这应该是你见过的最全面的 Python 重点

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资料以及群交流解答点击即可加入

Py2 VS Py3

• print成为了函数，python2是关键字

• 不再有unicode对象，默认str就是unicode

• python3除号返回浮点数

• 没有了long类型

• xrange不存在，range替代了xrange

• 可以使用中文定义函数名变量名

• 高级解包 和*解包

• 限定关键字参数 *后的变量必须加入名字=值

• raise from

• iteritems移除变成items()

• yield from 链接子生成器

• asyncio,async/await原生协程支持异步编程

• 新增enum,mock,ipaddress,concurrent.futures,asyncio urllib，selector

  • 不同枚举类间不能进行比较

  • 同一枚举类间只能进行相等的比较

  • 枚举类的使用(编号默认从1开始)

  • 为了避免枚举类中相同枚举值的出现，可以使用@unique装饰枚举类

#枚举的注意事项
from enum import Enum

class COLOR(Enum):
    YELLOW=1
#YELLOW=2#会报错
    GREEN=1#不会报错,GREEN可以看作是YELLOW的别名
    BLACK=3
    RED=4
print(COLOR.GREEN)#COLOR.YELLOW,还是会打印出YELLOW
for i in COLOR:#遍历一下COLOR并不会有GREEN
    print(i)
#COLOR.YELLOW\nCOLOR.BLACK\nCOLOR.RED\n怎么把别名遍历出来
for i in COLOR.__members__.items():
    print(i)
# output:('YELLOW', )\n('GREEN', )\n('BLACK', )\n('RED', )
for i in COLOR.__members__:
    print(i)
# output:YELLOW\nGREEN\nBLACK\nRED

#枚举转换
#最好在数据库存取使用枚举的数值而不是使用标签名字字符串
#在代码里面使用枚举类
a=1
print(COLOR(a))# output:COLOR.YELLOW

py2/3转换工具

• six模块：兼容pyton2和pyton3的模块
• 2to3工具：改变代码语法版本
• future：使用下一版本的功能

常用的库

• 必须知道的collections

  https://segmentfault.com/a/1190000017385799

• python排序操作及heapq模块

  https://segmentfault.com/a/1190000017383322

• itertools模块超实用方法

  https://segmentfault.com/a/1190000017416590

不常用但很重要的库

• dis(代码字节码分析)

• inspect(生成器状态)

• cProfile(性能分析)

• bisect(维护有序列表)

• fnmatch

• • fnmatch(string,"*.txt") #win下不区分大小写
  • fnmatch根据系统决定
  • fnmatchcase完全区分大小写

• timeit(代码执行时间)

    def isLen(strString):
        #还是应该使用三元表达式，更快
        return True if len(strString)>6 else False

    def isLen1(strString):
        #这里注意false和true的位置
        return [False,True][len(strString)>6]
    import timeit
    print(timeit.timeit('isLen1("5fsdfsdfsaf")',setup="from __main__ import isLen1"))

    print(timeit.timeit('isLen("5fsdfsdfsaf")',setup="from __main__ import isLen"))

• contextlib
• @contextlib.contextmanager使生成器函数变成一个上下文管理器
• types(包含了标准解释器定义的所有类型的类型对象,可以将生成器函数修饰为异步模式)

   import types
    types.coroutine #相当于实现了__await__

• html(实现对html的转义)

    import html
    html.escape("I'm Jim") # output:'<h1>I'm Jim</h1>'
    html.unescape('<h1>I'm Jim</h1>') # I'm Jim

• mock(解决测试依赖)
• concurrent(创建进程池河线程池)

from concurrent.futures import ThreadPoolExecutor

pool = ThreadPoolExecutor()
task = pool.submit(函数名，（参数）) #此方法不会阻塞，会立即返回
task.done()#查看任务执行是否完成
task.result()#阻塞的方法，查看任务返回值
task.cancel()#取消未执行的任务，返回True或False,取消成功返回True
task.add_done_callback()#回调函数
task.running()#是否正在执行     task就是一个Future对象

for data in pool.map(函数，参数列表):#返回已经完成的任务结果列表，根据参数顺序执行
    print(返回任务完成得执行结果data)

from concurrent.futures import as_completed
as_completed(任务列表)#返回已经完成的任务列表，完成一个执行一个

wait(任务列表,return_when=条件)#根据条件进行阻塞主线程，有四个条件

• selector(封装select,用户多路复用io编程)
• asyncio

future=asyncio.ensure_future(协程)  等于后面的方式  future=loop.create_task(协程)
future.add_done_callback()添加一个完成后的回调函数
loop.run_until_complete(future)
future.result()查看写成返回结果

asyncio.wait()接受一个可迭代的协程对象
asynicio.gather(*可迭代对象,*可迭代对象）    两者结果相同，但gather可以批量取消，gather对象.cancel()

