Python 110 道面试题

1、计算1~100的数之和

1.1 　　for循环实现1~100的和

sum1 = 0
for i in range(1,101):
    sum1 = sum1 + i
    i += 1
print(f"1-100之间的和是：{sum1}")

 

1.2　　while实现1~100的和

sum1 = 0
i = 1
while True:
    sum1 = sum1 + i
    if i == 100:
        break
    i += 1
print(sum1)

 

1.3、一条代码求1~100的和:使用sum函数

print(sum(range(1,101)))

 

1.4、计算1~100里面偶数之和

sum1 = 0
for i in range(1,101):
    if i % 2 == 0:
        sum1 = sum1 +i
    i += 1
print(f"1-100之间偶数的和是：{sum1}")

 

1.5、计算1~100里面奇数之和

sum1 = 0
for i in range(1,101):
    if i % 2 != 0:
        sum1 = sum1 +i
    i += 1
print(f"1-100之间奇数的和是：{sum1}")

 

2.如何在一个函数内部修改全局变量---利用 global 修改全局变量 # (译：阁楼bou)

a = 10


def aaa():
    global a  # 如果声明全局变量 会更改 所有 a 的值
    a = 4
    print(a)


aaa()
print(a)    # 如果没有声明 代码从上往下执行 a=10,global声明后全局变量 a = 4

 

3.列出5个python标准库

import os     提供了不少于操作系统相关联的函数
import sys    通常用于命令行参数
import re       正则匹配
import math     数学运算
import datetime     处理日期时间

 

4.字典如何删除键和合并两个字典：del、pop和update

dict1 = {'a': 1, 'b': 2, 'c': 3}
dict2 = {'aa': 11, 'bb': 22, 'cc': 33}

# 两种删除
del dict1["b"]

dict1.pop("c")
print(f"del 和 pop 两种方法删除 b 和 c 后的字典为：{dict1}")

# 两种合并
# dict1.update(dict2)
# print(dict1)

dict3 = dict(dict1, **dict2)
print(dict3)

 

5、谈下python的GIL

GIL是python的全局解释器锁，同一进程中假如有多个线程运行，一个线程在运行python程序的时候会霸占python解释器

(加了一把锁即GIL)，使该进程内的其他线程无法运行，等该线程运行完后其他线程才能运行。

如果线程运行过程中遇到耗时操作，则解释器锁解开,使其他线程运行。所以在多线程中，线程的运行仍是有先后顺序的，并不是同时进行。

多进程中因为每个进程都能被系统分配资源，相当于每个进程有了一个python解释器，所以多进程可以实现多个进程的同时运行，缺点是进程系统资源开销大

 

6、python实现列表去重的方法：先通过集合去重，在转列表

# 转换为集合数据类型; set(列表)方法
li = [11, 12, 13, 12, 15, 16, 13]
a = set(li)
c = list(a)
print("值为{}\n转列表类型为：{}".format(c, type(c)))

# 字典的 fromkeys 方法实现;
li = [1, 2, 3, 4, 1, 1, 2]
a1 = {}.fromkeys(li)
a1 = list(a1)
print("值为{}\n转列表类型为：{}".format(a1, type(a1)))

li1 = [x for x in a1]  # 遍历
print(f"遍历列表：{li1}")

 

7、fun(*args, **kwargs)中的 *args, **kwargs什么意思?

# *args （译：阿尔戈斯） 和 **kwargs（译：库尔格斯）主要用于函数定义。你可以将不定数量的参数传递给一个函数。
# 这里的不定的意思是:预先并不知道函数使用者会传递多少个参数给你,所以在这个场景下使用这两个关键字。
# *args是 用来发送一个非键值对的可变数量的参数列表给一个函数这里有个例子帮你理解这个概念:

def demo(args_f, *args_v):
    print(args_f)
    for x in args_v:
        print(x)


demo('a','b','c','d')

# **kwargs 允许你将不定长度的键值对,作为参数传递给一个函数。
# 如果你想要在一个函数里处理带名字的参数,你应该使用**kwargs.这里有个例子帮你理解这个概念:

def demo(**args_v):
    for k, v in args_v.items():
        print(k, v)

demo(name='njcx')

 

8、python2和python3的range (100)的区别

# python2返回列表，python3返回迭代器，节约内存
print(range(100))  # 结果：range(0, 100)

 

9、一句话解释什么样的语言能够用装饰器?

• 函数可以作为参数传递的语言，可以使用装饰器

 

10.python内建数据类型有哪些

整型      int     整数
布尔型     bool    true/false
字符串     str     "abcd"
元祖      tuple       (tuple)
列表      list        [list]
字典      dict        {dict}

 

11、简述面向对象中__new__ 和 __init__区别

• __init__ 是初始化方法，创建对象后，就立刻被默认调用，可接收参数

• __new__方法接受的参数虽然也是和__init__一样，但__init__是在类实例创建之后调用，而 __new__方法正是创建这个类实例的方法。

所以，__init__ 和 __new__ 最主要的区别在于：
1.__init__ 通常用于初始化一个新实例，控制这个初始化的过程，比如添加一些属性， 做一些额外的操作，发生在类实例被创建完以后。它是实例级别的方法。
2.__new__ 通常用于控制生成一个新实例的过程。它是类级别的方法。

　　https://www.cnblogs.com/pythonzhilian/p/12427309.html

12、简述with方法打开处理文件帮我我们做了什么?

打开文件在进行读写的时候可能会出现一些异常状况，如果按照常规的  f.open 写法

我们需要 try,except,finally，做异常判断，并且文件最终不管遇到什么情况

都要执行 finally f.close() 关闭文件

with 方法帮我们实现了 finally 中 f.close

(当然还有其他自定义功能，有兴趣可以研究with方法源码)

 

13、列表[1,2,3,4,5],请使用map()函数输出[1,4,9,16,25]，并使用列表推导式提取出大于10的数，最终输出[16,25]

# map() 函数第一个参数是fun,第二个参数是-般是list, 第三个参数可以写list,也可以不写根据需求
list1 = [1, 2, 3, 4, 5]


def fn(i):
    return i ** 2


res = map(fn, list1)
res = [i for i in res if i > 10]
print(res)

 

14、python中生成随机整数、随机小数、0--1之间小数方法

import random       # (译：软的木)
import numpy        # (译：娜姆py)


# 随机整数: random.randint(a,b),(译：软的木.软din特)生 成区间内的整数
a = random.randint(0, 10)
print("随机正整数：", a)
# 随机小数:习惯用 numpy 库,利用numpy.random.randn(5)  (译：娜姆py.软的木.软的n)生成5个随机小数
b = numpy.random.randn(5)
print("5个随机小数：", b)
# 0-1随机小数: random.random(), (译：软的木.软的木)括号中不传参
c = random.random()
print("0-1随机小数：", c)

# 结果：
# 随机正整数： 7
# 5个随机小数： [-0.13004373 -1.18237795 -0.60275202  0.30063551 -0.29836968]
# 0-1随机小数： 0.7667893087661188

 

15、避免转义给字符串加哪个字母表示原始字符串?

