[Blog][Domain] programb.blog.csdn.net

常用功能包括：- `subprocess.run()`：推荐的高级接口，运行命令并等待完成（Python 3.5+）。- `subprocess.Popen()`：低级接口，提供精细控制（如流式读取、后台运行、进程通信等）。- 支持 `shell=True`（慎用，有安全风险）或 `shell=False`（更安全，默认）。- 可捕获输出（`stdout=subprocess.PIPE`）、处理异常（`subprocess.CalledProcessError`）、设置超时等。

| `shutil.copyfile(src, dst)` | ✅ `src` 和 `dst` **必须是文件路径（str/bytes/PathLike）**；`dst` **不能是目录** | ❌ 报错（`IsADirectoryError`） | ✅ | ❌ | ❌ | ❌ | 纯字节级拷贝，最底层；不检查文件权限或状态，仅调用 `os.read()`/`os.write()` || `shutil.copy(src, dst)` | ✅ `src` 是文件；`dst` 可是**文件路径 或 目录路径

| `"solid"` | 实心纯色填充 | 整个单元格均匀填充指定颜色 | ✅ 最常用；`start_color` 和 `end_color` 必须相同（或仅设 `start_color`） || `"none"` | 无填充（透明） | 单元格背景保持默认/无色 | 等效于不设置 fill，但显式设置可清除已有填充 || `"gray125"` | 12.5% 灰度点阵（细斜线交叉） | 极浅灰色网格（Excel 内置灰度图案） | 仅支持固定灰度值，不可自定义颜色 || `"gray0625"`

|------|----------------------|--------------------------|| **编程范式** | 函数式：调用独立函数如 `os.path.join()`, `os.path.exists()` | 面向对象：路径是 `Path` 对象，方法链式调用（如 `p.resolve().parent / "data" / "file.txt"`） || **路径拼接** | `os.path.join("a", "b", "c")`（易出错，需注意斜杠/反斜杠） |

✅ 更精准的方法（仅遍历有数据的行范围，跳过全空行）：```python# 方法2：利用 max_column 和 max_row 优化，只检查实际有内容的区域column_idx = ws.column_index_from_string('B') # → 2non_empty_values = []for row in range(1, ws.max_row + 1): cell = ws.cell(row=row, column=column_idx) if cell.va

💡 进阶优化技巧：- ✅ 使用 `--numa`（Linux）或 `--threads N`（如 `--threads 4`）限制线程数，避免卡死；- ✅ 在 `llama.cpp` 中启用 `--mlock` 锁定内存，防止交换（swap）拖慢速度；- ✅ 用 `Q4_K_M`（平衡精度与体积）或 `Q3_K_S`（更小，适合 <8GB 内存）量化版本；- ✅ 关闭日志/进度条、禁用 flash attention（CPU 不支持）、减小 `ctx-size`（如 `-c 2048`）可进一步提

在 Python 中，字符串切片（String Slicing）是通过索引范围提取子字符串的操作，语法为： `string[start:end:step]` - `start`：起始索引（包含，默认为 0） - `end`：结束索引（不包含，默认为 `len(string)`） - `step`：步长（默认为 1；负值表示反向切片）

注意：首次使用 `jieba` 时会自动下载内置词典（约 5MB），后续调用无需重复下载；如需离线部署，可手动下载词典并指定路径。jieba 的**精确模式**（`cut` / `lcut`，默认）与**全模式**（`cut(..., cut_all=True)`）在底层分词原理上的本质区别在于： ✅ **搜索目标不同** —— 精确模式追求**唯一最优的、无重叠的最细粒度切分路径**（类似最大匹配+动态规划），而全模式则进行**穷举式前缀扫描**，输出所有可能构成词典中词语的子串组合（允许重叠、不保