一个线程中只有一个loop

在loop.stop时一定要loop.run_forever()否则会报错
loop.run_forever()可以执行非协程
最后执行finally模块中 loop.close()

asyncio.Task.all_tasks()拿到所有任务 然后依次迭代并使用任务.cancel()取消

偏函数partial(函数，参数)把函数包装成另一个函数名  其参数必须放在定义函数的前面

loop.call_soon(函数,参数)
call_soon_threadsafe()线程安全
loop.call_later(时间,函数,参数)
在同一代码块中call_soon优先执行，然后多个later根据时间的升序进行执行

如果非要运行有阻塞的代码
使用loop.run_in_executor(executor,函数，参数)包装成一个多线程，然后放入到一个task列表中，通过wait(task列表)来运行

通过asyncio实现http
reader,writer=await asyncio.open_connection(host,port)
writer.writer()发送请求
async for data in reader:
    data=data.decode("utf-8")
    list.append(data)
然后list中存储的就是html

as_completed(tasks)完成一个返回一个,返回的是一个可迭代对象

协程锁
async with Lock():

Python进阶

•进程间通信：

◾Manager(内置了好多数据结构，可以实现多进程间内存共享)

from multiprocessing import Manager,Process
def add_data(p_dict, key, value):
    p_dict[key] = value

if __name__ == "__main__":
    progress_dict = Manager().dict()
    from queue import PriorityQueue

    first_progress = Process(target=add_data, args=(progress_dict, "bobby1", 22))
    second_progress = Process(target=add_data, args=(progress_dict, "bobby2", 23))

    first_progress.start()
    second_progress.start()
    first_progress.join()
    second_progress.join()

    print(progress_dict)

Pipe(适用于两个进程)

from multiprocessing import Pipe,Process
#pipe的性能高于queue
def producer(pipe):
    pipe.send("bobby")

def consumer(pipe):
    print(pipe.recv())

if __name__ == "__main__":
    recevie_pipe, send_pipe = Pipe()
    #pipe只能适用于两个进程
    my_producer= Process(target=producer, args=(send_pipe, ))
    my_consumer = Process(target=consumer, args=(recevie_pipe,))

    my_producer.start()
    my_consumer.start()
    my_producer.join()
    my_consumer.join()

Queue(不能用于进程池,进程池间通信需要使用Manager().Queue())

from multiprocessing import Queue,Process
def producer(queue):
    queue.put("a")
    time.sleep(2)

def consumer(queue):
    time.sleep(2)
    data = queue.get()
    print(data)

if __name__ == "__main__":
    queue = Queue(10)
    my_producer = Process(target=producer, args=(queue,))
    my_consumer = Process(target=consumer, args=(queue,))
    my_producer.start()
    my_consumer.start()
    my_producer.join()
    my_consumer.join()

进程池

def producer(queue):
    queue.put("a")
    time.sleep(2)

def consumer(queue):
    time.sleep(2)
    data = queue.get()
    print(data)

if __name__ == "__main__":
    queue = Manager().Queue(10)
    pool = Pool(2)

    pool.apply_async(producer, args=(queue,))
    pool.apply_async(consumer, args=(queue,))

    pool.close()
    pool.join()

• • sys模块几个常用方法

  • • argv 命令行参数list,第一个是程序本身的路径
    • path 返回模块的搜索路径
    • modules.keys() 返回已经导入的所有模块的列表
    • exit(0) 退出程序

  • a in s or b in s or c in s简写

  • • 采用any方式：all() 对于任何可迭代对象为空都会返回True

# 方法一
    True in [i in s for i in [a,b,c]]
    # 方法二
    any(i in s for i in [a,b,c])
    # 方法三
    list(filter(lambda x:x in s,[a,b,c]))

set集合运用

◾{1,2}.issubset({1,2,3})#判断是否是其子集

◾{1,2,3}.issuperset({1,2})

◾{}.isdisjoint({})#判断两个set交集是否为空,是空集则为True

•代码中中文匹配

◾[u4E00-u9FA5]匹配中文文字区间[一到龥]

•查看系统默认编码格式

    import sys
    sys.getdefaultencoding()    # setdefaultencodeing()设置系统编码方式

getattr VS getattribute

class A(dict):
    def __getattr__(self,value):#当访问属性不存在的时候返回
        return 2
    def __getattribute__(self,item):#屏蔽所有的元素访问
        return item

