python面试（python语法篇）

请说一下你对迭代器和生成器的区别

1. 迭代器是一个更抽象的概念，任何对象，如果它的类有next方法和iter方法返回自己本身。对于string、list、dict、tuple等这类容器对象，使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数，iter()是python的内置函数。iter()会返回一个定义了next()方法的迭代器对象，它在容器中逐个访问容器内元素，next()也是python的内置函数。在没有后续元素时，next()会抛出一个StopIteration异常
2. 生成器（Generator）是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数，只是在需要返回数据的时候使用yield语句。每次next()被调用时，生成器会返回它脱离的位置（它记忆语句最后一次执行的位置和所有的数据值）
   区别：生成器能做到迭代器能做的所有事,而且因为自动创建了__iter__()和next()方法,生成器显得特别简洁,而且生成器也是高效的，使用生成器表达式取代列表解析可以同时节省内存。除了创建和保存程序状态的自动方法,当发生器终结时,还会自动抛出StopIteration异常

什么是线程安全

1. 线程安全是在多线程的环境下，能够保证多个线程同时执行时程序依旧运行正确,而且要保证对于共享的数据可以由多个线程存取，但是同一时刻只能有一个线程进行存取。多线程环境下解决资源竞争问题的办法是加锁来保证存取操作的唯一性。

你所遵循的代码规范是什么？请举例说明其要求?

PEP8

1. 变量

• 常量:大写加下划线 USER_CONSTANT
• 私有变量 : 小写和一个前导下划线 _private_value

  Python 中不存在私有变量一说，若是遇到需要保护的变量，使用小写和一个前导下划线。但这只是程序员之间的一个约定，用于警告说明这是一个私有变量，外部类不要去访问它。但实际上，外部类还是可以访问到这个变量。

• 内置变量 : 小写，两个前导下划线和两个后置下划线 class

  两个前导下划线会导致变量在解释期间被更名。这是为了避免内置变量和其他变量产生冲突。用户定义的变量要严格避免这种风格。以免导致混乱。

2. 函数和方法

总体而言应该使用，小写和下划线。

但有些比较老的库使用的是混合大小写，即首单词小写，之后每个单词第一个字母大写，其余小写。但现在，小写和下划线已成为规范。

• 私有方法:小写和一个前导下划线

  这里和私有变量一样，并不是真正的私有访问权限。同时也应该注意一般函数不要使用两个前导下划线(当遇到两个前导下划线时，Python 的名称改编特性将发挥作用)。

• 特殊方法:小写和两个前导下划线，两个后置下划线

  这种风格只应用于特殊函数，比如操作符重载等。

• 函数参数:小写和下划线，缺省值等号两边无空格

3. 类

类总是使用驼峰格式命名，即所有单词首字母大写其余字母小写。

类名应该简明，精确，并足以从中理解类所完成的工作。常见的一个方法是使用表示其类型或者特性的后缀，例如:
SQLEngine，MimeTypes对于基类而言，可以使用一个 Base 或者 Abstract 前缀BaseCookie,AbstractGroup

4. 模块和包

除特殊模块 init 之外，模块名称都使用不带下划线的小写字母。

若是它们实现一个协议，那么通常使用lib为后缀，例如:
import smtplib
import os
import sys

5. 关于参数

• 不要用断言来实现静态类型检测。断言可以用于检查参数，但不应仅仅是进行静态类型检测。 Python 是动态类型语言，静态类型检测违背了其设计思想。断言应该用于避免函数不被毫无意义的调用。
• 不要滥用 *args 和 **kwargs。*args 和 **kwargs 参数可能会破坏函数的健壮性。它们使签名变得模糊，而且代码常常开始在不应该的地方构建小的参数解析器。

6. 其他

• 使用 has 或 is 前缀命名布尔元素 is_connect = True has_member = False
• 用复数形式命名序列 members = [‘user_1’, ‘user_2’]
• 用显式名称命名字典 person_address = {‘user_1’:‘10 road WD’, ‘user_2’ : ‘20 street huafu’}
• 避免通用名称 诸如 list, dict, sequence 或者 element 这样的名称应该避免。
• 避免现有名称 诸如 os, sys 这种系统已经存在的名称应该避免。

