-
Pythonthreading模块支持多线程编程，1.用threading.Thread创建线程，调用start启动，run可重写；2.join阻塞主线程，is_alive判断运行状态，daemon设守护线程；3.current_thread获取当前线程，main_thread获取主线程，active_count统计活跃线程，enumerate列出所有活跃线程；4.Lock、RLock、Semaphore、Event、Condition为同步工具，常用Thread、start、join、Lock和curr
-
人脸检测可通过Python的dlib库实现，需注意环境配置和模型选择。1.安装前需确认Python版本为3.6~3.9，并安装numpy、cmake，Windows用户还需VisualC++BuildTools。2.推荐使用pip安装dlib，若失败可下载预编译wheel文件安装。3.dlib提供HOG和CNN两种模型，HOG速度快精度低，CNN更准但需GPU支持，且需单独下载模型文件。4.检测流程包括读取图像、转灰度图（可选）、加载模型、检测并绘制人脸框。5.常见问题包括模型路径错误、图像格式不正确、C
-
该用partial而非lambda的情形是需固定部分参数且追求可读性、可调试性与可序列化性时；partial保留原函数名、支持跨进程传递，而lambda不可序列化、堆栈信息模糊。
-
应使用WebDriverWait等待图片元素可见后再提取真实src，优先读data-src属性，再fallback到src；需滚动触发表现、过滤非图片请求，并考虑直连API等替代方案。
-
attributes("-topmost",True)是最简方案，但非真正永久：Windows较稳定，macOS和Linux（尤其Wayland）支持有限；需窗口已显示（deiconify/update后），且切换或withdraw后需重设；lift()和focus_force()无法突破系统Z-order，不适用于长期置顶。
-
Supervisor实现进程守护需满足两个前提：进程不可自行daemon化，且supervisord必须是其直接父进程；否则autorestart=true无效。常见误判是supervisorctlstatus显示RUNNING但实际业务进程已脱离监控，因脚本内部fork、daemon=True或sys.exit()导致子进程脱管；须检查PPID、禁用daemon选项、显式配置exitcodes、startretries等参数，并确保环境变量、路径、Python解释器路径在配置中完整声明。
-
本文介绍如何在嵌套列表或NumPy数组中，根据指定的首元素值（如3）快速筛选并提取所有匹配项的第二个元素，形成新列表，并提供纯Python与NumPy向量化两种实现方式。
-
策略模式是将算法或行为封装为可互换的独立单元以解耦调用方与具体实现。Python中既可用函数（轻量、Pythonic）也可用类（适合复杂逻辑、需状态时），关键在按需选择、避免过度设计、保持策略无状态及创建可控。
-
本文介绍在使用arabic-reshaper和python-bidi处理阿拉伯文本时，如何保留数字原始顺序、仅对阿拉伯字符进行整形与双向显示重排，防止“48”被误翻转为“84”。
-
Python3中已取消非绑定方法概念，通过类访问方法得到普通函数，需手动传入实例调用，而绑定方法仅在通过实例访问时创建，使方法调用更简洁统一。
-
在遵循ConventionalCommits规范的Python库开发中，版本号更新（如pyproject.toml中的version字段变更）推荐使用release类型提交；chore虽然常见且合法，但语义不够精准，长期来看release更符合意图、更易被自动化工具识别。
-
使用ReportLab或FPDF可将Python字符串生成PDF。1.ReportLab功能强大，支持复杂布局，安装后通过canvas模块设置坐标写入文本；2.FPDF更轻量，API简单，适合纯文本，需设置字体和页面后写入内容；3.处理中文需加载中文字体文件如simsun.ttc并正确配置。根据需求选择：简单文本用FPDF，复杂格式用ReportLab。
-
域名级并发控制需为每个域名独立维护计数器，通过domain_locks字典存储域名对应count和lock，请求前调用acquire_domain_slot加锁检查并增减计数，确保各域名并发数不超限。
-
Flask-SQLAlchemy3.0+已移除_get_debug_queries，应改用SQLAlchemy事件钩子（如before_cursor_execute）结合flask.g实现请求级查询监控，推荐使用flask-sqlalchemy-logger等成熟工具。
-
Python企业模型训练需嵌入数据接入到部署闭环，强调可复用、可验证、可回滚；须明确业务目标、统一数据处理、封装可复现脚本、集成实验追踪、产出含模型/预处理器/依赖/说明的完整部署包。