类变量是不会存入实例__dict__中的，只会存在于类的__dict__中

•globals/locals(可以变相操作代码)

◾globals中保存了当前模块中所有的变量属性与值

◾locals中保存了当前环境中的所有变量属性与值

•python变量名的解析机制(LEGB)

◾本地作用域(Local)

◾当前作用域被嵌入的本地作用域(Enclosing locals)

◾全局/模块作用域(Global)

◾内置作用域(Built-in)

•实现从1-100每三个为一组分组

    print([[x for x in range(1,101)][i:i+3] for i in range(0,100,3)])

什么是元类？

◾即创建类的类，创建类的时候只需要将metaclass=元类，元类需要继承type而不是object,因为type就是元类

type.bases #(,) object.bases #() type(object) #

class Yuan(type):
    def __new__(cls,name,base,attr,*args,**kwargs):
        return type(name,base,attr,*args,**kwargs)
class MyClass(metaclass=Yuan):
    pass

•什么是鸭子类型(即:多态)？

◾Python在使用传入参数的过程中不会默认判断参数类型，只要参数具备执行条件就可以执行

•深拷贝和浅拷贝

◾深拷贝拷贝内容，浅拷贝拷贝地址(增加引用计数)

◾copy模块实现神拷贝

•单元测试

◾一般测试类继承模块unittest下的TestCase

◾pytest模块快捷测试(方法以test_开头/测试文件以test_开头/测试类以Test开头，并且不能带有 init 方法)

◾coverage统计测试覆盖率

class MyTest(unittest.TestCase):
    def tearDown(self):# 每个测试用例执行前执行
        print('本方法开始测试了')

    def setUp(self):# 每个测试用例执行之前做操作
        print('本方法测试结束')

    @classmethod
    def tearDownClass(self):# 必须使用 @ classmethod装饰器, 所有test运行完后运行一次
        print('开始测试')
    @classmethod
    def setUpClass(self):# 必须使用@classmethod 装饰器,所有test运行前运行一次
        print('结束测试')

    def test_a_run(self):
        self.assertEqual(1, 1)  # 测试用例

•gil会根据执行的字节码行数以及时间片释放gil，gil在遇到io的操作时候主动释放

•什么是monkey patch?

◾猴子补丁，在运行的时候替换掉会阻塞的语法修改为非阻塞的方法

•什么是自省(Introspection)？

◾运行时判断一个对象的类型的能力，id,type,isinstance

•python是值传递还是引用传递？

◾都不是，python是共享传参，默认参数在执行时只会执行一次

•try-except-else-finally中else和finally的区别

◾else在不发生异常的时候执行，finally无论是否发生异常都会执行

◾except一次可以捕获多个异常，但一般为了对不同异常进行不同处理，我们分次捕获处理

•GIL全局解释器锁

◾同一时间只能有一个线程执行，CPython(IPython)的特点，其他解释器不存在

◾cpu密集型：多进程+进程池

◾io密集型：多线程/协程

•什么是Cython

◾将python解释成C代码工具

•生成器和迭代器

◾可迭代对象只需要实现__iter__方法

◦实现__next__和__iter__方法的对象就是迭代器

◾使用生成器表达式或者yield的生成器函数(生成器是一种特殊的迭代器)

•什么是协程

◾yield

◾async-awiat

◦比线程更轻量的多任务方式

◦实现方式

•dict底层结构

◾为了支持快速查找使用了哈希表作为底层结构

◾哈希表平均查找时间复杂度为o(1)

◾CPython解释器使用二次探查解决哈希冲突问题

•Hash扩容和Hash冲突解决方案

◾链接法

◾二次探查(开放寻址法)：python使用

◦循环复制到新空间实现扩容

◦冲突解决：

for gevent import monkey
monkey.patch_all()  #将代码中所有的阻塞方法都进行修改，可以指定具体要修改的方法

•判断是否为生成器或者协程

co_flags = func.__code__.co_flags

# 检查是否是协程
if co_flags & 0x180:
    return func

# 检查是否是生成器
if co_flags & 0x20:
    return func

•斐波那契解决的问题及变形

#一只青蛙一次可以跳上1级台阶，也可以跳上2级。求该青蛙跳上一个n级的台阶总共有多少种跳法。 #请问用n个21的小矩形无重叠地覆盖一个2n的大矩形，总共有多少种方法？ #方式一： fib = lambda n: n if n 二分查找->hash->二叉查找树->平衡二叉树->多路查找树->多路平衡查找树(B-Tree)

