-
Pipfile是pipenv工具引入的TOML格式依赖管理文件，取代requirements.txt，明确划分主依赖[packages]和开发依赖[dev-packages]，并通过Pipfile.lock锁定依赖版本，确保环境一致性。
-
conda是跨语言环境与包管理系统，适合搭建含非Python依赖的可复现科学计算环境；pip是纯Python包安装器，适合轻量安装单一Python库。
-
Python自动化报告核心是理清“数据→整理→呈现”流程：用pandas处理数据并生成HTML，Jinja2分离模板与逻辑，weasyprint转PDF或smtplib发邮件，辅以空数据/字段/路径校验。
-
本文介绍如何系统性获取Unicode字符的所有规范等价（canonicalequivalent）编码序列，并生成可直接用于正则匹配的多形式模式，解决因NFC/NFD差异导致的字符漏匹配问题。
-
健康检查接口应返回200OK状态码和轻量JSON内容，如{"status":"ok","timestamp":"2024-06-12T10:23:45Z"}，仅做内存态检查，避免阻塞、副作用及敏感信息暴露，并区分/health与/ready语义。
-
Python迭代器协议要求对象实现__iter__()和__next__()方法；可通过自定义迭代器类、生成器函数、iter()转换、itertools模块或类型检查来实现与验证。
-
Python同步代码转异步，核心不是简单加async/await，而是识别阻塞点、替换为非阻塞等价物，并重构调用链。关键在“IO密集型”场景才有明显收益，CPU密集型需配合多进程或线程。识别可异步化的阻塞操作真正能从异步中受益的，是那些会主动让出控制权的IO操作：网络请求、数据库查询、文件读写（需异步库支持）、消息队列通信等。纯计算、正则匹配、JSON序列化这类同步操作无法靠async加速，强行包装反而增加开销。HTTP请求→替换requests为aiohttp或httpx.AsyncC
-
Python列表底层是动态数组，由PyListObject结构体实现，含ob_item、ob_size和allocated字段；扩容在插入超容时触发，采用约12.5%冗余的几何增长策略；无主动缩容机制，清空后可能重置容量。
-
向量化计算利用NumPy等库对数组整体操作，比Python循环更快。它通过C/Fortran底层优化、减少解释器开销、利用SIMD指令和连续内存访问提升性能。例如数组相加或sqrt运算，向量化比for循环高效得多。适用于算术、三角函数、比较和聚合操作。复杂逻辑或依赖前值的场景（如斐波那契数列）仍需循环。应根据情况选择合适方法。
-
本文详解如何借助xlwings库对Excel表格进行逐单元格的读取与写入操作，以动态计算并填充“Tax”列（收入的10%），兼顾实时性、可读性与生产可用性。
-
APScheduler配置需选CronTrigger、显式设timezone='Asia/Shanghai'；爬虫函数须try/except捕获异常并logger.exception记录；日志用RotatingFileHandler配delay=True、绝对路径；启动后务必调start()并join主线程，持久化job需改用SQLAlchemyJobStore。
-
Python函数默认参数在定义时求值，需用None占位+运行时判断、可调用对象延迟执行或**kwargs兜底实现动态默认；禁用修改__defaults__等不安全方式。
-
pytest的@parametrize与hypothesis的@given本质冲突，不可混用；应使用st.one_of()、st.tuples()等组合策略在单个@given中实现多类型/多参数fuzz测试。
-
Python2项目不能直接运行于Python3，因默认字符串类型、编码行为、库API等存在本质差异；需用python3-Wall检测警告，检查open()编码、统一HTTP客户端、更新venv/pip、修正mock与断言写法。
-
本文详解如何在SeleniumBase中可靠实现文件下载与验证，重点解决JS重网站中无显式链接场景下的下载等待与断言难题，涵盖SB()上下文管理、下载行为配置、文件存在性及内容校验等核心技巧。