使用 `'a+'` 模式打开文件后，**直接调用 `read()` 可能读不到内容（返回空字符串）**，根本原因是：✅ `'a+'` 模式下，**文件指针默认位于文件末尾**（即使文件非空），而 `read()` 从当前指针位置开始读取到文件末尾 —— 由于指针已在末尾，因此读取长度为 0，返回空字符串 `''`。

- `extend()` 不接受非迭代对象（如 `b.extend(42)` 会报 `TypeError: 'int' object is not iterable`）； - 两者都**原地修改列表**，返回值均为 `None`，不可链式调用（如 `lst.append(x).sort()` 是错误的）。我们逐行分析该语句的执行过程（注意：**这是连续三条操作，不是单条语句**）：

⚠️ 注意：短路返回的是**操作数本身的值**（非强制转为 `True/False`），因此 `and/or` 在 Python 中是“返回操作数”，而非仅返回布尔值。Python 中 `and` 和 `or` 运算符**不返回布尔值 `True`/`False`，而是返回参与运算的某个操作数本身的值**——这是 Python 的明确设计（见 [官方文档](https://docs.python.org/3/reference/expressions.html#boolean-operations)）。其

📌 关键结论： - Lambda 是**一等函数**，完全支持闭包； - 自由变量在**调用时求值**（late binding），非定义时； - `__closure__` 属性（非 None）和 `__code__.co_freevars` 可验证闭包存在； - 与 `def` 定义的嵌套函数在闭包机制上**完全等价**，只是语法更简洁。

✅ 关键原则：**所有可变默认参数都应替换为 `None`，并在函数体内显式初始化。**Python 不在每次函数调用时重新创建默认参数，**根本原因在于：默认参数的求值发生在函数定义（def 语句执行）时，而非函数调用时**。这是 Python 的语言设计决策，符合其“一切皆对象”和“函数是一等对象”的语义模型。

❌ 为什么 `list(set(lst))` **不能保证顺序**？ 因为 `set` 是**无序数据结构**（底层基于哈希表，元素存储位置取决于哈希值和内部扩容策略），其迭代顺序**不保证与插入顺序一致**，且在不同 Python 版本、甚至同一版本不同运行中都可能变化（尽管 CPython 3.7+ 因哈希随机化默认启用，实际顺序常看似“稳定”，但这是**实现细节，非语言保证**）。因此 `list(set(lst))` 的结果顺序是**未定义的（undefined behavior）**，不可依

✅ **`str.isidentifier()` 的作用：** 该方法返回 `True` 当且仅当该字符串满足 Python 标识符的所有语法规则（即：非空、仅含字母/数字/下划线、不以数字开头、不是关键字），**但注意：它不检查是否为保留关键字！**⚠️ 重要区别： - `isidentifier()` **只验证语法合法性**（如字符组成、首字符限制等）； - 它**不会排除 Python 关键字**。例如 `'if'`、`'class'`、`'None'` 都会返回 `True`，因为

✅ `a = b` 是**引用赋值**（aliasing），`a` 和 `b` 指向**同一个列表对象**，修改任一变量的内容会影响另一个； ✅ `a = b.copy()` 是**浅拷贝（shallow copy）**，创建一个**新的列表对象**，其元素与 `b` 相同（对一级元素是值拷贝），但**嵌套的可变对象仍共享引用**。📌 详细对比：| 操作 | 内存关系 | `id(a) == id(b)` | 修改 `a` 是否影响 `b`？ | 说明 ||------|----------

4. **广播（Broadcasting）机制** - NumPy 支持高效广播（如标量与数组运算、不同形状数组自动对齐），无需复制数据； - 列表无广播概念，需手动嵌套循环或借助 `itertools`，代码冗长且低效。5. **C-API 与并行能力** - NumPy 底层通过 C API 调用高度优化的 BLAS/LAPACK（如 OpenBLAS）进行矩阵乘法、SVD 等； - 列表运算完全在 Python 层，无法利用多线程/多核（受 GIL 限制更明