•Mysql面试总结基础篇

https://segmentfault.com/a/1190000018371218

•Mysql面试总结进阶篇

https://segmentfault.com/a/1190000018380324

•深入浅出Mysql

http://ningning.today/2017/02/13/database/深入浅出mysql/

•清空整个表时，InnoDB是一行一行的删除，而MyISAM则会从新删除建表

•text/blob数据类型不能有默认值，查询时不存在大小写转换

•什么时候索引失效

◾以%开头的like模糊查询

◾出现隐士类型转换

◾没有满足最左前缀原则

◦对于多列索引，不是使用的第一部分，则不会使用索引

◾失效场景：

◦应尽量避免在 where 子句中使用 != 或 操作符，否则引擎将放弃使用索引而进行全表扫描

◦尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，即使其中有条件带索引也不会使用，这也是为什么尽量少用 or 的原因

◦如果列类型是字符串，那一定要在条件中将数据使用引号引用起来，否则不会使用索引

◦应尽量避免在 where 子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描

例如： select id from t where substring(name,1,3) = ‘abc’ – name; 以abc开头的，应改成： select id from t where name like ‘abc%’ 例如： select id from t where datediff(day, createdate, ‘2005-11-30’) = 0 – ‘2005-11-30’; 应改为:

◦不要在 where 子句中的 “=” 左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引

◦应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描

如： select id from t where num/2 = 100 应改为: select id from t where num = 100*2；

◦不适合键值较少的列（重复数据较多的列）比如：set enum列就不适合(枚举类型(enum)可以添加null,并且默认的值会自动过滤空格集合(set)和枚举类似，但只可以添加64个值)

◦如果MySQL估计使用全表扫描要比使用索引快，则不使用索引

•什么是聚集索引

◾B+Tree叶子节点保存的是数据还是指针

◾MyISAM索引和数据分离，使用非聚集

◾InnoDB数据文件就是索引文件，主键索引就是聚集索引

Redis命令总结

•为什么这么快？

◾基于内存，由C语言编写

◾使用多路I/O复用模型，非阻塞IO

◾使用单线程减少线程间切换

◦因为Redis是基于内存的操作，CPU不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了（毕竟采用多线程会有很多麻烦！）。

◾数据结构简单

◾自己构建了VM机制，减少调用系统函数的时间

•优势

◾性能高 – Redis能读的速度是110000次/s,写的速度是81000次/s

◾丰富的数据类型

◾原子 – Redis的所有操作都是原子性的，同时Redis还支持对几个操作全并后的原子性执行

◾丰富的特性 – Redis还支持 publish/subscribe（发布/订阅）, 通知, key 过期等等特性

•什么是redis事务？

◾将多个请求打包，一次性、按序执行多个命令的机制

◾通过multi,exec,watch等命令实现事务功能

◾Python redis-py pipeline=conn.pipeline(transaction=True)

•持久化方式

◾RDB(快照)

◦save(同步，可以保证数据一致性)

◦bgsave(异步，shutdown时，无AOF则默认使用)

◾AOF(追加日志)

•怎么实现队列

◾push

◾rpop

•常用的数据类型(Bitmaps,Hyperloglogs,范围查询等不常用)

◾String(字符串):计数器

◦整数或sds(Simple Dynamic String)

◾List(列表)：用户的关注，粉丝列表

◦ziplist(连续内存块，每个entry节点头部保存前后节点长度信息实现双向链表功能)或double linked list

◾Hash(哈希)：

◾Set(集合)：用户的关注者

◦intset或hashtable

◾Zset(有序集合)：实时信息排行榜

◦skiplist(跳跃表)

•与Memcached区别

◾Memcached只能存储字符串键

◾Memcached用户只能通过APPEND的方式将数据添加到已有的字符串的末尾，并将这个字符串当做列表来使用。但是在删除这些元素的时候，Memcached采用的是通过黑名单的方式来隐藏列表里的元素，从而避免了对元素的读取、更新、删除等操作

◾Redis和Memcached都是将数据存放在内存中，都是内存数据库。不过Memcached还可用于缓存其他东西，例如图片、视频等等

◾虚拟内存–Redis当物理内存用完时，可以将一些很久没用到的Value 交换到磁盘

◾存储数据安全–Memcached挂掉后，数据没了；Redis可以定期保存到磁盘（持久化）

◾应用场景不一样：Redis出来作为NoSQL数据库使用外，还能用做消息队列、数据堆栈和数据缓存等；Memcached适合于缓存SQL语句、数据集、用户临时性数据、延迟查询数据和Session等