• r，表示需要原始字符串，不转义特殊字符

 

16、<div class="nam">中国</div>,用正则匹配出标签里面的内容("中国")，其中class的类名是不确定的

import re   # findall （译：法的奥）


str1 = '<div class="nam">中国</div>'
# .代表可有可无，*代表任意字符，满足类名可以变化；(.*?)提取文本
res = re.findall(r'<div class=".*">(.*?)</div>', str1)
print(res)

# 结果：['中国']

 

17、python中断言方法举例

• assert ()方法，断言成功，则程序继续执行，断言失败，则程序报错

a = 3
assert (a > 1)
print("断言成功，程序继续向下执行")

b = 3
assert (b > 6)
print("断言失败，程序报错")

 

18、数据表student有id,name,score,city字段，其中name中的名字可有重复，需要消除重复行,请写sql语句

select distinct name from student     # distinct(抵死真可特)

 

19、10个Linux常用命令

Is pwd cd touch rm mkdir tree cp mv cat more grep echo

 

20、python2和python3区别? 列举5个

1、Python3 使用 print 必须要以小括号包裹打印内容，比如print('hi')

　　Python2 既可以使用带小括号的方式，也可以使用一个空格来分隔打印内容，比如 print 'hi'

2、python2 range(1,10)返回列表，python3中返回迭代器，节约内存

3、python2 中使用 ascii 编码，python3 中使用 utf-8 编码

4、python2 中 unicode 表示字符串序列，str 表示字节 序列

　　python3 中 str 表示字符串序列，byte 表示字节序列

5、python2 中为正常显示中文，引入 coding 声明，python3 中不需要

6、python2 中是 raw_input() 函数， python3 中是input()函数

 

21、列出python中可变数据类型和不可变数据类型，并简述原理

# 不可变数据类型:数值型、字符串型string和元组tuple
# 不允许变量的值发生变化，如果改变了变量的值，相当于是新建了-一个对象，而对于相同
# 的值的对象，在内存中则只有一一个对象(- -个地址)， 如下图用id()方法可以打印对象的id

a = 3
b = 3
print(id(a))
print(id(b))

# 结果：8791318717328
# 8791318717328

# 可变数据类型:列表list和字典dict;
# 允许变量的值发生变化，即如果对变量进行append、+= 等这种操作后，只是改变了变量的值，而不会新建一个对象,
# 变量引用的对象的地址也不会变化，不过对于相同的值的不同对象，在内存中则会存在不同的对象，
# 即每个对象都有自己的地址，相当于内存中对于同值的对象保存了多份，这里不存在引用计数,是实实在在的对象。

c = [1, 2]
d = [1, 2]
print(id(c))
print(id(d))

# 结果：5530248
# 5530312

 

22. s="ajldjlajfdljfddd", 去重并从小到大排序输出"adfjl"

# set去重，去重转成 list ,利用 sort 方法排序，reeverse= False 是从小到大排
# list是不变数据类型，s.sort时候没有返回值，所以注释的代码写法不正确

s = "ajldjlajfdljfddd"
s = set(s)
s = list(s)
s.sort(reverse=False)
# s = s.sort(reverse=False)
res = "".join(s)
print(res)

 

23、用 lambda 函数实现两个数相乘 (lambda译：兰木达)，(sum译：萨姆)

sum = lambda a, b: a*b
print(sum(3, 4))

 

24、字典根据键从小到大排序

dict1 = {"name": "zs ", "age": 18, "city": "深圳", "tel": " 1362626627"}

list = sorted(dict1.items(), key=lambda i: i[0], reverse=False)
print("sorted根据字典键排序\n:{}".format(list))
new_dict = {}
for i in list:
    new_dict[i[0]] = i[1]
print("新字典\n:{}".format(new_dict))

# 结果：
# sorted根据字典键排序
# :[('age', 18), ('city', '深圳'), ('name', 'zs '), ('tel', ' 1362626627')]
# 新字典
# :{'age': 18, 'city': '深圳', 'name': 'zs ', 'tel': ' 1362626627'}

 

25、利用 collections （译：克耐克深思）库的 Counter （译：康特）方法统计字符串每个单词出现的次数

"kjalfj;ldsjafl;hdsllfdhg;lahfbl;hI;ahlf;h"

from collections import Counter

a = "kjalfj;ldsjafl;hdsllfdhg;lahfbl;hI;ahlf;h"
res = Counter(a)
print(res)

# 结果：
# Counter({'l': 8, ';': 6, 'h': 6, 'f': 5, 'a': 4, 'j': 3, 'd': 3, 's': 2, 'k': 1, 'g': 1, 'b': 1, 'I': 1})

 

26、字符串 a = "not 404 found 张三 99 深圳"，每个词中间是空格，用正则过滤掉英文和数字，最终输出"张三 深圳"

import re
a = "not 404 found 张三 99 深圳"
list = a.split(" ")
print(list)         # 结果：['not', '404', 'found', '张三', '99', '深圳']

# res = re.findall(r'\d+|[a-zA-Z]+', a)
# \d+:匹配数字，[a-zA-Z]+：匹配单词，|：链接多个匹配方式
# 顺便贴上匹配小数的代码，虽然能匹配，但是健壮性有待进一步确认
res = re.findall(r'\d+\.?\d*|[a-zA-Z]+', a)

for i in res:
    if i in list:
        list.remove(i)
new_str = " ".join(list)
print(res)              # 结果：['not', '404', 'found', '99']
print(new_str)         # 结果：张三 深圳

 

27. filter （译：fai欧特）方法求出列表所有奇数并构造新列表，a=[1,2,3,4,5,6,7,8,9,10]

# filter()函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
# 该接收两个参数,第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，
# 然后返回True或False,最后将返回True的元素放到新列表

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]


def fn(a):
    return a % 2 == 1


newlist = filter(fn, a)
newlist = [i for i in newlist]
print(newlist)          

# 结果：[1, 3, 5, 7, 9]

 

28、列表推导式求列表所有奇数并构造新列表，a = [1, 2, 3, 4,5, 6, 7, 8, 9, 10]

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
res = [i for i in a if i % 2 == 1]
print(res)

# 结果：[1, 3, 5, 7, 9]

 

29、正则re.complie作用

re.compile （译：康排偶）是将正则表达式编译成一个对象,加快速度，并重复使用

 

30、 a= (1，) b=(1)， c=("1")分别是什么类型的数据?