- **Matplotlib**：最基础、最灵活的绘图库，适合定制化绘图（如折线图、散点图、柱状图、直方图等）。- **Seaborn**：基于 Matplotlib 的高级接口，专为统计可视化设计，语法简洁，内置主题与调色板，支持热力图、箱线图、小提琴图、成对关系图等。- **Plotly**：交互式可视化库，支持动态缩放、悬停提示、多子图联动，适用于 Web 环境和 Dash 应用。- **Altair**：声明式语法，强调“数据驱动”的可视化，代码简洁，适合快速探索性分析。- **Bokeh*

中文分词是将连续的汉字序列切分为有意义的词语序列的过程，由于中文不像英文有天然空格分隔，因此需要借助算法或词典进行切分。Python 中常用的中文分词库包括：- **jieba**（最常用、轻量、支持精确模式、全模式、搜索引擎模式及自定义词典） - **pkuseg**（北京大学开发，精度高，支持多领域模型） - **HanLP**（功能全面，支持词性标注、命名实体识别等，含Java/Python双接口） - **LAC（百度）**、**THULAC（清华）** 等

- **`requests`**：发送 HTTP 请求，获取网页 HTML（轻量、易用，适合静态页面） - **`BeautifulSoup`（bs4）**：解析 HTML/XML，提取结构化数据（配合 `requests` 使用） - **`lxml` + `xpath`**：高性能解析，支持 XPath 表达式，速度优于 BeautifulSoup - **`Selenium` / `Playwright`**：模拟真实浏览器，处理 JavaScript 渲染的动态页面（如单页应用 SPA）

| ☁️ 云计算架构 | 微服务拆分原则、容器化Docker/K8s基础 | ⭐⭐⭐⭐⭐ || 🔄 DevOps实践 | CI/CD流水线、可观测性（日志/链路追踪/监控） | ⭐⭐⭐⭐ || 🌐 分布式系统 | CAP理论、BASE理论、最终一致性实现 | ⭐⭐⭐⭐⭐ || 🤖 AI基础概念 | 大模型LLM、Prompt工程、RAG检索增强 | ⭐⭐⭐ || 🔒 信息安全 | 国密算法、数据安全三法、个人信息保护 | ⭐⭐⭐ |### 4️⃣ 150天备考三阶段计划```📋

**题目**：在数据库管理系统中，隔离级别安全性最高的是（ ）。| 选项 | 内容 ||------|------|| A | SERIALIZABLE || B | REPEATABLE READ || C | READ COMMITTED || D | READ UNCOMMITTED |**✅ 答案：A****解析**：数据库四种隔离级别从低到高：1. **READ UNCOMMITTED**（读未提交）— 最低，存在脏读2. **READ COMMITTED**（读已提交

**题目背景**：一段关于大语言模型(LLMs)对软件设计影响的英文短文。**第3题** "...highly（ ）and interactive process" → **B. collaborative**（协作的）**第4题** "...generate（ ）code for various UML diagrams" → **D. executable**（可执行的）**第5题** "...select the most suitable（ ）patterns" → **B. arch

1. **属地化管理**：需在户籍/工作/学籍所在地报考，跨省需提供居住证明或社保证明2. **照片要求**：白底彩色证件照，2.5cm×3.5cm（像素295×413），JPG格式，10-30KB，需用官方审核工具3. **审核方式**：部分地区考前审核（需等审核通过再缴费），部分地区考后审核（直接缴费）4. **缴费规则**：缴费成功才算完成报名，逾期未缴费视为放弃，一般不退费5. **信息修改**：报名截止前可修改，截止后不可更改6. **防漏报**：软考不设补报名，错过窗口只能等下次！

| 成绩公布 | 6月24日左右 | 官网查询 || 合格线公告 | 出分后1-2周 | 部分地区可略晚 || 电子证书 | 出分后~30天 | 与纸质证书同等法律效力 || 纸质证书领取 | 8月中旬-9月初 | 现场/邮寄两种方式 |---## 📖 二、2026下半年考纲深度前瞻### 🆕 命题五大新趋势（2026上半年真题复盘）| 趋势 | 具体表现 | 备考建议 ||------|----------|----------|| 🤖 AI主题融入 | 英语阅读以LLM为