•Redis实现分布式锁

◾使用setnx实现加锁，可以同时通过expire添加超时时间

◾锁的value值可以是一个随机的uuid或者特定的命名

◾释放锁的时候，通过uuid判断是否是该锁，是则执行delete释放锁

•常见问题

◾缓存雪崩

◦短时间内缓存数据过期，大量请求访问数据库

◾缓存穿透

◦请求访问数据时，查询缓存中不存在，数据库中也不存在

◾缓存预热

◦初始化项目，将部分常用数据加入缓存

◾缓存更新

◦数据过期，进行更新缓存数据

◾缓存降级

◦当访问量剧增、服务出现问题（如响应时间慢或不响应）或非核心服务影响到核心流程的性能时，仍然需要保证服务还是可用的，即使是有损服务。系统可以根据一些关键数据进行自动降级，也可以配置开关实现人工降级

•一致性Hash算法

◾使用集群的时候保证数据的一致性

•基于redis实现一个分布式锁，要求一个超时的参数

◾setnx

•虚拟内存

•内存抖动

Linux

•Unix五种i/o模型

◾阻塞io

◾非阻塞io

◾多路复用io(Python下使用selectot实现io多路复用)

◦select

•并发不高，连接数很活跃的情况下

◦poll

•比select提高的并不多

◦epoll

•适用于连接数量较多，但活动链接数少的情况

◾信号驱动io

◾异步io(Gevent/Asyncio实现异步)

•比man更好使用的命令手册

◾tldr:一个有命令示例的手册

•kill -9和-15的区别

◾-15：程序立刻停止/当程序释放相应资源后再停止/程序可能仍然继续运行

◾-9：由于-15的不确定性，所以直接使用-9立即杀死进程

•分页机制（逻辑地址和物理地址分离的内存分配管理方案）：

◾操作系统为了高效管理内存，减少碎片

◾程序的逻辑地址划分为固定大小的页

◾物理地址划分为同样大小的帧

◾通过页表对应逻辑地址和物理地址

•分段机制

◾为了满足代码的一些逻辑需求

◾数据共享/数据保护/动态链接

◾每个段内部连续内存分配，段和段之间是离散分配的

•查看cpu内存使用情况？

◾top

◾free 查看可用内存，排查内存泄漏问题

设计模式

单例模式

# 方式一
def Single(cls,*args,**kwargs):
    instances = {}
    def get_instance (*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    return get_instance
@Single
class B:
    pass
# 方式二
class Single:
    def __init__(self):
        print("单例模式实现方式二。。。")

single = Single()
del Single  # 每次调用single就可以了
# 方式三(最常用的方式)
class Single:
    def __new__(cls,*args,**kwargs):
        if not hasattr(cls,'_instance'):
            cls._instance = super().__new__(cls,*args,**kwargs)
        return cls._instance

工厂模式

class Dog:
    def __init__(self):
        print("Wang Wang Wang")
class Cat:
    def __init__(self):
        print("Miao Miao Miao")


def fac(animal):
    if animal.lower() == "dog":
        return Dog()
    if animal.lower() == "cat":
        return Cat()
    print("对不起，必须是：dog,cat")

构造模式

class Computer:
    def __init__(self,serial_number):
        self.serial_number = serial_number
        self.memory = None
        self.hadd = None
        self.gpu = None
    def __str__(self):
        info = (f'Memory:{self.memoryGB}',
        'Hard Disk:{self.hadd}GB',
        'Graphics Card:{self.gpu}')
        return ''.join(info)
class ComputerBuilder：
    def __init__(self):
        self.computer = Computer('Jim1996')
    def configure_memory(self,amount):
        self.computer.memory = amount
        return self #为了方便链式调用
    def configure_hdd(self,amount):
        pass
    def configure_gpu(self,gpu_model):
        pass
class HardwareEngineer:
    def __init__(self):
        self.builder = None
    def construct_computer(self,memory,hdd,gpu)
        self.builder = ComputerBuilder()
        self.builder.configure_memory(memory).configure_hdd(hdd).configure_gpu(gpu)
    @property
    def computer(self):
        return self.builder.computer

数据结构和算法内置数据结构和算法

python实现各种数据结构

快速排序

def quick_sort(_list):
        if len(_list)  b:
        if _list1[a] > _list2[b]:
            sort.append(_list2[b])
            b += 1
        else:
            sort.append(_list1[a])
            a += 1
    if len_a > a:
        sort.append(_list1[a:])
    if len_b > b:
        sort.append(_list2[b:])
    return sort

def merge_sort(_list):
    if len(list1)