# 整型      int     整数
# 布尔型     bool    true/false
# 字符串     str     "abcd"
# 元祖      tuple       (tuple)
# 列表      list        [list]
# 字典      dict        {dict}

print(type(1))          # 结果：<class 'int'>
print(type(1, ))          # 结果：<class 'int'>
print(type("1"))          # 结果：<class 'str'>

 

31、两个列表[1,5,7,9]和[2,2,6,8]合并为[1,2,2,3,6,7,8,9]

# extend 可以将另一个集合中的元素逐一添加到列表中，区别于 append 整体添加
a = [1, 5, 7, 9]
b = [2, 2, 6, 8]
a.extend(b)     # 合并（译：伊克斯谈的）
print(a)            # 结果：[1, 5, 7, 9, 2, 2, 6, 8]
a.sort(reverse=False)   # 排序（译：速特）
print(a)            # 结果：[1, 2, 2, 5, 6, 7, 8, 9]

a.append(b)         # 结果：[1, 5, 7, 9, [2, 2, 6, 8]]

 

32、用 python 删除文件和用 linux 命令删除文件方法

python: os.remove(文件名)　　# （儒哎慕斯）

linux：rm 文件名

 

33、log日志中，我们需要用时间戳记录 error，warning 等的发生时间，

请用 datetime 模块打印当前时间戳 "2018-04-01 11:38:54" 顺便把星期的代码也贴上了

import datetime

a = str(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')) \
    + " 星期 " + str(datetime.datetime.now().isoweekday())
print(a)        # 结果：2020-06-17 20:18:06 星期 3

 

34、数据库优化查询方法

• 外键、索引、联合查询、选择特定字段等等

 

35、请列出你会的任意一种统计图(条形图、折线图等)绘制的开源库，第三方也行

• pychart、matplotlib

 

36、写一段自定义异常代码

# 自定义异常用 raise 抛出异常
def fn():
    try:
        for i in range(5):
            if i > 2:
                raise Exception("自定义异常用：数字大于2了")
    except Exception as ret:
        print(ret)

 

37、正则表达式匹配中，(.*) 和(.*?) 匹配区别?

# (.*)是贪婪匹配，会把满足正则的尽可能多的往后匹配
# (.*?) 是非贪婪匹配，会把满足正则的尽可能少匹配

import re

s = "<a>哈哈</a><a>呵呵</a>"
res1 = re.findall("<a>(.*)</a>", s)
print("贪婪匹配", res1)                 # 结果：贪婪匹配 ['哈哈</a><a>呵呵']
res2 = re.findall("<a>(.*?)</a>", s)
print("非贪婪匹配", res2)                 # 结果：非贪婪匹配 ['哈哈', '呵呵']

 

 

 38、正则表达式匹配中，(.*) 和(.*?) 匹配区别?

• ORM,全拼Object-Relation Mapping,意为对象关系映射
• 实现了数据模型与数据库的解耦，通过简单的配置就可以轻松更换数据库,而不需要修改代码只需要面向对象编程,
• orm 操作本质上会根据对接的数据库引擎,翻译成对应的sq|语句,所有使用 Django 开发的项目无需关心程序底层使用的是MySQL、Oracle、sitit.....如果数据库迁移，只需要更换 Django 的数据库引擎即可

　　

 

 

39、[[1,2],[3,4],[5,6]]一行代码展开该列表，得出[1,2,3,4,5,6]列表推导式的骚操作

# 运行过程: for i in a ,每个i是[1,2]，[3,4] ，[5,6] ，for j in i,每个j就是1,2,3,4,5,6,合并后就是结果
a = [[1, 2], [3, 4], [5, 6]]
x = [j for i in a for j in i]
print(x)        # 结果：[1, 2, 3, 4, 5, 6]

# 还有更骚的方法,将列表转成numpy矩阵，通过numpy的flatten ()方法,代码永远是
import numpy

b = numpy.array(a).flatten().tolist()
print(b)        # 结果：[1, 2, 3, 4, 5, 6]

 

40、x="abc"，y="def" ，z=["d","e","f"]，分别求出 x.join(y) 和 x.join(z)返回的结果

join()括号里面的是可迭代对象，x插入可迭代对象中间，形成字符串，结果一致，

有没有突然感觉字符串的常见操作都不会玩了

顺便建议大家学下os.path.join(方法,拼接路径经常用到，也用到了join,和字符串操作中的join有什么区别，该问题大家可以查阅相关文档，后期会有答案

x = "abc"
y = "def"
z = ["d", "e", "f"]
m = x.join(y)
n = x.join(z)
print(m)    # 结果：dabceabcf
print(n)    # 结果：dabceabcf

 

41、举例说明异常模块中try except else finally的相关意义

try..except..else没有捕获到异常，执行else语句

try..except..finally不管是否捕获到异常，都执行 finally 语句

 

 

42、Python 中交换两个数值

a, b = 3, 4
print(a, b)     # 结果：dabceabcf

a, b = b, a
print(a, b)     # 结果：dabceabcf

 

43、举例说明zip () 函数用法

zip()函数在运算时，会以- -个或多个序列(可迭代对象)做为参数,返回一个元组的列表。同时将这些序列中并排的元素配对。

zip()参数可以接受任何类型的序列，同时也可以有两个以上的参数;当传入参数的长度不同时，zip能自动以最短序列长度为准进行截取，获得元组。

 

44.a= "张明98分"，用re.sub, 将98替换为100

import re

a= "张明98分"
ret = re.sub(r"\d+", "100", a)
print(ret)

 

45.写5条常用sq|语句

show databases;
show tables;
desc表名;
select * from表名;
delete from表名where id=5;
update students set gender=0,hometown= "北京" where id=5

 

46、a="hello" 和 b= "你好" 编码成 bytes类型

a = "hello"
b = "你好"
print(a, b)
print(type(a), type(b))

 

47、[1,2,3] + [4,5,6]的结果是多少?

两个列表相加，等价于 extend

a = [1, 2, 3]
b = [4, 5, 6]
res = a + b
print(res)
print(type(res))

# 结果：
# hello 你好
# <class 'str'> <class 'str'>
# [1, 2, 3, 4, 5, 6]
# <class 'list'>

 

48、提高 python 运行效率的方法

1、使用生成器，因为可以节约大量内存

2、循环代码优化，避免过多重复代码的执行

3、核心模块用Cython PyPy等， 提高效率

4、多进程、多线程、协程

5、多个 if elif 条件判断，可以把最有可能先发生的条件放到前面写，这样可以减少程序判断的次数,提高效率.