7. 一些数字

• 一行列数 : PEP 8 规定为 79 列。根据自己的情况，比如不要超过满屏时编辑器的显示列数。
• 一个函数 : 不要超过 30 行代码, 即可显示在一个屏幕类，可以不使用垂直游标即可看到整个函数。
• 一个类 : 不要超过 200 行代码，不要有超过 10 个方法。一个模块 不要超过 500 行。

8. 验证脚本

可以安装一个 pep8 脚本用于验证你的代码风格是否符合 PEP8。

Python中数组有哪些类型？字典可以是有序的吗？？

List Tuple Dictionary 
from collections import OrderedDict
dic=OrderedDict()#声明有序字典

python 中 yield 的用法？

yield 简单说来就是一个生成器，这样函数它记住上次返 回时在函数体中的位置。对生成器第 二次（或n 次）调用跳转至该函 次）调用跳转至该函数。

Python中pass语句的作用是什么？

pass语句什么也不做，一般作为占位符或者创建占位程序，pass语句不会执行任何操作。

python2和python3的区别?

1. 性能

Py3.0运行 pystone benchmark的速度比Py2.5慢30%。Guido认为Py3.0有极大的优化空间，在字符串和整形操作上可
以取得很好的优化结果。
Py3.1性能比Py2.5慢15%，还有很大的提升空间。

2. 编码

Py3.X源码文件默认使用utf-8编码

3. 语法

1. 去除了<>，全部改用!=

2. 去除``，全部改用repr()

3. 关键词加入as 和with，还有True,False,None

4. 整型除法返回浮点数，要得到整型结果，请使用//

5. 加入nonlocal语句。使用noclocal x可以直接指派外围（非全局）变量

6. 去除print语句，加入print()函数实现相同的功能。同样的还有exec语句，已经改为exec()函数

7. 改变了顺序操作符的行为，例如x

8. 输入函数改变了，删除了raw_input，用input代替：

   # 2.X: 
   guess = int(raw_input('Enter an integer : ')) # 读取键盘输入的方法 
   # 3.X: 
   guess = int(input('Enter an integer : ')) 
   

9. 去除元组参数解包。不能def(a, (b, c)):pass这样定义函数了

10. 新式的8进制字变量，相应地修改了oct()函数。

11. 增加了 2进制字面量和bin()函数

12. 扩展的可迭代解包。在Py3.X 里，a, b, *rest = seq和 *rest, a = seq都是合法的，只要求两点：rest是list 对象和seq是可迭代的。

13. 新的super()，可以不再给super()传参数，

14. 新的metaclass语法：

     class Foo(*bases, **kwds): 
          pass 
    

15. 支持class decorator。用法与函数decorator一样：

4. 字符串和字节串

• 现在字符串只有str一种类型，但它跟2.x版本的unicode几乎一样。
• 关于字节串，请参阅“数据类型”的第2条目

5. 数据类型

• Py3.X去除了long类型，现在只有一种整型——int，但它的行为就像2.X版本的long
• 新增了bytes类型，对应于2.X版本的八位串，定义一个bytes字面量的方法如下：
  str对象和bytes对象可以使用.encode() (str -> bytes) or .decode() (bytes -> str)方法相互转化。
• dict的.keys()、.items 和.values()方法返回迭代器，而之前的iterkeys()等函数都被废弃。同时去掉的还有
  dict.has_key()，用 in替代它吧

6. 面向对象

• 引入抽象基类（Abstraact Base Classes，ABCs）。
• 容器类和迭代器类被ABCs化。
• 迭代器的next()方法改名为__next__()，并增加内置函数next()，用以调用迭代器的__next__()方法
• 增加了@abstractmethod和 @abstractproperty两个 decorator，编写抽象方法（属性）更加方便。

7. 异常

1）所以异常都从 BaseException继承，并删除了StardardError
2）去除了异常类的序列行为和.message属性
3）用 raise Exception(args)代替 raise Exception, args语法
4）捕获异常的语法改变，引入了as关键字来标识异常实例
5）异常链，因为__context__在3.0a1版本中没有实现

