-
Python私有变量并非真正私有，仅通过命名约定（如_var）和名称修饰（如__var→_ClassName__var）实现弱约束，不提供强制访问控制，仅防误用。
-
pd.ArrowDtype适合字符串列存在大量重复值、需频繁分组/排序/去重且数据量超百万行的场景，如ETL中清洗用户标签或日志状态字段；不适用于每行唯一长文本或混合类型字符串。
-
Python配置版本管理需分层继承（base→dev/staging/prod）、敏感信息外置注入、配置变更走代码评审并自动化校验、重构时兼容旧配置并标记弃用周期。
-
直接用ModelSerializer嵌套序列化会出错，因DRF默认不展开外键或反向关联字段，仅返回ID或空列表；需显式用子序列化器并重写create/update方法，配合prefetch_related避免N+1查询。
-
Celery任务重试必须显式传countdown参数，否则默认countdown=0导致瞬时重试；指数退避需手动计算countdown值（如2**self.request.retries），并用raiseself.retry(countdown=countdown,exc=exc)触发，不可仅调用self.retry()。
-
直接用re.findall匹配href易漏PDF链接，因实际链接常含查询参数、重定向、大小写混用或动态触发；应先提取所有URL候选，再统一用小写后缀及MIME类型过滤。
-
Flask处理HTTP请求本质是遵循WSGI规范的调用过程：浏览器请求→Web服务器封装environ→Flask应用（wsgi_app）执行上下文创建、钩子、路由匹配、视图调用、响应组装→Werkzeug返回响应。
-
Python的logging模块不是“用起来就行”的简单工具，而是需要按需设计的日志系统——核心在于分级控制、多目标输出、格式统一、上下文可追溯。直接调用print()或裸用logging.debug()很快会陷入日志混乱、关键信息丢失、线上无法排查的困境。明确日志级别与使用场景日志级别不是摆设，它决定了什么该记、什么该忽略。默认有5级（从低到高）：DEBUG、INFO、WARNING、ERROR、CRITICAL。实际使用中要严格区分语义：DEBUG：仅开发/调试时开启，如变量值、函数
-
asyncio.gather()默认不支持部分任务超时而其余继续，需用with_timeout等包装函数捕获TimeoutError并返回默认值，避免异常冒泡中断其他任务。
-
PlaywrightPython版需用async_playwright()启用异步模式，所有操作必须await；等待JS完成应基于DOM状态、JS变量或网络请求；并发需独立page实例；数据提取应直接读渲染后DOM而非page.content()。
-
Python虚拟环境目录删不掉，大概率是Windows的MAX_PATH限制（260字符）导致路径无法解析，可用robocopy/purge清空长路径目录，再删除空文件夹；或用PowerShell的Remove-Item-LiteralPath强制删除；治本之策是启用系统级长路径支持并重启。
-
普通Queue适用于父子进程间高效IPC，基于管道/共享内存；Manager().Queue()通过代理支持任意进程通信，依赖Manager进程，适合复杂拓扑和多类型共享对象管理。
-
KeyError发生时不能直接用dict[key]，因为该操作在键不存在时立即抛出异常，而实际场景（如解析API响应、读取配置）中键常不确定；推荐用dict.get(key,default)安全访问，它返回默认值而非报错，但需注意嵌套调用陷阱及可变默认值风险。
-
__new__是最可靠的禁止实例化方式，因其在对象创建最早阶段介入，早于__init__且未分配内存，用TypeError拦截可彻底防止半成品对象产生，避免子类误禁需检查clsisYourClass，优于ABC抽象基类的接口约束目的。
-
本文详解如何正确解析YOLO格式（归一化中心坐标+宽高）的文本标注文件，并转换为像素级坐标，实现高精度图像裁剪，避免因坐标理解错误导致的裁剪偏移或截断。