 

49、简述 mysql 和 redis 区别

redis：内存型非关系数据库， 数据保存在内存中，速度快

mysql：关系型数据库，数据保存在磁盘中，检索的话，会有一-定的Io操作，访问速度相对慢

 

50、遇到bug如何处理

1、细节上的错误，通过 print () 打印，能执行到 print () 说明一般，上面的代码没有问题，分段检测程序是否有问题，如果是 js 的话可以 alert 或 console.log

2、如果涉及- -些第三方框架，会去查官方文档或者- -些技术博客。

3、对于bug的管理与归类总结，- -般测试将测试出的bug用teambin等bug管理 工具进行记录，然后我们会一条一 条进行修改， 修改的过程也是理解业务逻辑和提高自己编程逻辑缜密性的方法，我也都会收藏做一些笔记记录。

4、导包问题、城市定位多音字造成的显示错误问题

 

51、正则匹配，匹配日期2018-03-20

urI='https://sycm.taobao.com/bda/tradinganaly/overview/get_ summary.json?dateRange=201 8-03-20%7C2018-03-20&dateType=recent1 &device= 1&token= ff25b109b&_ =1521595613462'

仍有同学问正则，其实匹配并不难，提取一段特征语句，用(.*?) 匹配即可

import re


url = 'https://sycm.taobao.com/bda/tradinganaly/overview/get_ summary.json?dateRange=201 8-03-20%7C2018-03-20&dateType=recent1 &device= 1&token= ff25b109b&_ =1521595613462'

result = re.findall(r'dateRange=(.*?)%7C(.*?)&', url)

print(result)       # 结果：[('201 8-03-20', '2018-03-20')]

 

52、list = [2,3,5,4,9,6]，从小到大排序，不许用sort，输出[2,3,4,5,6,9]

利用min()方法求出最小值，原列表删除最小值，新列表加入最小值,递归调用获取最小值的函数，反复操作

list = [2, 3, 5, 4, 9, 6]
new_list = []


def get_min(list):
    # 获取列表最小值
    a = min(list)
    # 删除最小值
    list.remove(a)
    # 将最小值加入新的列表
    new_list.append(a)
    # 保证最后列里面有值，递归调用获取最小值
    # 直到所有值获取完，并加入新列表返回
    if len(list) > 0:
        get_min(list)
    return new_list


new_list = get_min(list)
print(new_list)

 

53、写一个单列模式

因为创建对象时_ new_ 方法执行， 并且必须return返回实例化出来的对象所 cls.__ instance 是否存在， 不存在的话就创建对象，存在的话就返回该对象，来保证只有一个实例对象存在(单列)，打印ID，值一样，说明对象同一个

class Singlenton(object):
    __instance = None

    def __new__(cls, *args, **kwargs):
        # 如果类属性_instance的值为None,
        # 那么就创建一个对象，并且赋值为这个对象的引用，保证下次调用这个方法时
        # 能够知道之前已经创建过对象了，这样就保证了只有1个对象
        if not cls.__instance:
            cls.__instance = object.__new__(cls)
        return cls.__instance


a = Singlenton(18, "dongGe")
b = Singlenton(8, "dongGe")

print(id(a))
print(id(b))

a.age = 19      # 给a指向的对象添加一个属性
print(b.age)        # 获取b指向的对象的age属性

# 结果
37021064
37021064
19

 

54、保留两位小数

题目本身只有a="%.03f"%1.3335，让计算a的结果，为了扩充保 留小数的思路，提供  round 方法(数值，保留位数)

a = "%.03f" % 1.3335

print(a, type(a))
b = round(float(a), 1)
print(b)

b = round(float(a), 2)
print(b)

A = zip(("a", "b", "c", "d", "e"), (1, 2, 3, 4, 5))
A0 = dict(A)
print(A0)

# 结果
1.333 <class 'str'>
1.3
1.33
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}

 

55、求三个方法打印结果

fn("one", 1)直接将键值对传给字典;

fn("two", 2)因为字典在内存中是可变数据类型，所以指向同一个地址，传了新的额参数后，会相当于给字典增加键值对

fn("three", 3, {})因为传了- -个新字典，所以不再是原先默认参数的字典

def fn(k, v, dic={}):
    dic[k] = v
    print(dic)


fn("one", 1)
fn("two", 2)
fn("three", 3, {})

# 结果：
# {'one': 1}
# {'one': 1, 'two': 2}
# {'three': 3}

 

56、列出常见的状态码和意义

200 OK

请求正常处理完毕

204 No Content

请求成功处理，没有实体的主体返回

206 Partial Content

GET范围请求已成功处理

301 Moved Permanently

永久重定向，资源已永久分配新URI

302 Found

临时重定向，资源已临时分配新URI

303 See Other

临时重定向，期望使用GET定向获取

304 Not Modified

发送的附带条件请求未满足

307 Temporary Redirect

临时重定向，POST不会变成GET

400 Bad Request

请求报文语法错误或参数错误

401 Unauthorized

需要通过HTTP认证，或认证失败

403 Forbidden

请求资源被拒绝

404 Not Found

无法找到请求资源(服务器无理由拒绝)

500 Internal Server Error

服务器故障或Web应用故障

503 Service Unavailable

服务器超负载或停机维护

 

57、分别从前端、后端、数据库阐述web项目的性能优化

前端优化：

• 减少http请求、例如制作精灵图
• 在首页通过嵌入式方式加入CSS，javascript放在页面下面，因为js加载比HTML和CSS加载慢，所有要优先加载html和css，以防止页面显示不全，性能查，也影响用户体验差

 

后端优化：

• 缓存存储读写次数高，变化少的数据，比如网站页面的信息、商品的信息等。应用程序读取数据时，一般是先从缓存中读取，如果读取不到或数据已失效，再访问磁盘数据库，并将数据再次写入缓存。
• 将动态页面弄成html页面，通过ngnix来访问。
• 异步方式，如果有耗时操作，可以采用异步，比如celery
• 代码优化，避免循环和判断次数太多，如果多个if else判断，有限判断最有可能先发送的情况

 

数据库优化：

• 选择合适的数据库，如果有条件，数据可以存放于redis，读取速度块。
• 建立索引、外键等

 

58、使用 pop 和 del 删除字典中的"name"字段，dic={"name":"zs","age":18}

dic = {"name": "zs", "age": 18}
dic.pop("name")
print(dic)      # 结果：{'age': 18}

dic = {"name": "zs", "age": 18}
del dic["name"]
print(dic)      # 结果：{'age': 18}

 

59、列出常见MYSQL数据存储引擎

• InnoDB：支持事务处理，支持外键，支持崩溃修复能力和并发控制。如果需要对事务的完整性要求比较高(比如银行)，要求实现并发控制(比如售票)， 那选择InnoDB有很大的优势。如果需要频繁的更新、删除操作的数据库，也可以选择InnoDB，因为支持事务的提交(commit) 和回滚(rollback) 。

• MyISAM：插入数据快,空间和内存使用比较低。如果表主要是用于插入新记录和读出记录，那么选择MyISAM能实现处理高效率。如果应用的完整性、并发性要求比较低，也可以使用。

• MEMORY：所有的数据都在内存中，数据的处理速度快,但是安全性不高。如果需要很快的读写速度，对数据的安全性要求较低，可以选择MEMOEY。它对表的大小有要求,不能建立太大的表。所以，这类数据库只使用在相对较小的数据库表。

 

