-
PythonAPI对接核心是“请求—解析—存储”三步闭环，关键在于异常处理、频率控制与数据校验；需先研读API文档明确规范，再用requests.Session安全请求、结构化解析清洗数据，最后幂等写入本地或数据库。
-
tkinter.Notebook标签页空白因子组件未指定父容器或未布局；切换状态丢失因重复创建页面；标签截断需调样式padding/font；嵌套Notebook须禁用propagate并设尺寸。
-
是，仅在重复使用同一正则时更快；单次调用由内置LRU缓存优化，反复千次以上匹配可提速20%–40%，复杂模式收益更明显。
-
winfo_screenwidth()和winfo_screenheight()返回主显示器物理像素尺寸，需在窗口初始化后调用update_idletasks()确保尺寸准确，再结合geometry()实现居中；高DPI下须设置DPI感知。
-
ConfigParser默认section名大小写敏感；修改后需显式write()才保存；set()前须add_section()；读取数值/布尔值需用getint()/getboolean()等方法；value首尾空格会被保留。
-
要用Python实现数据同步的增量更新策略，关键在于识别变化并高效同步。1.确定数据变更的判断依据，可通过时间戳、版本号或哈希值检测变化；2.使用缓存或标记减少重复检查，如记录上次同步时间或添加“已同步”标志位；3.处理冲突与重试机制，设定优先级或人工介入，并加入重试逻辑应对临时故障；4.考虑异步执行和批量操作，使用线程、协程或消息队列提升性能，同时采用批量更新减少交互次数。通过这些方法可构建稳定高效的数据同步方案。
-
<p>arr.nbytes是NumPy数组实际占用的内存字节数，准确反映数据区大小；而arr.itemsize是单个元素字节大小，二者满足arr.nbytes==arr.size*arr.itemsize（仅对连续数组成立）。</p>
-
用requests获取HTTP状态码比ping更靠谱，因ping仅检测ICMP连通性，而宕机常发生在Web服务层；需设timeout、禁重定向、检查200–299范围、处理各类异常并记录日志。
-
asyncio.Task忘记cancel会导致内存泄漏，因悬停任务持续持有协程帧和变量引用；asyncwith/for异常跳出、滥用__del__/weakref、忽略第三方库私有缓冲区等亦是常见原因。
-
阻塞IO调用时线程挂起等待数据就绪，非阻塞IO立即返回并抛出BlockingIOError；实际高并发中需结合IO多路复用（如select/epoll）与非阻塞IO协同工作，asyncio即基于此机制封装。
-
args接收任意位置参数并打包为tuple，kwargs接收任意关键字参数并打包为dict；二者顺序固定为必选参数→args→kwargs，且支持解包调用。
-
Python面试重点涵盖内存模型（引用计数、GC、循环引用）、异步编程（事件循环、上下文隔离、资源安全）、元编程（dataclass、__init_subclass__、装饰器规范）、性能调优（cProfile、Cython、多进程）四大维度。
-
Python函数返回多个值本质上是返回一个元组，属语法糖；returna,b等价于return(a,b)，调用时通过解包机制实现多变量赋值。
-
Python并发任务拆分与负载均衡的核心是保持工作进程/线程忙碌、减少空等和争抢，关键在于任务粒度适配、执行者能力感知及去中心化调度；应按可并行性而非数量均分任务，I/O密集用线程或异步，CPU密集用多进程，优先采用队列驱动的动态分发与反馈式负载均衡。
-
list不可哈希，因它是可变类型，不满足哈希要求：生命周期内哈希值不变且等值对象哈希值相同；字典key必须可哈希才能正确寻址；常见可哈希类型包括int、str、tuple（元素皆可哈希）、frozenset等；可用tuple(my_list)等方式转换list为可哈希形式。