8. 模块变动

1）移除了cPickle模块，可以使用pickle模块代替。最终我们将会有一个透明高效的模块。
2）移除了imageop模块
3）移除了 audiodev, Bastion, bsddb185, exceptions, linuxaudiodev, md5, MimeWriter, mimify, popen2,
rexec, sets, sha, stringold, strop, sunaudiodev, timing和xmllib模块
4）移除了bsddb模块(单独发布，可以从http://www.jcea.es/programacion/pybsddb.htm获取)
5）移除了new模块
6）os.tmpnam()和os.tmpfile()函数被移动到tmpfile模块下
7）tokenize模块现在使用bytes工作。主要的入口点不再是generate_tokens，而是 tokenize.tokenize()

9. 其它

1）xrange() 改名为range()，要想使用range()获得一个list，必须显式调用：

 list(range(10)) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 

2）bytes对象不能hash，也不支持 b.lower()、b.strip()和b.split()方法，但对于后两者可以使用 b.strip(b’ \n\t\r \f’)和b.split(b’ ‘)来达到相同目的
3）zip()、map()和filter()都返回迭代器。而apply()、 callable()、coerce()、 execfile()、reduce()和reload ()函数都被去除了现在可以使用hasattr()来替换 callable(). hasattr()的语法如：hasattr(string, ‘name’)
4）string.letters和相关的.lowercase和.uppercase被去除，请改用string.ascii_letters 等
5）如果x < y的不能比较，抛出TypeError异常。2.x版本是返回伪随机布尔值的
6）__getslice__系列成员被废弃。a[i:j]根据上下文转换为a.getitem(slice(I, j))或 __setitem__和 __delitem__调用
7）file类被废弃

谈谈你对GIL锁对python多线程的影响？

GIL的全称是Global Interpreter Lock(全局解释器锁)，来源是python设计之初的考虑，为了数据安全所做的决定。每个CPU在同一时间只能执行一个线程（在单核CPU下的多线程其实都只是并发，不是并行，并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别，并行是指两个或者多个事件在同一时刻发生；而并发是指两个或多个事件在同一时间间隔内发生。）
在Python多线程下，每个线程的执行方式：

1、获取GIL
2、执行代码直到sleep或者是python虚拟机将其挂起。
3、释放GIL
可见，某个线程想要执行，必须先拿到GIL，我们可以把GIL看作是“通行证”，并且在一个python进程中，GIL只有一个。拿不到通行证的线程，就不允许进入CPU执行。
在Python2.x里，GIL的释放逻辑是当前线程遇见IO操作或者ticks计数达到100（ticks可以看作是Python自身的一个计数器，专门做用于GIL，每次释放后归零，这个计数可以通过 sys.setcheckinterval 来调整），进行释放。而每次释放GIL锁，线程进行锁竞争、切换线程，会消耗资源。并且由于GIL锁存在，python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行)。
IO密集型代码(文件处理、网络爬虫等)，多线程能够有效提升效率(单线程下有IO操作会进行IO等待，造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序执行效率)，所以多线程对IO密集型代码比较友好。

python是如何进行内存管理的？

垃圾回收

python不像C++，Java等语言一样，他们可以不用事先声明变量类型而直接对变量进行赋值。对Python语言来讲，对象的类型和内存都是在运行时确定的。这也是为什么我们称Python语言为动态类型的原因（这里我们把动态类型可以简单的归结为对变量内存地址的分配是在运行时自动判断变量类型并对变量进行赋值）。

引用计数

Python采用了类似Windows内核对象一样的方式来对内存进行管理。每一个对象，都维护这一个对指向该对对象的引用的计数。当变量被绑定在一个对象上的时候，该变量的引用计数就是1，(还有另外一些情况也会导致变量引用计数的增加),系统会自动维护这些标签，并定时扫描，当某标签的引用计数变为0的时候，该对就会被回收。