60、计算代码运行结果，zip函数历史文章已经说了，得出[("a",1),("b",2), ("c",3),("d",4),("e",5)]

A = zip(("a", "b", "c", "d", "e"), (1, 2, 3, 4, 5))
A0 = dict(A)
A1 = range(10)
A2 = [i for i in A1 if i in A0]
A3 = [A0[s] for s in A0]
print("a0=", A0)
print(list(zip(("a", "b", "c", "d", "e"), (1, 2, 3, 4, 5))))
print(A2)
print(A3)


# dict() 创建字典新方法
s = dict([["name", "zs"], ["age", 18]])
print('s=', s)

s = dict([("name", "zs"), ("age", 18)])
print('s=', s)

# 结果
a0= {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
[('a', 1), ('b', 2), ('c', 3), ('d', 4), ('e', 5)]
[]
[1, 2, 3, 4, 5]
s= {'name': 'zs', 'age': 18}
s= {'name': 'zs', 'age': 18}

 

61、简述同源策略

同源策略需要同时满足以下三点要求:

1)协议相同

2)域名相同

3)端口相同

http:www.test.com与https:www.test.com不同源一一协议不同

http:www.test.com与http:www.admin.com不同源一一域名不同

http:www.test.com与http:www.test.com:8081不同源一-端口不同

只要不满足其中任意一个要求，就不符合同源策略，就会出现"跨域”

 

62、简述cookie和session的区别

1，session在服务器端，cookie在客户端(浏览器)

2、session 的运行依赖 session id，而 session id 是存在 cookie 中的，也就是说，如果浏览器禁用了 cookie ，同时 session 也会失效，存储 Session 时， 键与 Cookie 中的 session id 相同，值是开发人员设置的键值对信息，进行了 base64 编码，过期时间由开发人员设置

3、cookie 安全性比 session 差

 

63、简述多线程、多进程

进程:

1、操作系统进行资源分配和调度的基本单位，多个进程之间相互独立

2、稳定性好，如果一-个进程崩溃，不影响其他进程，但是进程消耗资源大，开启的进程数量有限制

线程:

1、CPU进行资源分配和调度的基本单位，线程是进程的一部分,是比进程更小的能独立运行的基本单位，-一个进程下的多个线程可以共享该进程的所有资源

2、如果IO操作密集，则可以多线程运行效率高，缺点是如果-一个线程崩溃，都会造成进程的崩溃

应用:

• IO密集的用多线程，在用户输入，sleep 时候，可以切换到其他线程执行，减少等待的时间
• CPU密集的用多进程，因为假如IO操作少，用多线程的话，因为线程共享一个全局解释器锁，当前运行的线程会霸占GIL，其他线程没有GIL,就不能充分利用多核CPU的优势

 

64、简述any()和all()方法

any()：只要迭代器中有一个元素为真就为真

all()：迭代器中所有的判断项返回都是真，结果才为真

python中什么元素为假?

　　答案：(0，空字符串，空列表、空字典、空元组、None, False)

a = [True, False]
print(any(a))
print(all(a))

a = ""
print(any(a))

b = ['good', 'good', 'good', 'bad']
print(all(b))

b = ['good', 'good', 'good', '']
print(all("b"))
print(any("b"))

print(b)

b = ['good', 'good', 'good', ""]
print(b)
print(all(b))

# 结果
True
False
False
True
True
True
['good', 'good', 'good', '']
['good', 'good', 'good', '']
False

 

65、IOError、 AttributeError、 ImportError IndentationError、 IndexError .KeyError. SyntaxError、 NameError分别代表什么异常

IOError：输入输出异常

AttributeError：试图访问一-个对象没有的属性

ImportError：无法引入模块或包，基本是路径问题

IndentationError：语法错误，代码没有正确的对齐

IndexError："下标索引超出序列边界

KeyError：试图访问你字典里不存在的键

SyntaxError：Python代码逻辑语法出错,不能执行

NameError：使用一个还未赋予对象的变量

 

66、python中copy和deepcopy区别

1、复制不可变数据类型，不管copy还是deepcopy，都是同一个地址当浅复制的值是不可变对象(数值，字符串，元组)时和 = "赋值' 的情况一样，对象的 id 值 与 浅复制原来的值相同。

import copy

a = "哈哈"
b = a  # 浅拷贝: 引用对象
c = copy.copy(a)  # 浅拷贝：深拷贝父对象（一级目录），子对象（二级目录）不拷贝，还是引用
d = copy.deepcopy(a)
print(a, id(a))     # 结果：哈哈 35308888
print(a, id(b))     # 结果：哈哈 35308888
print(a, id(c))     # 结果：哈哈 35308888
print(a, id(d))     # 结果：哈哈 35308888

 

2、复制的值是可变对象(列表和字典)

浅拷贝copy有两种情况:

第一种情况：复制的对象中无复杂子对象，原来值的改变并不会影响浅复制的值，同时浅复制的值改变也并不会影响原来的值。原来值的id值与浅复制原来的值不同。

第二种情况：复制的对象中有复杂子对象(例如列表中的- -个子元素是- -个列表)，改变原来的值 中的复杂子对象的值，会影响浅复 制的值。深拷贝deepcopy:完全复制独立，包括内层列表和字典

# copy 和 deeepcopy 深浅复制
# list = [1, 2, {"name": "zs"}]
list = [1, 2, [3, 4]]
a = copy.copy(list)
b = copy.deepcopy(list)
# 外层列表：[1, 2, [3, 4]]
# 内层列表：[3, 4]
# 复杂子对象：[3, 4]，我们认为抱恨嵌套结构的内层列表（字典）为复杂子对象
# 简单子对象：1, 2
print("测试原始数据和 copy 和 deepcopy 后的结果及ID地址")
print("结果表明对于外层列表来说，三者是独立的对象")
print("原始数据和id", list, id(list))
print("原始数据和id", a, id(a))
print("原始数据和id", b, id(b))
print("******************************************")
print("测试修改外层列表的简单子对象，也就是修改1或者2")
print("结果表明修改了原始list之后，a 和b 并没有随之改变，符合我们的正常逻辑，因为是三个不同的对象")

list[0] = 10
print("将1改成10结果", list)
print("将1改成10结果", a)
print("将1改成10结果", b)
print("******************************************")
print("结果表明 copy 浅拷贝并没有真正将内层列表（字典独立拷贝出来，导致修改了list 内层列表（字典）a的内层列表（字典）值也变了")
print("结果表明 deepcopy 深拷贝可以将内层列表（字典）独立拷贝出来，所以 b 的内层列表（字典）值不变")

list[2][0] = 5
print("将3改成5结果", list)
print("将3改成5结果", a)
print("将3改成5结果", b)