出分当天上午9:00-11:00为访问高峰，强烈建议错峰查询。三通道并行：**通道1：官网直查（首选）**- 网址：https://www.ruankao.org.cn- 路径：首页 → 服务园地 → 成绩查询 → 登录 → 选择考试批次 → 输入校验码 → 查询- 登录方式：支持"国家网络身份认证"APP扫码，或证件号+注册密码**通道2：报名系统查分（备用）**- 路径：首页 → 报名入口 → 登录报名系统 → 左侧菜单"成绩查询"- 准考证丢了也可以查，用身份证号+密码登录即可

推导过程：1. 层序第一个A是根，中序中A左边BDA是左子树，右边FEC是右子树2. A的左子树：中序BDA → 层序中B、D → B是根，D是B的左孩子，A是B的右孩子? 不对3. 更精确推导： - 层序ABCDEF：A在第1层，BC在第2层，DEF在第3层 - 中序BDAFEC：A的左子树{B,D}，右子树{F,E,C} - 层序第2层BC → B在左，C在右 - A的左子树中序BDA → B和D，但A也出现 → 这说明A在中间 重新分析：中序BDAFEC

**复查流程**：1. 出分后5个工作日内提交复查申请（逾期不受理）2. 仅复查答题卡是否有漏评、加分/登分错误3. 不重新评卷，不查看答题内容4. 复查结果通常10个工作日内反馈---## 二、2026真题深度复盘：命题趋势与应对### 1. 五大出题趋势（基于2026上半年真题）| 趋势 | 表现 | 备考应对 ||------|------|---------|| AI主题英语题 | 英文阅读以LLM（大语言模型）为题材，5题一组 | 关注AI/ML/云计算等前沿英文术语

我国自主研发的密码算法体系（SM = 商密/国密），在政务、金融等系统中已成为强制要求。| 算法 | 类型 | 核心功能 | 直觉比喻 ||:----:|------|---------|---------|| **SM2** | 非对称加密 | 数字签名 + 密钥交换 | 🔑 钥匙和印章 || **SM3** | 密码杂凑（摘要） | 数据完整性校验 | 🆔 指纹生成器 || **SM4** | 对称分组加密 | 大量数据加密 | 🗄️ 保险柜 || **ZUC** | 序列密码（流密

**方式一：成绩查询入口**1. 登录 [中国计算机技术职业资格考试网](https://www.ruankao.org.cn/)2. 点击「**成绩查询**」进入登录界面3. 通过**扫描二维码**或**账号密码**登录4. 选择「**考试时间**」，输入校验码后点击「查询」**方式二：报名系统查询**1. 登录官网，点击「**报名入口**」2. 选择报考时所在的**地区**，点击「进入」3. 进入报名系统后，点击「**成绩查询**」即可查看> 💡 查询方式：支持**准考证号+姓

本报告详细记录在 Python Google 模拟器环境中集成 Firebase 服务的完整过程。Firebase 是 Google 提供的移动和 Web 应用开发平台，涵盖实时数据库、认证、云消息推送、崩溃报告和性能监控等核心服务。本次实验旨在验证模拟器环境下 Firebase 各项服务的可用性、数据同步效率和推送可靠性。1.1 集成服务列表 1.1.1 Firebase Authentication 用户认证 1.1.2 Cloud Firestore 实时数据库 1.1.3 Fi