内存池机制

Python的内存机制以金字塔行，-1，-2层主要有操作系统进行操作，
　　第0层是C中的malloc，free等内存分配和释放函数进行操作；
　　第1层和第2层是内存池，有Python的接口函数PyMem_Malloc函数实现，当对象小于256K时有该层直接分配内存；
　　第3层是最上层，也就是我们对Python对象的直接操作；
在 C 中如果频繁的调用 malloc 与 free 时,是会产生性能问题的.再加上频繁的分配与释放小块的内存会产生内存碎片. Python 在这里主要干的工作有:
　　如果请求分配的内存在1~256字节之间就使用自己的内存管理系统,否则直接使用 malloc.
　　这里还是会调用 malloc 分配内存,但每次会分配一块大小为256k的大块内存.
　　经由内存池登记的内存到最后还是会回收到内存池,并不会调用 C 的 free 释放掉.以便下次使用.对于简单的Python对象，例如数值、字符串，元组（tuple不允许被更改)采用的是复制的方式(深拷贝?)，也就是说当将另一个变量B赋值给变量A时，虽然A和B的内存空间仍然相同，但当A的值发生变化时，会重新给A分配空间，A和B的地址变得不再相同

Python里面如何拷贝一个对象？（赋值，浅拷贝，深拷贝的区别）

赋值（=）

就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。

浅拷贝

创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）{1,完全切片方法；2，工厂函数，如list()；3，copy模块的copy()函数}

深拷贝

创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.deepcopy()函数}

如何用Python来进行查询和替换一个文本字符串？

可以使用re模块中的sub()函数或者subn()函数来进行查询和替换，格式：

# replacement是被替换成的文本，string是需要被替换的文本，count是一个可选参数，指最大被替换的数量
sub(replacement, string[,count=0])

递归函数停止的条件

递归的终止条件一般定义在递归函数内部，在递归调用前要做一个条件判断，根据判断的结果选择是继续调用自身，还是return;返回终止递归。
终止的条件：

1. 判断递归的次数是否达到某一限定值
2. 判断运算的结果是否达到某个范围等，根据设计的目的来选择

python常用的设计模式有哪些？

创建型模式

前面讲过，社会化的分工越来越细，自然在软件设计方面也是如此，因此对象的创建和对象的使用分开也就成为了必然趋势。因为对象的创建会消耗掉系统的很多资源，所以单独对对象的创建进行研究，从而能够高效地创建对象就是创建型模式要探讨的问题。这里有6个具体的创建型模式可供研究，它们分别是：

简单工厂模式（Simple Factory）；
工厂方法模式（Factory Method）；
抽象工厂模式（Abstract Factory）；
创建者模式（Builder）；
原型模式（Prototype）；
单例模式（Singleton）。
说明：严格来说，简单工厂模式不是GoF总结出来的23种设计模式之一。

结构型模式

在解决了对象的创建问题之后，对象的组成以及对象之间的依赖关系就成了开发人员关注的焦点，因为如何设计对象的结构、继承和依赖关系会影响到后续程序的维护性、代码的健壮性、耦合性等。对象结构的设计很容易体现出设计人员水平的高低，这里有7个具体的结构型模式可供研究，它们分别是：

外观模式（Facade）；
适配器模式（Adapter）；
代理模式（Proxy）；
装饰模式（Decorator）；
桥模式（Bridge）；
组合模式（Composite）；
享元模式（Flyweight）

行为型模式

在对象的结构和对象的创建问题都解决了之后，就剩下对象的行为问题了，如果对象的行为设计的好，那么对象的行为就会更清晰，它们之间的协作效率就会提高，这里有11个具体的行为型模式可供研究，它们分别是：

模板方法模式（Template Method）；
观察者模式（Observer）；
状态模式（State）；
策略模式（Strategy）；
职责链模式（Chain of Responsibility）；
命令模式（Command）；
访问者模式（Visitor）；
调停者模式（Mediator）；
备忘录模式（Memento）；
迭代器模式（Iterator）；
解释器模式（Interpreter）。

单例的应用场景有哪些？

单例模式应用的场景一般发现在以下条件下：
　　（1）资源共享的情况下，避免由于资源操作时导致的性能或损耗等。如日志文件，应用配置。
　　（2）控制资源的情况下，方便资源之间的互相通信。如线程池等。

1.网站的计数器
2.应用配置
3.多线程池
4.数据库配置，数据库连接池
5.应用程序的日志应用…

解释一下什么是闭包

内部函数可以使用外部函数变量的行为，就叫闭包