py的语言特性: 动态强类型
静/动态: 编绎/运行 时确定变量类型
弱/强类型: 会/不会发生隐式类型转换
py作为后端语言的优缺点
- 语言简单灵活，开发效率高
- 胶水语言，轮子多，拥有Django这种的成熟web框架
- 执行效率低，性能不如其他语言
- 动态语言，没有类型声明时就没有自动补全，而且很多问题要运行后才能发现
什么是duck type?
鸭子类型更关注对象的行为，只要实现了某种接口方法就行，而不在乎是什么类型
比如说定义了 __iter__魔法方法的类实例对象都可以用for来迭代
什么是monkey patch?
monkey patch就是运行时替换对象，本质上是对象的重新赋值
py3和py2的区别
- print在py3里是一个函数，在py2里只是一个关键字
- py3文件的默认编码是utf8，py2文件的默认编码是ascii
- py3的str是unicode字符串，而py2的str是bytes
- py3的range()返回一个可迭代对象，py2的 range()返回一个列表，xrange()返回一个可迭代对象,
- py3的除法返回float，py2的除法返回int
可变对象与不可变对象
- 可变对象: list，dict，set
- 不可变对象: bool，int，float，tuple，str…
函数传递中args，*kwargs
用来处理可变参数，接收参数后，args会变成一个tuple，kwargs会变成一个dict
什么时候需要捕获异常?
- Django的ORM框架操作数据库时，获取数据，更新数据等都有可能会异常
- socket通信时，recv()方法可能会因为对方突然中断连接导致异常
什么是CPython GIL?
GIL，Global Interpreter Lock，即全局解释器锁
引入GIL是因为CPython的内存管理并不是线程安全的,
为了保护多线程下对python对象的访问，每个线程在执行过程中都需要先获取GIL，保证同一时刻只有一个线程在执行代码
GIL使得python的多线程不能充分发挥多核CPU的性能，对CPU密集型程序的影响较大
什么是生成器?
生成器是一种可迭代对象，可以挂起并保持当前的状态
生成器遇到yield处会停止执行，调用next()或send()才会继续执行
定义一个生成器有两种方式，一种是生成器推导式，一种是在普通函数中添加yield语句并实例化
浅拷贝和深拷贝
浅拷贝出来的是一个独立的对象，但它的子对象还是原对象中的子对象
深拷贝会递归地拷贝原对象中的每一个子对象，因此拷贝后的对象和原对象互不相关。
迭代器与可迭代对象的区别
可迭代对象类，必须自定义__iter__()魔法方法，range，list类的实例化对象都是可迭代对象
迭代器类，必须自定义__iter__()和__next__()魔法方法，用iter()函数可以创建可迭代对象的迭代器
闭包就是一个嵌套函数，它的内部函数 使用了 外部函数的变量或参数,它的外部函数 返回了 内部函数
可以保存外部函数内的变量，不会随着外部函数调用完而销毁
python垃圾回收机制
引用计数为主，标记清除 和 分代回收为辅
引用计数机制是这样的
当对象被创建，被引用，作为参数传递，存储到容器中，引用计数+1
当对象离开作用域，引用指向别的对象，del，从容器中移除，引用计数-1
当引用计数降为0，python就会自动回收该对象所在的内存空间，
但是引用计数无法解决循环引用的问题，所以引入了标记清除和分代回收机制
async和await的作用
async: 声明一个函数为异步函数，函数内只要有await就要声明为async
await: 搭配asyncio.sleep()时会切换协程，当切换回来后再继续执行下面的语句
内置的数据结构和算法
- 内置数据结构: list，dict，tuple，set
- 内置算法: sorted，max
collections模块
collections模块提供了一些好用的容器数据类型，其中常用的有: namedtuple，deque，Counter，OrderedDict，defaultdict
为什么dict查找的时间复杂度是O(1)?
dict底层是哈希表，哈希表类似于C语言的数组，可以实现按索引随机访问
但dict的key不一定是整数，需要先通过哈希函数，再经过取余操作转换为索引
list tuple的底层结构
list和tuple底层都是顺序表结构
list底层是可变数组，数组里存放的是元素对象的指针
set的底层结构
哈希表，key就是元素，value都是空
class方法 和 static方法的区别
class方法的第一个参数是cls，可以访问类属性，类方法
static方法和普通函数一样，只不过是放在类里，要通过类或实例来调用，但是它不能访问类和实例的属性和方法
什么是装饰器?
装饰器是一个接收函数作为参数的闭包函数
它可以在不修改函数内部源代码的情况下，给函数添加额外的功能
import time
def calc_time(func):
def inner():
t1 = time.time()
func()
t2 = time.time()
print('cost time: {}s'.format(t2-t1))
return inner
什么是元类? 使用场景
元类是创建类的类，type还有继承自type的类都是元类
作用: 在类定义时（new, init）和 类实例化时(call) 可以添加自定义的功能
使用场景: ORM框架中创建一个类就代表数据库中的一个表，但是定义这个类时为了统一需要把里面的类属性全部改为小写，这个时候就要用元类重写new方法，把attrs字典里的key转为小写
实现单例模式的三种方式
单例模式: 一个类只能创建一个实例化对象
class Foo():
__instance = None
def __new__(cls):
if cls.__instance is None:
cls.__instance = super().__new__(cls)
return cls.__instance
class MyType(type):
def __init__(self):
super().__init__()
self.__instance = None
def __call__(self，*args，**kwargs):
if not self.__instance:
self.__instance = super().__call__(*args，**kwargs)
return self.__instance
class Foo(metaclass=MyType):
...
def outter(cls):
dct = {}
def inner(*args，**kwargs):
if cls not in dct:
dct[cls] = cls(*args，**kwargs)
return dct[cls]
return inner
@outter
class Foo():
...
工厂模式
根据不同条件创建不同的类实例化对象
class CarFactory():
def produce(self，name):
if name == 'BYD':
return BYD()
elif name == 'BMW':
return BMW()
class BYD():
pass
class BMW():
pass
car = CarFactory().produce('BMW')
Original: https://blog.csdn.net/qq_38992249/article/details/119968248
Author: wslynn
Title: 面试八股文-Python基础
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/673346/
转载文章受原作者版权保护。转载请注明原作者出处！