-
当脚本被多人调用、需日志/配置/多环境时，ifname=="__main__"会成为瓶颈，应将核心逻辑抽成模块函数或类，主脚本仅负责参数解析与执行，避免顶层副作用代码。
-
不该用eval或exec处理用户输入，因其等同于开放shell权限；ast.literal_eval是安全解析字面量的唯一内置方案；需计算表达式时应选用simpleeval等白名单控制库；强依赖动态代码时必须用子进程隔离并设资源限制。
-
chardet检测不准因依赖字节统计推断，对短文本、混合编码及无BOM的GBK/GB2312文件易误判；应结合confidence过滤、优先试utf-8再回退gbk，并推荐charset-normalizer替代。
-
itertools.islice高效跳过文件前N行的关键是作用于逐行读取的文件迭代器，而非全量加载；正确用法为islice(open('f'),N,None)，内存仅占单行大小。
-
答案：通过重写logging.FileHandler的emit方法并调用flush，可实现日志实时写入。具体做法是创建自定义处理器RealTimeFileHandler，在每次记录后强制刷新缓冲区，确保数据立即写入磁盘；同时建议使用buffering=1的行缓冲模式打开文件，并避免批量写入以保证实时性。
-
secrets模块提供密码学安全随机数，random模块仅适用于非安全场景；前者调用系统熵源不可预测，后者基于可逆MersenneTwister算法易被预测；涉及密钥、token等敏感值必须用secrets。
-
Python读取本地文件需注意编码、路径和格式：用open()读文本要指定encoding='utf-8'；CSV优先用csv模块并加newline=''；Excel推荐pandas.read_excel()；路径用os.path.join或pathlib避免转义问题。
-
read_csv时用dtype="string"可启用pandas1.0+的原生可空字符串类型，支持NaN、None和Unicode，避免object类型的性能与行为缺陷；需注意dtype字典键必须匹配列名、不可混用str、版本需≥1.0，并通过df[col].dtype=="string"验证。
-
判断函数被当装饰器还是普通调用，关键看func参数是否为None且是否为函数：func为None则走装饰器路径并返回闭包；func为函数则直接包装执行。
-
推荐在生成器函数开头、首个yield前放置初始化代码，利用其惰性执行特性确保仅首次next()时执行；避免用全局变量标记状态；需多次遍历则改用实现__iter__的类。
-
应根据数据来源和使用方选择：Python内部暂存用pickle，跨语言或外部输入用json；pickle不安全，json需预处理类型。
-
推荐使用虚拟环境隔离Python项目以避免依赖冲突。一、venv是Python自带模块，通过“python-mvenvmyenv”创建环境，激活后可独立安装包。二、conda适合管理多版本Python，使用“condacreate--namemyprojectpython=3.9”创建并用“condaactivate”切换环境。三、pipenv整合pip与virtualenv，通过“pipenvinstall”自动管理依赖并生成Pipfile。四、poetry支持依赖管理与项目打包，运行“poetryad
-
Python处理JSON核心是序列化（dumps/dump）与反序列化（loads/load），前者转对象为字符串或文件，后者反之；需注意编码、类型兼容性及安全性。
-
本文详解如何将形如"A/B/C"的路径列表构建成层级嵌套字典，并确保仅末级键对应实际值（如字符串），而非空字典；提供健壮、简洁、可扩展的实现方案，并指出常见错误及规避方法。
-
Python位数可通过platform.architecture()直接判断，如('64bit','WindowsPE')为64位；struct.calcsize("P")返回8为64位、4为32位；sys.maxsize为9223372036854775807则为64位。
