-
Python并发异常处理需按执行模型分层设计：线程异常须主动捕获并经Queue等传递；进程异常依赖exitcode或Future接口；asyncio中Task异常需显式检查exception()；通用策略强调状态隔离、幂等重试与显式超时。
-
read_csv无法直接读取加密CSV，因其无解密能力；需先按加密类型（ZIP密码、AES、Base64）用对应方式解密，再正确编码（如utf-8-sig或gb18030）并转为StringIO传入。
-
requests代理只生效一次是因为每次请求都是新会话，需显式传proxies参数；正确做法是每次请求传proxies或新建Session并设置其proxies属性（不可直接修改只读字典）。
-
create_text的坐标默认是中心点而非左上角；需设anchor='nw'才使x/y对应左上角，字体须用元组如('MicrosoftYaHei',12)，动态更新应先delete再create并存ID为实例属性。
-
处理大文件应避免全量加载，采用流式读取、分块处理、内存映射（mmap）和生成器等策略。例如逐行迭代、pandaschunksize、np.memmap及yield替代列表累积，配合资源管理与内存监控，可稳定处理百GB级文件。
-
psutil.virtual_memory().available是最接近“真实可用内存”的字段，但它仅表示内核估算的无需换页即可满足的内存，未考虑碎片、cgroup限制或locked页面，需结合percent看趋势，容器中应读取cgroup内存路径。
-
Python网络重试机制核心是精准判断可重试场景与合理退避：仅对临时性失败（如502/503/504/429）重试，禁用对4xx客户端错误等重试；推荐requests+urllib3原生重试策略，或自定义带抖动指数退避函数，并需配合超时、限流、日志及幂等设计。
-
self是实例方法的第一个形参，由Python解释器在通过实例调用方法时自动绑定当前对象；它非关键字，但为约定俗成的命名惯例，绑定发生在调用时刻而非定义时刻，依赖描述符协议实现。
-
NumPy数组比Python列表运算更快，因其采用内存连续存储、向量化操作和固定数据类型，结合广播机制与基于C的高效函数，显著提升大规模数值计算性能。
-
答案是使用列表推导式、while循环结合str.find或re.finditer可查找字符所有位置：1.列表推导式遍历enumerate获取索引；2.while循环用find持续查找并更新起始位置；3.re.finditer配合正则提取匹配位置，注意特殊字符需转义；4.可封装为函数复用。
-
Flask的before_request必须在app实例创建后、run()前注册，工厂模式需在create_app内注册，蓝本需用bp.before_request单独挂载；多个钩子按注册顺序执行，任一异常中断后续；应使用app.logger安全记录日志，避免耗时操作；与after_request非自动配对，异常时after_request不执行，需用teardown_request兜底；默认不拦截静态文件和404，需禁用自动静态路由或使用WSGI中间件实现全局拦截。
-
heapq不能直接当优先队列用，因其仅提供堆操作原语，不支持更新优先级、按值删除或最大堆；需手动实现懒删除、版本控制等机制来维护逻辑与物理一致性。
-
flush刷新的是缓冲区里的待写入数据，确保print或write的数据立即发送至文件、终端或网络，而非延迟等待缓冲区满或程序结束。
-
lambda表达式用于创建匿名函数，语法为lambda参数:表达式，适用于map、filter、sorted和reduce等场景，如list(map(lambdax:x**2,[1,2,3,4]))返回[1,4,9,16]，list(filter(lambdax:x%2==0,[1,2,3,4,5,6]))返回[2,4,6]，sorted([('Alice',85),('Bob',90)],key=lambdax:x[1])按成绩升序排列，reduce(lambdax,y:x+y,[1,2,3,4])计算
-
set交集比in循环快，根本原因是set的&运算基于哈希表，平均O(min(m,n))；而list/tuple的in每次O(n)，嵌套成O(m×n)。必须两边都是set才触发C层哈希优化，否则回退慢路径。
