-
直接用re.findall匹配href易漏PDF链接，因实际链接常含查询参数、重定向、大小写混用或动态触发；应先提取所有URL候选，再统一用小写后缀及MIME类型过滤。
-
skl2onnx保存sklearn模型为ONNX需先fit模型并提供带类型和shape的X_sample；convert_sklearn依赖拟合后属性推导schema；输出字段名比索引更可靠；体积增大是因参数展开为常量节点，属正常现象。
-
任务拆分过细会因调度开销导致性能下降：CPU密集型建议单批≥10ms（如100–1000条），IO密集型单批不低于10次请求；map()自动分块而submit()需手动聚合；避免闭包引用大对象引发内存爆炸；不同执行器（线程/进程/asyncio）最优粒度差异显著，须实测确定。
-
create_access_token()报错缺少identity参数，因其为必填的JSON-serializable值（如user_id、str、dict），不可为None、数据库模型实例或不可序列化对象；identity作为JWT的sub字段，是后续权限校验和user_lookup_loader查找用户的基础。
-
Python3.11协程启动速度提升源于帧对象初始化优化和await内联加速：asyncdef字节码更紧凑，首次调用快15%～20%；对同类型可等待对象的await启用地址缓存，跳过属性查找，但需避免混用类型以防止缓存失效。
-
pack_forget()并未销毁组件，仅临时移除布局；组件对象、事件绑定和属性均保持有效，与destroy()的不可逆性有本质区别。
-
高可用是“挂了也能扛住”，需主动设计失败路径：对所有外部调用设timeout和有策略的retry；状态存储必须用Redis/PostgreSQL，禁用本地内存或文件；/health端点须检查关键依赖且超时≤1s。
-
读懂Python标准库源码无需编译CPython或精通编译器，应优先阅读os、json等纯Python模块，用print(os.__file__)定位源码，配合inspect.getsource和help快速理解，区分Python/C实现边界，并通过test_*.py测试用例反推设计逻辑。
-
默认只接受Authorization:Bearer<token>格式，前端若误传为JWT前缀或漏掉Bearer，则DjangoRESTFramework静默拒绝，返回401；需严格统一请求头格式，并移除CSRF和SessionAuthentication干扰。
-
Python中Windows路径报错因反斜杠\被当作转义符，导致\u、\n等解析异常；用原始字符串r""可解决字面量问题，但拼接或跨平台时应优先使用pathlib.Path或os.path.join。
-
Python用户输入清洗需统一格式、剔除干扰、验证边界、转为可用类型：用.strip()去首尾空白，正则压缩中间空格并过滤零宽字符；英文转小写、中文全角转半角；手机号去除非数字后验长度，金额去符号转数值，日期用专业解析；白名单过滤非法字符、截断超长输入，并在各环节嵌入清洗策略。
-
虚拟环境被误删的根本原因是其仅为普通目录且无运行时锁机制，rm-rf可直接删除正在使用的venv；最可靠防护是跨平台扫描系统中是否存使用该环境的Python进程。
-
<p>信息增益和信息增益率用于决策树特征选择，基于信息熵计算。1.信息熵衡量数据混乱程度，公式为H(S)=-Σ(p_ilog2(p_i))，Python用entropy函数实现。2.信息增益IG(S,A)=H(S)-Σ(|S_v|/|S|H(S_v))，表示划分后熵的减少，通过information_gain函数计算特征对标签的分类能力。3.信息增益率GR(S,A)=IG(S,A)/IV(A)，其中IV(A)为特征A的固有值，用于抑制多取值特征偏差，由intrinsic_value函数计算。4
-
startswith()用于判断字符串是否以指定子串开头，返回True或False；支持单字符串、元组（多前缀）、指定起止位置；区分大小写，空字符串恒为前缀，不支持正则。
-
Locust安装与基础配置需注意：Python3.8+为硬性要求；Windows下conda环境应使用condainstall-cconda-forgelocust避免pyzmq编译失败；须验证locust--version输出；配置文件需显式指定--config=locust.conf；推荐使用HttpUser类并设置timeout及User-Agent；分布式模式下master需绑定0.0.0.0且开放5557/5558端口；高并发时需调高ulimit并考虑多进程或多机worker。