本报告深入探讨在 Python Google 模拟器环境中集成 Google Maps 服务的完整技术方案。Google Maps 是 Google 生态中最核心的位置服务组件，涵盖地图渲染、导航、地点搜索、街景和路线规划等丰富功能。本次实验从基础地图加载到高级地理空间分析，全面评估了 Maps SDK 在模拟器环境中的表现。1.1 集成范围 1.1.1 Google Maps Android SDK 基础集成 1.1.2 自定义地图样式与标记管理 1.1.3 实时位置追踪与地理围栏

本报告系统分析 Python Google 模拟器在运行过程中的性能表现，涵盖 CPU、内存、磁盘 I/O 和网络延迟等关键指标。通过建立性能基线、识别瓶颈并实施优化措施，旨在提升模拟器的运行效率和资源利用率。实验持续运行 72 小时，采集超过 50 万条性能数据点。1.1 监控工具选型 1.1.1 psutil：系统资源监控 1.1.2 Prometheus + Grafana：指标采集与可视化 1.1.3 Android Studio Profiler：模拟器内部性能分析1.2

本报告聚焦于 Python 环境下通过 Google 模拟器调用各类 Google API 接口的实现过程与结果分析。Google API 是连接模拟器与云端服务的核心桥梁，涵盖地图服务、身份认证、云存储等多个领域。本次实验旨在验证模拟器环境下 API 调用的稳定性、响应效率及数据交互的完整性。1.1 实验范围 1.1.1 Google Maps API 系列（Geocoding、Places、Directions） 1.1.2 Google OAuth 2.0 认证流程 1.1.3

本报告聚焦于 Python 环境下通过 Google 模拟器调用各类 Google API 接口的实现过程与结果分析。Google API 是连接模拟器与云端服务的核心桥梁，涵盖地图服务、身份认证、云存储等多个领域。本次实验旨在验证模拟器环境下 API 调用的稳定性、响应效率及数据交互的完整性。1.1 实验范围 1.1.1 Google Maps API 系列（Geocoding、Places、Directions） 1.1.2 Google OAuth 2.0 认证流程 1.1.3

本报告详细记录在 Python Google 模拟器环境中集成自动化测试框架的全过程。自动化测试是保障应用质量的关键环节，通过在模拟器上运行端到端测试，可以在开发早期发现兼容性问题和功能缺陷。本次实验选用了 pytest、Appium 和 Selenium 三种主流测试框架，并针对 Google 生态特有的场景设计了专项测试用例。

本报告详细记录在 Python Google 模拟器环境中集成自动化测试框架的全过程。自动化测试是保障应用质量的关键环节，通过在模拟器上运行端到端测试，可以在开发早期发现兼容性问题和功能缺陷。本次实验选用了 pytest、Appium 和 Selenium 三种主流测试框架，并针对 Google 生态特有的场景设计了专项测试用例。

6.3 长期战略（3-6 个月） 1. 建立安全开发生命周期（SDL）流程 2. 部署运行时应用自我保护（RASP）方案 3. 参与 Google Play 安全奖励计划 4. 获取 ISO 27001 信息安全认证

🛡️ **安全增强要点** - 🔐 **权限控制**：`/admin/reload-model` 必须添加 API Key 或 JWT 鉴权（如 `Depends(verify_admin_token)`） - 🧹 **内存管理**：定期检查未使用模型（如结合 `weakref` 或 TTL 缓存），避免内存泄漏 - 📦 **沙箱加载**：高敏感场景可考虑在独立子进程加载模型（`multiprocessing`），主进程仅通信，隔离崩溃风险 - 📊 **可观测性**：记录每次预测的

- **RSA-PKCS#1 v1.5 / PSS**：PSS为概率性签名（含随机盐值），增强安全性；v1.5易受填充 oracle 攻击。 - **SM2**：**本质是概率性签名**（依赖临时密钥k），但国密标准GM/T 0003.2明确要求k必须为密码学安全随机数，且禁止重用——否则可导致私钥泄露（类似ECDSA的Sony PS3事件）。 → SM2无“确定性变种”标准（如RFC 6979 for ECDSA），实践中需强随机源保障。