-
match.groups()最适合“不关心分组数量”的场景，它返回包含所有捕获组值的元组，无论组数多少或是否匹配成功，均不会报错，且天然过滤未参与匹配的组。
-
函数式编程在Python中依赖思路而非语法，核心是数据流变换，通过映射（map）实现批量纯函数处理，组合（compose）串联单参单返函数形成可复用流水线。
-
Python正则表达式需深入理解模式与文本交互：注意贪婪/非贪婪匹配、正确转义元字符（如用[.]或\\）、合理使用Unicode范围或regex库、精确控制量词、区分捕获组与非捕获组、善用命名组及标志位（re.I/re.S/re.M），并优先编译复用。
-
Python的Pool采用主-从协作+懒加载+任务队列缓冲方式动态分发任务：任务先入共享任务队列，子进程主动拉取执行；结果通过独立结果队列返回主进程。
-
被装饰函数的__name__和__doc__丢失是因为装饰器用新函数替换了原函数，而wrapper默认携带自身元数据；functools.wraps可自动同步__name__、__doc__等属性，避免手动赋值遗漏，类装饰器及嵌套装饰器中同样必须使用。
-
本文介绍三种在使用pyzipcode库将邮政编码映射为州名时优雅跳过无效邮编（如'39826'）的方法：try/except异常捕获、contextlib.suppress上下文抑制，以及利用pyzipcode内置get()方法的默认值机制。
-
首先需安装OpenCV库，再使用cv2.imread()读取图像。1.通过pipinstallopencv-python安装；2.用cv2.imread()加载图片，并用imshow显示；3.注意路径正确性、BGR色彩顺序及支持的图像格式，可指定模式读取灰度图。
-
验证码识别需分阶段协作处理：先获取图片或接口数据，再调用OCR、行为模拟或第三方服务识别，最后反馈结果；不同验证码类型对应不同策略，关键在于将其作为独立中间变量而非流程阻塞点。
-
NumPy数组比Python列表快的核心原因是内存连续且类型固定。列表存储对象指针，需频繁查类型和跳地址；ndarray是连续C内存块，存原始数值，支持SIMD批量处理与零开销类型检查。
-
会。动态添加抽象方法不会生效，因abc仅在类创建时扫描__dict__；唯一可靠方式是用type()重建类并显式传入abstractmethod；直接修改__abstractmethods__无效，协议或策略模式更推荐。
-
Python中循环展开基本无效，因CPython解释器无编译期优化，手动展开反增字节码、降可读性；性能提升关键在于用内置函数、减少属性访问、改用推导式等。
-
Python字节码由compile()函数或模块首次导入时生成，缓存于__pycache__目录，文件名含版本标识；导入时由importlib加载器解析执行，最终由ceval.c中的evalloop驱动运行。
-
正确方法是用pd.Categorical显式指定categories列表和ordered=True，再sort_values；否则map/argsort等方式易因缺失值、未映射项或大小写导致排序错乱。
-
Python网络请求需区分网络异常（如Timeout、ConnectionError）和HTTP响应异常（如4xx/5xx），通过requests.exceptions分类捕获，并调用raise_for_status()主动触发HTTPError，结合状态码做针对性处理。
-
Python字典底层基于动态哈希表，采用开放寻址法与稀疏数组实现高效查找；通过dk_size、dk_usable、dk_nentries管理容量与状态；键哈希经位运算映射索引；冲突时用扰动线性探查；删除置DKIX_DUMMY标记以复用空间；超阈值触发2倍扩容与重哈希。
