python面试大家练习起来

一、简答题(25题)
1.新式类和旧式类

2.为什么Python执行速度慢，我们如何改进它？

3. 简述 read、readline、readlines 的区别

4. 简述下 Python 中的字符串、列表、元组和字典

5.简述继承

6.Python的可变和不可变数据类型？

7.Python中append，insert和extend的区别?

8.什么是异步非阻塞

9.区分下break，continue和pass？

10.如何使用索引来反转Python中的字符串?

11.Python中==和is的区别

12.简述 OSI 七层协议

13.try except else finally 的意义

14.Python中的列表和元组有什么区别？

15.break、continue、pass是什么？

16.Python 面向对象中的继承有什么特点

17.with 方法打开文件的作用

18.可变类型与不可变类型

19. Flask 和 Django 的异同

20.char 和 varchar 的区别

21.面向对象中new__ 和__init 区别

22.为什么学习 Python

23.单例模式与工厂模式

24.什么是 C/S 和 B/S 架构

25.生成器和迭代器有什么区别？

参考答案

1.a. 在 python 里凡是继承了 object 的类，都是新式类 b. Python3 里只有新式类 c. Python2 里面继承 object 的是新式类，没有写父类的是经典类 d. 经典类目前在 Python 里基本没有应用
2.Python代码执行缓慢的原因，是因为它是一种解释型语言。它的代码在运行时进行解释，而不是编译为本地语言。 为了提高Python代码的速度，我们可以使用CPython、Numba，或者我们也可以对代码进行一些修改。 1. 减少内存占用。 2. 使用内置函数和库。 3. 将计算移到循环外。 4. 保持小的代码库。 5. 避免不必要的循环
3.read 读取整个文件 readline 读取下一行,使用生成器方法 readlines 读取整个文件到一个迭代器以供我们遍历
4.字符串（str）：字符串是用引号括起来的任意文本，是编程语言中最常用的数据类型。列表（list）：列表是有序的集合，可以向其中添加或删除元素。元组（tuple）：元组也是有序集合，但是是无法修改的。即元组是不可变的。字典（dict）：字典是无序的集合，是由 key-value 组成的。集合（set）：是一组 key 的集合，每个元素都是唯一，不重复且无序的。
5.一个类继承自另一个类，也可以说是一个孩子类/派生类/子类，继承自父类/基类/超类，同时获取所有的类成员（属性和方法） 继承使我们可以重用代码，并且还可以更方便地创建和维护代码 Python 支持以下类型的继承： 单继承- 一个子类类继承自单个基类 多重继承- 一个子类继承自多个基类 多级继承- 一个子类继承自一个基类，而基类继承自另一个基类 分层继承- 多个子类继承自同一个基类 混合继承- 两种或两种以上继承类型的组合
6.不可变数据类型：即数据被创建之后，数据的值将不再发生改变，有数值、字符、元祖类型； 可变数据类型：数据别创建之后，数据的值可以发生变化，有列表、字典、集合类型。 
7.append：在列表末尾添加新元素。 insert：在列表的特定位置添加元素。 extend：合并两个列表。
8.同步异步指的是调用者与被调用者之间的关系 所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不会返回，一旦调用返回，就得到了返回值 异步的概念和同步相对，调用在发出之后,这个调用就直接返回了,所以没有返回结果。当该异步功能完成后，被调用者可以通过状态、通知或回调来通知调用者 阻塞非阻塞是线程或进程之间的关系 阻塞调用是指调用结果返回之前，当前线程会被挂起（如遇到io操作）。调用线程只有在得到结果之后才会返回。函数只有在得到结果之后才会将阻塞的线程激活 非阻塞和阻塞的概念相对应，非阻塞调用指在不能立刻得到结果之前也会立刻返回，同时该函数不会阻塞当前线程
9.break：跳出循环，不执行下一个循环。同时break后面的代码也不会执行。 pass：pass后面的代码还是会继续执行，也就是当前的循环还在继续。 continue：continue后面的代码不会执行，而是直接进入下一个循环。
10.实战面试题，每天看一看，巩固自己的python知识，面试前能做到有备无患，轻松拿下offer s = ‘hello’ s[::-1] >‘olleh’
11.is用于判断两个变量引用对象是否为同一个，==用于判断引用变量的值是否相等。