# 结果
测试原始数据和 copy 和 deepcopy 后的结果及ID地址
结果表明对于外层列表来说，三者是独立的对象
原始数据和id [1, 2, [3, 4]] 41297736
原始数据和id [1, 2, [3, 4]] 41621384
原始数据和id [1, 2, [3, 4]] 41621448
******************************************
测试修改外层列表的简单子对象，也就是修改1或者2
结果表明修改了原始list之后，a 和b 并没有随之改变，符合我们的正常逻辑，因为是三个不同的对象
将1改成10结果 [10, 2, [3, 4]]
将1改成10结果 [1, 2, [3, 4]]
将1改成10结果 [1, 2, [3, 4]]
******************************************
结果表明 copy 浅拷贝并没有真正将内层列表（字典独立拷贝出来，导致修改了list 内层列表（字典）a的内层列表（字典）值也变了
结果表明 deepcopy 深拷贝可以将内层列表（字典）独立拷贝出来，所以 b 的内层列表（字典）值不变
将3改成5结果 [10, 2, [5, 4]]
将3改成5结果 [1, 2, [5, 4]]
将3改成5结果 [1, 2, [3, 4]]

 

67、列出几种魔法方法并简要介绍用途

__init__ :对象初始化方法

_new_ :创建对象时候执行的方法， 单列模式会用到

__str__ :当使用print输 出对象的时候，只要自己定义了_ str__ _(self)方法, 那么就会打印从在这个方法中return的数据

__del__ :删除对象执行的方法

 

68、C:\Users\ry-wu.junya\Desktop> python 1.py 22 33命令行启动程序并传参，print(sys.argv)会输出什么数据?

文件名和参数构成的列表

 　　

 

 

69、请将[i for i in range(3)]改成生成器

生成器是特殊的迭代器,

1、列表表达式的 [] 改为 ()  即可变成生成器，中括号换成小括号即可

2、函数在返回值得时候出现yield就变成生成器，而不是函数了;

a = [i for i in range(3)]
b = (i for i in range(3))
print(type(a))      # 结果：<class 'list'>
print(type(b))      # 结果：<class 'generator'>

 

70、a =”hehheh "去除收尾空格

# strip （译：思拽泼）
a = "    hehheh   "
print(a.strip())

 

71、举例 sort 和 sorted 对列表排序，list = [0,-1,3,-10,5,9]

# 列表排序
list = [0, -1, 3, -10, 5, 9]
list.sort(reverse=False)
print("list.sort 在 list 基础上修改，无返回值", list)

list = [0, -1, 3, -10, 5, 9]
res = sorted(list, reverse=False)
print("sorted有返回值是新的 list", list)
print("返回值", res)

# 结果
list.sort 在 list 基础上修改，无返回值 [-10, -1, 0, 3, 5, 9]
sorted有返回值是新的 list [0, -1, 3, -10, 5, 9]
返回值 [-10, -1, 0, 3, 5, 9]

 

72、对 list 排序 foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4]，使用 lambda 函数从小到大排序

foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4]
a = sorted(foo, key=lambda x: x)
print(a)    # 结果：[-20, -5, -4, -4, -2, 0, 2, 4, 8, 8, 9]

# foo.sort()   # sort 也可以排序
# print(foo)    # 结果：[-20, -5, -4, -4, -2, 0, 2, 4, 8, 8, 9]

 

 

73、使用 lambda 函数对 list 排序 foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4]，输出结果为 [0, 2, 4, 8, 8, 9, -2, -4, -4. -5. -20]，正数从小到大，负数从大到小　　(传两个条件，x<0 和 abs(x))

foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4]
a = sorted(foo, key=lambda x: (x < 0, abs(x)))
print(a)    # 结果：[0, 2, 4, 8, 8, 9, -2, -4, -4, -5, -20]

 

74、列表嵌套字典的排序，分别根据年龄和姓名排序

foo = [{"name": "zs", "age": 19}, {"name": "ll", "age": 19},
       {"name": "wa", "age": 17}, {"name": "df", "age": 23}]

# sorted(译：搜贼特）
a = sorted(foo, key=lambda x: x["age"], reverse=True)　　　　# 年龄从大到小
print(a)
a = sorted(foo, key=lambda x: x["name"])            # 姓名从小到大
print(a)

# 结果
[{'name': 'df', 'age': 23}, {'name': 'zs', 'age': 19}, {'name': 'll', 'age': 19}, {'name': 'wa', 'age': 17}]
[{'name': 'df', 'age': 23}, {'name': 'll', 'age': 19}, {'name': 'wa', 'age': 17}, {'name': 'zs', 'age': 19}]

 

75、列表嵌套元组，分别按字母和数字排序

foo = [("zs", 19), ("ll", 54), ("wa", 17), ("df", 23)]

a = sorted(foo, key=lambda x: x[1], reverse=True)
print(a)        # 结果：[('ll', 54), ('df', 23), ('zs', 19), ('wa', 17)]

a = sorted(foo, key=lambda x: x[0])
print(a)        # 结果：[('df', 23), ('ll', 54), ('wa', 17), ('zs', 19)]

 

76、列表嵌套列表排序，年龄数字相同怎么办?

foo = [("zs", 19), ("ll", 54), ("wa", 17), ("df", 23), ("xf", 23)]

# 年龄相同，需添加参数，按字母排序
a = sorted(foo, key=lambda x: (x[1], x[0]))
print(a)        # 结果：[('wa', 17), ('zs', 19), ('df', 23), ('xf', 23), ('ll', 54)]

a = sorted(foo, key=lambda x: x[0])
print(a)        # 结果：[('df', 23), ('ll', 54), ('wa', 17), ('xf', 23), ('zs', 19)]

 

77、根据键对字典排序（方法一，zip函数）

 

dic = {"name": "zs", "sex": "man", "city": "bj"}

foo = zip(dic.keys(), dic.values())     # 字典转列表嵌套元祖
foo = [i for i in foo]
print("字典转成列表嵌套元祖", foo)

b = sorted(foo, key=lambda x: x[0])     # 字典嵌套元祖排序
print("根据键排序", b)

new_dic = {i[0]: i[1] for i in b}       # 排序完构造新字典
print("字典推导式构造新字典", new_dic)

# 结果：
字典转成列表嵌套元祖 [('name', 'zs'), ('sex', 'man'), ('city', 'bj')]
根据键排序 [('city', 'bj'), ('name', 'zs'), ('sex', 'man')]
字典推导式构造新字典 {'city': 'bj', 'name': 'zs', 'sex': 'man'}

 

78、根据键对字典排序（方法一，zip函数） 

有没有发现 dic.items 和 zip(dic.keys(),dic.values() 都是为了构造列表嵌套字典的结构,方便后面用 sorted() 构造排序规则

 

dic = {"name": "zs", "sex": "man", "city": "bj"}
print(dic.items())
b = sorted(dic.items(), key=lambda x: x[0])     # 字典嵌套元祖排序
print("根据键排序", b)

new_dic = {i[0]: i[1] for i in b}       # 排序完构造新字典
print("字典推导式构造新字典", new_dic)

