，直接从YahooFinance的后端接口获取结构化的历史财报数据，包括构建请求头、URL参数、JSON载荷以及处理日期筛选等关键步骤。
-
xlutils用于操作.xls文件，配合xlrd和xlwt实现读取、复制、修改并保存Excel文件，支持保留部分格式，但仅限旧版.xls格式，新项目推荐使用openpyxl或pandas。
-
Python文件操作核心是打开、读写、关闭；用open()指定路径和mode（如'r'只读、'w'写入、'a'追加），推荐with语句自动管理资源，注意encoding防乱码，write()写字符串、writelines()写列表，解析文本常用strip()、split()等方法。
-
Python自动化办公核心是用脚本实现重复性任务一键执行，机器学习仅作为规则不足时的增强工具；优先解决Excel、PDF、邮件三大高频场景，再通过触发器实现真自动，最后按需引入轻量模型。
-
async/await误用主要表现为：未用await调用协程、在同步上下文（如Flask视图或脚本顶层）直接调用async函数而不启动事件循环、gather传入函数而非协程对象、忽略异常传播策略、create_task后未await、await用于CPU密集型操作导致事件循环阻塞，以及混用同步/异步上下文管理器和迭代器。
-
元组是不可变有序集合，适合存储固定数据。1、不可变性确保数据安全，可作字典键；2、支持索引、切片、拼接等序列操作；3、比列表更节省内存且访问更快；4、常用于函数多值返回与解包；5、可作为轻量级数据记录，如坐标或颜色值。
-
启用return_exceptions=True可让asyncio.gather保留所有异常，作为结果列表中对应位置的Exception实例；需用isinstance(r,Exception)显式判断并处理，而非外层try/except。
-
pandasmerge多对多时生成笛卡尔积是因为连接键存在重复值，导致每对匹配行组合均产生结果；如左表3行key=1、右表4行key=1，则输出12行key=1记录。
-
Python中索引定位的方法包括index方法、切片和负索引。1)index方法用于查找序列中某个元素的第一个出现位置，若元素不存在会引发ValueError。2)切片和负索引提供更灵活的定位方式，切片用于获取序列的一部分，负索引从序列末尾开始计数。3)索引操作需注意异常处理和性能优化，使用字典可加速大型数据集的查找。
-
Python内置max()函数比手动循环更快、更安全、更易读，尤其在大数据集下优势显著；其底层由C实现，时间复杂度虽同为O(n)，但常数因子更小，且规避了Python解释器开销与常见边界错误。
-
嵌套if是指在if、elif或else块中再使用if语句，用于多层条件判断。例如先判断成绩及格再判断是否优秀，需注意缩进正确、避免过深嵌套，优先用and或or简化条件。实际应用如登录验证：先判断用户名，再验证密码，逻辑清晰。掌握缩进与顺序是关键。
-
最推荐使用f-string格式化浮点数并保留两位小数，如f"{value:.2f}"，它简洁高效且能确保显示两位小数，而round()仅用于数值四舍五入，不保证字符串格式。
-
Python通过try-except-finally实现异常处理，可捕获特定错误并执行相应逻辑，else在无异常时运行，finally始终执行用于资源清理；通过继承Exception类可创建自定义异常，提升业务错误的清晰度与处理精度。
-
本文详细阐述如何在FastAPI应用中使用生命周期事件（lifespan）高效管理数据库连接池、Redis客户端等全局资源。通过在应用启动时初始化资源并存储于app.state，结合FastAPI强大的依赖注入系统，实现资源在整个应用生命周期内的共享与复用，同时保持代码的整洁与可维护性，避免在每个请求中重复创建和关闭资源。
