Python中使用re.split()可按正则表达式分割字符串1.基本用法：通过定义正则表达式作为分隔符，如re.split(r'\d+',text)可按数字分割字符串2.保留分隔符：利用括号捕获组如re.split(r'(\d+)',text)可将分隔符内容保留在结果中3.多种分隔符：用|组合多个规则或字符类如re.split(r',|\s|:',text)可同时按逗号、空格、冒号分割4.注意事项：需处理分隔符在首尾导致的空字符串问题、考虑性能影响以及正则贪婪匹配可能带来的分割错误。

Python可扩展系统设计核心是解耦、分层与预留演进空间：通过接口抽象（Protocol/ABC）、依赖注入、按业务域划分服务模块、配置驱动差异化行为，并内置可观测性与降级能力。

读大文件应分块读、边读边处理以控制内存：按行读适合文本，用forlineinf；分块读适合二进制，用f.read(chunk_size)；mmap适合随机访问；生成器封装提升复用性；注意及时关闭文件、清理对象并监控内存。

本文介绍两种将本地TXT文件内容存入MySQL表字段的方法：一是使用LOAD_FILE()函数（需满足严格权限条件），二是通过Python读取文件后作为参数安全插入，后者更可靠、易调试。

__init_subclass__是类定义完成时自动触发的钩子，可用于子类自动注册、泛型参数捕获和延迟描述符绑定，需正确调用super().__init_subclass__(**kwargs)并注意触发时机与访问限制。

Jinja2的select过滤器返回的是惰性求值的生成器，而非可重复遍历的列表；一旦被|list、|first等过滤器消费，生成器即被耗尽，后续操作将无法获取数据——这是导致模板输出不一致的根本原因。

用Python构建知识图谱的核心是准确抽取“实体-关系-实体”三元组，关键在数据清洗、本体设计与三元组抽取；需用pandas、re、BeautifulSoup清洗数据，以字典定义轻量本体，结合规则、spacy或jieba抽取三元组，再存入图数据库。

Python多线程无内置优先级调度，因CPython封装OS线程且未暴露优先级接口；应使用queue.PriorityQueue模拟优先级，或改用asyncio、multiprocessing等替代方案。

抽象基类（ABC）核心价值在于定义“能做什么”的接口契约，而非强制继承；它通过@abstractmethod在实例化时校验实现，支持结构化类型检查，并与鸭子类型兼容，提升可读性、协作性与静态分析能力。

Transformer的核心是解决RNN/CNN的长程依赖与并行计算瓶颈，通过Self-Attention（Q/K/V机制）、位置编码、残差连接与LayerNorm等设计实现高效建模。

Python大规模并行运算核心是选对工具：I/O密集用asyncio或ThreadPoolExecutor；CPU密集用multiprocessing、joblib或numba；超大规模用dask或ray，并需规避GIL、序列化开销与资源争抢。

元组是不可变有序集合，适合存储固定数据。1、不可变性确保数据安全，可作字典键；2、支持索引、切片、拼接等序列操作；3、比列表更节省内存且访问更快；4、常用于函数多值返回与解包；5、可作为轻量级数据记录，如坐标或颜色值。

Python面向对象重构的核心目标是提升可维护性，即降低理解成本、减少修改风险、加速问题定位；关键在于用类和对象合理封装变化点，遵循单一职责、多态替代条件分支、属性封装校验、依赖倒置等原则。

Python求平均值有三种主要方法：一是用sum()/len()，简洁高效但需确保列表非空；二是用statistics.mean()，自动检查空序列且支持多种数值类型；三是用NumPy的np.mean()，适合大规模数值计算和多维数组。

加密用于可逆保护数据机密性，如Fernet存储API密钥；哈希用于不可逆验证完整性，如bcrypt存密码；二者不可互换，错误使用会导致安全漏洞或功能失效。