12.是网络传输协议，人为的把网络传输的不同阶段划分成不同的层次 七层划分为：应用层、表示层、会话层、传输层、网络层、数据链路层、物理层 五层划分为：应用层、传输层、网络层、数据链路层、物理层 物理层：网线，电缆等物理设备 数据链路层：Mac 地址 网络层：IP 地址 传输层：TCP，UDP 协议 应用层：FTP 协议，Email，WWW 等
13.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
14.list 是可变的对象，元组 tuple 是不可变的对象。也就是说列表中的元素可以进行任意修改，而元组中的元素无法修改。
15.break：在满足条件时，它将导致程序退出循环。 continue：将返回到循环的开头，它使程序在当前循环迭代中的跳过所有剩余语句。 pass：使程序传递所有剩余语句而不执行。 
16.a. 同时支持单继承与多继承，当只有一个父类时为单继承，当存在多个父类时为多继承 b. 子类会继承父类所有的属性和方法，子类也可以覆盖父类同名的变量和方法 c. 在继承中基类的构造（init()）方法不会被自动调用，它需要在其派生类的构造中专门调用 d. 在调用基类的方法时，需要加上基类的类名前缀，且需要带上 self 参数变量。区别于在类中调用普通函数时并不需要带上 self 参数
17.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
18.可变数据类型：list、dict、set 不可变数据类型：int/float、str、tuple
19.Flask 是 “microframework”，主要用来编写小型应用程序，不过随着 Python 的普及，很多大型程序也在使用 Flask。同时，在 Flask 中，我们必须使用外部库 Django 适用于大型应用程序。它提供了灵活性，以及完整的程序框架和快速的项目生成方法。可以选择不同的数据库，URL结构，模板样式等
20.char：存储定长数据很方便，CHAR 字段上的索引效率级高，必须在括号里定义长度，可以有默认值，比如定义 char(10) varchar：存储变长数据，但存储效率没有 CHAR 高，必须在括号里定义长度，可以有默认值
21.new是在实例创建之前被调用的，因为它的任务就是创建实例然后返回该实例对象，是个静态方法。 init是当实例对象创建完成后被调用的，然后设置对象属性的一些初始值，通常用在初始化一个类实例的时候。是一个实例方法。 1、new至少要有一个参数 cls，代表当前类，此参数在实例化时由 Python 解释器自动识别。 2、new__必须要有返回值，返回实例化出来的实例，这点在自己实现_new_时要特别注意，可以 return 父类（通过 super(当前类名, cls)）_new_出来的实例，或者直接是 object 的__new出来的实例。 3、init__有一个参数 self，就是这个_new_返回的实例，_init_在_new_的基础上可以完成一些其它初始化的动作，__init不需要返回值。 4、如果new__创建的是当前类的实例，会自动调用_init_函数，通过 return 语句里面调用的_new_函数的第一个参数是 cls 来保证是当前类实例，如果是其他类的类名，；那么实际创建返回的就是其他类的实例，其实就不会调用当前类的_init_函数，也不会调用其他类的__init函数。
22.Python 语言简单易懂，上手容易，随着 AI 风潮，越来越火
23.单例模式：主要目的是确保某一个类只有一个实例存在 工厂模式：包涵一个超类，这个超类提供一个抽象化的接口来创建一个特定类型的对象，而不是决定哪个对象可以被创建
24.B/S 又称为浏览器/服务器模式。比如各种网站，jupyter notebook 等。优点：零安装，维护简单，共享性好。缺点：安全性较差，个性化不足 C/S 又称为客户端/服务器模式。比如微信客户端，Oracle 客户端等。优点：安全性好，数据传输较快，稳定。缺点：对 PC 机操作系统等有要求，当客户端较多时，服务器端负载较大
25.生成器和迭代器在Python中都用于创建可以进行迭代的对象，但它们之间有一些主要区别： 定义方式：迭代器需要定义一个类，并在类中实现**iter()和next()**方法。而生成器则可以直接使用一个函数，通过yield语句返回每个迭代的值。 简单性：相比之下，生成器的定义更简单。你只需要一个函数，就可以通过yield关键字生成值。而迭代器则需要更多的代码来定义类和方法。 资源使用：生成器和迭代器都是懒加载（lazy load）的，也就是说它们只有在需要返回值的时候才会生成值。但是生成器更进一步，它们在生成值后不会保存这些值。这意味着如果你需要迭代的数据集很大，或者如果你需要的值需要大量计算，那么生成器可能会比迭代器更节省资源。 使用场景：迭代器更适用于需要自定义复杂行为的情况，而生成器更适用于需要遍历大数据集或复杂数据流的情况。 总的来说，生成器是一种特殊的迭代器，它的定义更简单，也更容易使用，但同时也继承了迭代器的主要特性。