Python 经典面试题与核心知识点详解

解析：函数内部的 a 是局部变量，遮蔽了外部的全局变量 a。赋值操作 a=2 创建了新的局部整数对象，未改变全局 a 的引用。

4. 什么是元类（Metaclass）？

元类是类的类。在 Python 中，一切皆对象，类也是对象。创建类实例时调用的是类，而创建类本身时调用的是元类。

• 默认元类是 type。
• 自定义元类可控制类的创建过程（如自动注册类、限制属性等）。

class Meta(type):
    def __new__(cls, name, bases, attrs):
        return super().__new__(cls, name, bases, attrs)

class MyClass(metaclass=Meta):
    pass

5. 构造函数与初始化方法

• 构造函数：通常指 __new__ 方法，负责创建实例对象。
• 初始化方法：指 __init__ 方法，负责初始化实例属性。通常在 __new__ 返回实例后自动调用。

class Person:
    def __new__(cls, *args, **kwargs):
        instance = super().__new__(cls)
        return instance
    
    def __init__(self, name):
        self.name = name

6. 类变量与实例变量

• 类变量：定义在类中、方法外，所有实例共享。常用于统计实例数量。
• 实例变量：定义在 __init__ 中，每个实例拥有独立副本。

class Test:
    count = 0  # 类变量
    
    def __init__(self):
        self.id = id(self)  # 实例变量
        Test.count += 1

7. 静态方法、类方法与实例方法

• 实例方法：第一个参数必须是 self，访问实例属性。
• 类方法：使用 @classmethod 装饰器，第一个参数是 cls，可访问类属性。
• 静态方法：使用 @staticmethod 装饰器，无默认参数，相当于普通函数放在类命名空间中。

class A:
    class_var = "class"
    
    def instance_method(self):
        print("Instance", self.class_var)
    
    @classmethod
    def class_method(cls):
        print("Class", cls.class_var)
    
    @staticmethod
    def static_method():
        print("Static")

8. 什么是 Python 自省（Reflection）？

自省是指程序在运行时检查对象类型和属性的能力。

常用内建函数：

• type(obj)：获取对象类型。
• dir(obj)：列出对象属性和方法。
• getattr(obj, name)：获取属性值。
• hasattr(obj, name)：判断是否存在属性。
• isinstance(obj, Class)：判断对象是否属于某类。

9. 列表推导式

用于简洁地创建列表。

squares = [x**2 for x in range(10)]
even_squares = [x**2 for x in range(10) if x % 2 == 0]

10. 字典推导式与集合推导式

• 字典推导式：{key: value for ...}
• 集合推导式：{item for ...}

words = ['hello', 'world']
dict_comp = {w: len(w) for w in words}
set_comp = {w[0] for w in words}

11. 下划线命名约定

• _foo：保护成员，约定不直接访问，但可通过 from module import * 导入。
• __foo：名称修饰（Name Mangling），变为 _ClassName__foo，防止子类意外覆盖。
• __foo__：特殊方法（Magic Methods），如 __init__, __call__，由 Python 解释器调用。

12. 列表推导式与生成器表达式

将 [] 改为 () 会创建生成器对象，节省内存。

L = [x*x for x in range(1000000)]  # 占用大量内存
G = (x*x for x in range(1000000))  # 惰性计算，仅存状态

二、迭代器与生成器

13. 什么是迭代器（Iterator）？

迭代器实现了迭代协议：__iter__() 和 __next__()。

it = iter([1, 2, 3])
print(next(it))  # 1
print(next(it))  # 2

14. 迭代器与列表的区别

1. 遍历位置：列表每次从头开始；迭代器遍历后指针停留在末尾。
2. 内存占用：列表一次性加载所有数据；迭代器按需生成。
3. 转换：列表可用 iter() 转为迭代器。

15. 什么是生成器（Generator）？

生成器是一种特殊的迭代器，通过函数中使用 yield 关键字实现。

• 优点：惰性求值，内存效率高。
• 原理：遇到 yield 暂停执行，保存上下文，下次调用恢复。

def gen():
    yield 1
    yield 2
    yield 3

16. 生成器的工作原理

调用生成器函数返回生成器对象，不执行函数体。首次 next() 执行到 yield 返回值并挂起。再次 next() 从上次挂起点继续。

17. 迭代器与生成器的区别

• 生成器是迭代器的子集。
• 生成器通过 yield 自动生成状态，无需手动实现 __iter__ 和 __next__。
• 生成器终结时抛出 StopIteration 异常。

18. yield 与 return 的区别

• return：结束函数执行，返回结果。
• yield：暂停函数，返回一个值，保留状态供后续恢复。

19. for 循环的原理

1. 调用对象的 __iter__() 获取迭代器。
2. 循环调用迭代器的 __next__()。
3. 捕获 StopIteration 异常退出循环。

20. range() 返回的是迭代器吗？

• Python 2：返回列表。
• Python 3：返回 range 对象，是可迭代对象（Iterable），但不是迭代器（Iterator）。需调用 iter() 获取迭代器。

21. range 对象内存占用

range 对象只存储 start, stop, step 三个整数，无论序列多长，内存占用恒定。元素仅在遍历时计算。

22. *args 与 **kwargs

• *args：接收任意数量的位置参数，打包为元组。
• **kwargs：接收任意数量的关键字参数，打包为字典。

def func(*args, **kwargs):
    print(args, kwargs)

三、高级特性与并发

23. 装饰器（Decorator）深入理解

装饰器本质是高阶函数，用于在不修改原代码的情况下增强功能。

def my_decorator(func):
    def wrapper(*args, **kwargs):
        print("Before call")
        result = func(*args, **kwargs)
        print("After call")
        return result
    return wrapper

@my_decorator
def say_hello():
    print("Hello")

24. 描述符（Descriptor）

描述符定义了属性访问行为（__get__, __set__, __delete__）。property 就是基于描述符实现的。

25. GIL（全局解释器锁）

CPython 解释器中，同一时刻只有一个线程能执行字节码。

• 影响：CPU 密集型任务多线程无法利用多核。
• 解决：使用多进程（multiprocessing）或 C 扩展释放 GIL。

26. 内存管理与垃圾回收

Python 主要采用引用计数和分代回收机制。

• 引用计数：对象引用数归零时立即销毁。
• 垃圾回收器：处理循环引用问题，按代（Generation）进行扫描回收。

27. 常见陷阱

1. 可变默认参数：def f(a=[]) 会导致 a 在多次调用间共享。应使用 None 初始化。
2. 闭包变量延迟绑定：循环中定义的 lambda 可能捕获同一个变量索引。
3. 浅拷贝与深拷贝：copy.copy 只复制第一层，嵌套对象仍共享。

28. 并发编程模型

• 多线程：适合 I/O 密集型任务，受 GIL 限制。
• 多进程：适合 CPU 密集型任务，绕过 GIL。
• 异步 IO：asyncio，单线程高并发，适合网络请求。

29. 最佳实践建议

1. 遵循 PEP 8 编码规范。
2. 使用虚拟环境（venv）隔离依赖。
3. 编写单元测试（unittest / pytest）。
4. 优先使用列表推导式和生成器表达式提升可读性与性能。

以上涵盖了 Python 面试中的核心知识点。掌握这些内容有助于应对大多数技术面试中的基础与进阶问题。