# 结果
dict_items([('name', 'zs'), ('sex', 'man'), ('city', 'bj')])
根据键排序 [('city', 'bj'), ('name', 'zs'), ('sex', 'man')]
字典推导式构造新字典 {'city': 'bj', 'name': 'zs', 'sex': 'man'}

 

79、列表推导式、字典推导式、生成器

 

import random

td_list = [i for i in range(10)]
print("列表推导式", td_list, type(td_list))

ge_list = (i for i in range(10))
print("生成器", ge_list)

dic = {k: random.randint(4, 9) for  k in ["a", "b", "c", "d"]}
print("字典推导式", dic, type(dic))

# 结果
列表推导式 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] <class 'list'>
生成器 <generator object <genexpr> at 0x0000000002954DE0>
字典推导式 {'a': 6, 'b': 5, 'c': 5, 'd': 6} <class 'dict'>

 

 

80、根据字符串长度排序，看排序是否灵活运用

s = ["ab", "abc", "a", "djkj"]

b = sorted(s, key=lambda x: len(x))     # sorted 有返回值，不改变s 本身
print(b, s)

s.sort(key=len)     # sort 无返回值，在s自身修改
print(s)

# 结果
# ['a', 'ab', 'abc', 'djkj'] ['ab', 'abc', 'a', 'djkj']
# ['a', 'ab', 'abc', 'djkj']

 

81、举例说明SQL注入和解决办法

当以字符串格式化书写方式的时候，如果用户输入的有;+ SQL语句，后面的SQL语句会执行，比如例子中的SQL注入会删除数据库demo

# sql注入，例如一条sql语句是
input_name = "zs"
sql = 'select * from demo where name="%s"' % input_name
print("正常 sql 语句", sql)

input_name = "zs;drop database demo"
sql = 'select * from demo where name="%s"' % input_name
print("sql 注入语句", sql)

# 解决方式：通过传参数方式解决SQL注入
params = [input_name]
count = cs1.execute('select * from demo where name="%s"' % input_name)

 

82、s= "info:xiaoZhang 33 shandong"，用正则切分字符串输出 ['info','xiaoZhang', '33', 'shandong']

import re
s = "info:xiaoZhang 33 shandong"
# | 表示或，根据冒号或者空格切分
# split() （译：死泼利特）通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则分隔 num+1 个子字符串

res = re.split(r":| ", s)
print(res)      # 结果：['info', 'xiaoZhang', '33', 'shandong']

 

83、正则匹配以1 63.com结尾的邮箱

import re

email_list = ["xiaoWang@163.com", "xiaoWang@163.comheihei", ".com.xiaowang@qq.com"]
for email in email_list:
    res = re.match(r"[\w]{4,20}@163\.com$", email)
    if res:
        # 正则表达式中，group（）用来提出分组截获的字符串，（）用来分组
        print("{} 是符合规定的邮件地址，匹配后的结果是：{}".format(email, res.group()))
    else:
        print("{} 不符合要求".format(email))

 

84、递归求和

def get_sum(num):
    if num >= 1:
        res = num + get_sum(num - 1)
    else:
        res = 0
    return res


res = get_sum(10)
print(res)      # 结果：55

 

85、python 字典和 json 字符串相互转化方法

　　json.dumps() 字典转 json 字符串，json.loads() json转字典

import json

dic = {"name": "zs"}

res = json.dumps(dic)
print(res, type(res))      # 结果：{"name": "zs"} <class 'str'>

ret = json.loads(res)
print(ret, type(ret))      # 结果：{'name': 'zs'} <class 'dict'>

 

86、MyISAM与InnoDB区别:

1、InnoDB支持事务，MyISAM不支持，这一-点是非常之重要。事务是一种高级的处理方式，如在一些列增删改中只要哪个出错还可以回滚还原，而MyISAM就不可以了;

2、MyISAM 适合查询以及插入为主的应用，InnoDB 适合频繁修改以及涉及到安全性较高的应用;

3、InnoDB 支持外键，MyISAM 不支持;

4、对于自增长的字段， InnoDB中必须包含只有该字段的索引，但是在 MyISAM 表中可以和其他字段一起建立联合索引;

5、清空整个表时, InnoDB 是一行一行的删除，效率非常慢。MyISAM 则会重建表;

 

87、 统计字符串中某字符出现次数

str1 = "张三 美国 张三 哈哈 张 三"
res = str1.count("张三")
print(res)      # 结果：2

 

88、字符串转化大小写；upper（译：阿婆）、lower（译：楼外儿）

a = "HHHuuuu"
print("upper 转化为大写", a.upper())      # 结果：upper 转化为大写 HHHUUUU
print("lower 转化为小写", a.lower())      # 结果：lower 转化为小写 hhhuuuu

 

89、用两种方法去空格：replace（译：瑞破类似）、split（译：撕破雷特）

str = "hello world ha ha"
list = str.replace(" ", "")
res = "".join(list)
print(res)           # 结果：helloworldhaha

str1 = "hello world ha ha"
list1 = str1.split(" ")
res1 = "".join(list)
print(res1)           # 结果：helloworldhaha

 

 

90、正则匹配不是以4和7结尾的手机号

tels = ["1310001234", "18912344321", "10086", "18800007777"]
for tel in tels:
    ret = re.match(r"1\d{9}[0-3,5-6,8-9]", tel)
    if ret:
        print("想要的结果", ret.group())
    else:
        print("{}：不是想要的手机号".format(tel))

# 结果：
# 1310001234：不是想要的手机号
# 想要的结果 18912344321
# 10086：不是想要的手机号　　　　　　------不是手机号
# 18800007777：不是想要的手机号

 

91、简述 python 引用计数机制

python 垃圾回收主要以引用计数为主，标记 - 清除和分代清除为辅的机制，其中标记-清除和分代回收主要是为了处理循环引用的难题。

引用计数算法

• 当有1个变量保存了对象的引用时，此对象的引用计数就会加1
• 当使用 del 删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这个引用计数减1，即变为2，当再次调用del时，变为1,如果再调用1次del,此时会真的把对象进行删除

import time


class Animal(object):
    # 创建完对象后会自动被调用
    def __init__(self, name):
        print("__init__ 方法被调用")
        self.__name = name

    # 当对象被删除时，会自动被调用
    def __del__(self):
        print("__del__ 方法被调用")
        print("{} 对象马上被干掉了。。。".format(self.__name))


cat = Animal("波斯猫")
cat2 = cat
cat3 = cat
print(id(cat), id(cat2), id(cat3))
print("--马上 删除 cat 对象")
del cat
print("--马上 删除 cat2 对象")
del cat2
print("--马上 删除 cat3 对象")
del cat3
print("程序2 秒钟后结束")
time.sleep(2)

