-
Python处理日期时间最核心的是datetime模块，含date、time、datetime、timedelta四大类；支持当前时间获取、字符串解析与格式化、加减比较运算及时区处理（推荐zoneinfo）。
-
生成器是含yield的函数返回的迭代器对象，调用不执行而返回generator实例，next()或for循环触发执行；每次yield暂停并保存状态，return则终止并抛出StopIteration。
-
Python进程池适合计算密集型、可并行且相互独立的任务；当任务CPU耗时长、可拆分、需控制并发数时应使用multiprocessing.Pool，通过map/starmap/apply_async分发任务，注意序列化限制与资源管理。
-
使用locals()可查看函数内局部作用域的变量字典，如my_function中输出{'a':1,'b':'hello'}；2.globals()返回模块级全局命名空间，包含变量、函数和导入模块等；3.dir()不传参时列出当前作用域名称，适合交互环境浏览，但函数中建议用locals()获取局部变量。
-
Python字符串索引从0开始，支持正负索引访问字符，如text[0]得首字符，text[-1]得末尾字符；2.超出范围则触发IndexError；3.字符串不可变，不能通过索引直接修改，需创建新字符串。
-
汉诺塔递归函数通过分解问题实现n个盘子的移动：先将n-1个盘子从起始柱移到辅助柱，再将最大盘移到目标柱，最后将n-1个盘子从辅助柱移到目标柱；Python中用hanoi(n,start,helper,target)函数递归实现，每次调用处理一层子问题，最终完成全部移动。
-
首先分析网页结构定位图片链接，再使用requests和BeautifulSoup获取img标签中的src或data-src属性，接着遍历链接批量下载并保存至本地文件夹，最后通过设置请求头、处理相对路径、捕获异常等优化流程，实现高效稳定的图片爬取。
-
深度神经网络训练出错主要源于数据、模型、训练过程或硬件问题，其中80%集中在数据预处理不一致和损失函数与标签不匹配，需规范归一化、验证张量形态、检查梯度及GPU内存管理。
-
Python中raise...from...构建异常链，明确区分替代异常与原因异常，使错误根源和转化过程清晰可见。
-
str.join()比+快因字符串不可变，+每次拼接都复制全部内容、时间复杂度O(n²)，而join()一次预分配内存、逐段拷贝，时间复杂度O(n)；少量固定拼接可用+或f-string，大量同构字符串必须用join()。
-
NLP模型部署关键在于将“能跑通”的代码转化为“可交付”服务，需经ONNX/TorchScript导出、FastAPI封装、性能压测优化、Docker容器化四步；核心是兼顾算法、工程与运维，动手实践完整链路最有效。
-
Django核心原理需在真实请求生命周期中验证：中间件顺序决定执行时序，QuerySet延迟至真正需要数据时求值，select_related仅对正向外键有效，as_view()返回绑定参数的闭包函数。
-
量化交易调用API的核心是理清身份认证、请求构造、响应处理和异常兜底四环节：需申请权限获取密钥，优先用官方SDK构造请求，分离行情与下单通道，严格记录日志并落实风控闭环。
-
requests是Python最常用、最友好的HTTP客户端库，一行安装、一行发送GET请求，支持参数传递、JSON提交、自定义请求头、异常处理、会话管理、超时控制和流式文件下载。
-
Python自动化发票识别核心是OCR提取+结构化处理，关键在识别准确率与字段自动对齐：选高精度中文OCR工具（如百度/腾讯API或PaddleOCR），预处理图片（纠偏、降噪、增强），结合坐标、关键词和规则定位字段，正则校验数值，交叉验证金额与校验码，最终导出为Excel/CSV/数据库/PDF。
