相关链接：
- 2017年度python超纲20问（二）
- 2017年度python超纲20问（完）
过去的2017年中，在同性交友网站stackoverflow上又提了哪些超纲违规的问题呢？
问题来源stackoverflow
What is python .. (“dot dot”) notation syntax?
Python的 .. (点 点) 是什么语法？
f = 1..__truediv__ # or 1..__div__ for python 2
print(f(8)) # prints 0.125
真的超纲了喂。..是什么鬼啊摔。真的不是问**args是什么语法么？那我们用python试试好了。
>>> f = 1.
>>> f
1.0
>>> f.__floordiv__
咦，你是不是有看出来什么了。再看一个例子。
>>> 1..__add__(2.)
3.0
大家都看出来了吧，..本身并不是什么操作符更不是什么语法。其中，第一个点是浮点值的一部分，第二个点是点操作符来访问对象属性和方法。
太简单，下一题。
Why is x**4.0 faster than x**4 in Python 3?
为什么在Python3中 x4.0 比 x4运行的快？
$ python -m timeit "for x in range(100):" " x**4.0"
10000 loops, best of 3: 24.2 usec per loop
$ python -m timeit "for x in range(100):" " x**4"
10000 loops, best of 3: 30.6 usec per loop
我先解释下为什么会有这个问题，先不要讨论提问者的电脑怎么这么慢好么。我拿python2试了一下，结果是这样。
$ python -m timeit "for x in range(100):" " x**4.0"
10000 loops, best of 3: 15.6 usec per loop
$ python -m timeit "for x in range(100):" " x**4"
10000 loops, best of 3: 4.59 usec per loop
可以明显看出python2中int型计算明显快于float。嗯...其实我已经回答完了不知道大家有没有发现。这个问题是由python2与python3差别引起的。
先指出答案核心：python3的4是PyLongObject，pytohn2的4是int。
- pytohn3与python2中的float对象依然是那个原生类。
- python3中的int对象实例化一个支持任意长度的成熟类，叫
PyLongObject。 - python2中的整数分为int与long，比如：
# Python 2
type(4) #
type(4L) #
以上的区别导致python3中整数的运算更加繁琐复杂，因为你需要用PyLongObject对象的值来执行它的ob_digit阵数组。(参考：Understanding memory allocation for large integers in Python for more on PyLongObjects.)
Given a string of a million numbers (Pi for example), write a function/program that returns all repeating 3 digit numbers and number of repetition greater than 1
给定一个长度为100万的数字（比如π），写代码计算出所有连续的三个数字，且要求该连续的三个数字至少重复出现过一次。
# For example: if the string was: 123412345123456 then the function/program would return:
# 123 - 3 times
# 234 - 3 times
# 345 - 2 times
提问的人最后还加了一句能不能实现时间复杂度为常数级解决方案？这很明显的面试题嘛，假如面试时候你遇到这个你会怎么回答？
首先，在O(1)情况下无法处理任意大小的数据结构，在这种情况下，最好的希望是O(n)，其中n是字符串的长度，也就是线性时间复杂度。
但是这里如果每次输入定长100w，从技术的角度来说实现O(1)是可行的（以为数据源定长嘛就相当于n=100w，这属于咬文嚼字了没意思），但是我相信这绝不会是这题重点。还是先给出python实现代码好了：
inpStr = '123412345123456'
# O(1) array creation.
freq = [0] * 1000
# O(n) string processing.
for val in [int(inpStr[pos:pos+3]) for pos in range(len(inpStr) - 2)]:
freq[val] += 1
# O(1) output of relevant array values.
print ([(num, freq[num]) for num in range(1000) if freq[num] > 1])
代码不复杂，相信大家都看的懂，我们继续讨论速度的问题。上述代码可见实现O(n)是没什么问题的，但是如果再提速呢？
方法也有，运用归并思想，将输入值切片，多线程运行。像这样
# 123412345123456
# 拆成
vv
123412 vv
123451
5123456
运用归并的思想去解决问题，但问题来了，因为pytohn有GIL的存在，所以用python实现该思想可能成本很大。当然你可以用其他语言实现。我觉得面试时候给出python代码提出归并思想就比较好了。
Why in python 0, 0 == (0, 0) equals (0, False)
为什么在Python中表达式 0, 0 == (0, False) 的结果是 (0, False)
(0, 0) == 0, 0 # results in a two element tuple: (False, 0)
0, 0 == (0, 0) # results in a two element tuple: (0, False)
(0, 0) == (0, 0) # results in a boolean True
# But:
a = 0, 0
b = (0, 0)
a == b # results in a boolean True
这题很简单啊，我换种写法,标明优先级大家就懂了。
(((0, 0) == 0), 0) # results in a two element tuple: (False, 0)
(0, (0 == (0, 0))) # results in a two element tuple: (0, False)
((0, 0) == (0, 0)) # results in a boolean True
# ALSO:
a = 0, 0
b = (0, 0)
a == b # results in a boolean True
逗号分隔符与相等运算符的优先级是不同的。
Does Python optimize away a variable that's only used as a return value?
Python会把一个只用做返回值的变量优化掉吗？
# Case 1:
def func():
a = 42
return a
# Case 2:
def func2():
return 42
这个问题非常有趣，我是从来没往这方面想过。我对其底层可能理解不多大家轻点喷，我把解决问题的过程帮大家写出来，大家可以看着思考一下：
# 用dis打印运行过程
from dis import dis
# Case 1:
dis(func)
2 0 LOAD_CONST 1 (42)
2 STORE_FAST 0 (a)
3 4 LOAD_FAST 0 (a)
6 RETURN_VALUE
# Case 2:
dis(func2)
2 0 LOAD_CONST 1 (42)
2 RETURN_VALUE
可以明显的看出，问题的答案是没有优化，运行速度也是第二种快一丢丢，因为需要执行的命令更少。嗯...其他解释我就不太清楚了，我只能从这个层面回答解释。
那...我们下期再见？
喜欢的话可以关注、点赞、顺便看看前面文章，其实讲道理，我觉得前面写的大部分爬虫文章还挺好的。
生活愉快下期见。