# 结果
# __init__ 方法被调用
# 35084160 35084160 35084160        # --cat和cat2和cat3的内存ID一致，说明是同一个对象
# --马上 删除 cat 对象
# --马上 删除 cat2 对象
# --马上 删除 cat3 对象
# __del__ 方法被调用
# 波斯猫 对象马上被干掉了。。。         # del|方法只有在对象真正被删除时候才调用打印(也就是cat3被删除时候)
# 程序2 秒钟后结束

 

92、int("1.4")和int(1.4) 输出结果？

print(int("1.4"))   # 报错结果：ValueError:以10为基数的int()无效文字:'1.4'

print(int(1.4))        # 结果：1

 

93、列举3条以.上PEP8编码规范

1、顶级定义之间空两行，比如函数或者类定义。

2、方法定义、类定义与第一个方法之间，都应该空- -行

3、三引号进行注释

4、使用Pycharm、Eclipse- 般使用4个空格来缩进代码

 

94、正则表达式匹配第-个URL

findall 结果无需加 group()，search 需要加 group() 提取

import re


s = '<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/12/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_2016111319178_small.jpg" style="display: inline;"'

res = re.findall(r"https://.*?\.jpg", s)[0]   # 0 匹配第一个
print(res)
res = re.search(r"https://.*?\.jpg", s)
print(res.group())

 

95、正则匹配中文

ti = '你好，hello， 世界'
pattern = re.compile(r"[\u4e00-\u9fa5]+")
result = pattern.findall(ti)
print(result)       # 结果：['你好', '世界']

 

96、简述乐观锁和悲观锁

悲观锁，就是很悲观，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会 block 直到它拿到锁。传统的关系型数据库里边就用到了很多这种锁机制，比如行锁，表锁等,读锁，写锁等，都是在做操作之前先上锁。

乐观锁，就是很乐观，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号等机制，乐观锁适用于多读的应用类型，这样可以提高吞吐量

 

97、r、r+、rb、 rb+文件打开模式区别

　　

 

98、Linux命令重定向>和>>

Linux 允许将命令执行结果 重定向到一个文件

将本应显示在终端上的内容 输出 / 追加 到指定文件中

> 表示输出，会覆盖文件原有的内容

>> 表示追加，会将内容追加到已有文件的末尾

用法示例：

• • 将 echo 输出的信息保存到  1.txt  里  echo Hello Python > 1.txt
  • 将 tree 输出的信息追加到  1.txt  文件的末尾 tree >> 1.txt

 

99、正则表达式匹配出 <html> <h1>www.itcast.cn</h1></html>

　　前面的< >和后面的<>是对应的，可以用此方法

s = ["<html><h1>www.itcast.cn</h1></html>", "<html><h1>www.itcast.cn</h2></html>"]

for label in s:
    ret = re.match(r"<(\w*)><(\w*)>.*?</\2></\1>", label)
    if ret:
        print("{} 是符合要求的标签".format(ret.group()))
    else:
        print("{} 不符合要求".format(label))

# 结果
<html><h1>www.itcast.cn</h1></html> 是符合要求的标签
<html><h1>www.itcast.cn</h2></html> 不符合要求

 

100、python 传参数是传值还是传址?

Python 中函数参数是引用传递（注意不是值传递）。对于不可变类型 （数值型、字符串、元组），因变量不能修改，所以运算不会影响到变量自身；而对于可变类型（列表、字典）来说，函数体运算可能会更改传入的参数变量。

ef tes(a):
    a += a


a_int = 1
print(a_int)
tes(a_int)
print(a_int)

a_list = [1, 2]
print(a_list)
tes(a_list)
print(a_list)

 

101、求两个列表的交集、差集、并集

a = [1, 2, 3, 4]
b = [4, 3, 6, 7]

aj1 = [i for i in a if i in b]   # 在a 中的i，并且也在 b 中，就是交集
aj2 = list(set(a).intersection(set(b)))

bj1 = list(set(a).union(set(b)))    # 用 union 方法求并集

cj1 = list(set(a).difference(set(b)))
cj2 = list(set(b).difference(set(a)))

print("交集", aj1)        # 结果：交集 [3, 4]
print("交集", aj2)        # 结果：交集 [3, 4]
print("并集", bj1)        # 结果：并集 [1, 2, 3, 4, 6, 7]
print("差集", cj1)        # 结果：差集 [1, 2]
print("差集", cj2)        # 结果：差集 [6, 7]

 

102、 生成 0-100 的随机数

random.random() 生成 0 - 1之间的随机小数，乘以100

import random

res1 = 100 * random.random()                  # 随机小数
res2 = 100 * random.choice(range(1, 101))     # 随机整数1-100
res3 = 100 * random.randint(1, 100)           # 随机整数1-100

print(res1)
print(res2)
print(res3)

 

 

103、lambda匿名函数好处

　　精简代码，lambda 省去了定义函数，map 省去了写 for 循环过程

a = ["苏州", "中国", "", "", "北京"]
res = list(map(lambda x: "填充值" if x == "" else x, a))
print(res)      # 结果：['苏州', '中国', '填充值', '填充值', '北京']

 

104、 常见的网络传输协议

• UDP、TCP、FTP、HTTP、SMTP等等

 

105、 单引号、双引号、三引号用法

1、单引号和双引号没有什么区别，不过单引号不用按shift,打字稍微快一-点。 表示字符

串的时候，单引号里面可以用双引号，而不用转义字符，反之亦然。

• 　　'She said:"Yes." 'or "She said: 'Yes.' "

2、但是如果直接用单引号扩住单引号，则需要转义，像这样:

• 　　' She  said:\'Yes.\' '

3、三引号可以直接书写多行,通常用于大段,大篇幅的字符串

"""hello"""

 

107、HTTP请求中get和post区别

1、GET 请求是通过 URL 直接请求数据，数据信息可以在 URL 中直接看到，比如浏览器访问；

      而 POST 请求是放在请求头中的，我们是无法直接看到的；

2、GET 提交有数据大小的限制，一般是不超过 1024 个字节，而这种说法也不完全准确，

　　HTTP 协议并没有设定 URL 字节长度的上限，

　　而是浏览器做了些处理，所以长度依据浏览器的不同有所不同；

　　POST 请求在 HTTP 协议中也没有做说明，一般来说是没有设置限制的但是实际上浏览器的不同有所不同；

　　POST 请求在 HTTP 协议中也没有做说明，一般来说是没有设置限制POST。

3、GET 请求因为数据参数是暴露在 URL 中的，所以安全性比较低，

　　比如密码是不能暴露的，就不能使用GET请求;

　　POST请求中，请求参数信息是放在请求头的，所以安全性较高，可以使用。

　　在实际中，涉及到登录操作的时候，尽量使用 HTTPS 请求，安全性更好。

 

 

*******请大家尊重原创，如要转载，请注明出处：转载自：https://www.cnblogs.com/shouhu/，谢谢！！*******