【Python 面试突击 · 04】大厂高频面试题：从标准库到多线程陷阱

Python 2：
- range() → 返回一个列表，立即生成所有元素，占用内存大。
- xrange() → 返回一个生成器对象，按需生成，节省内存。
Python 3：
- range() → 行为等同于 Python 2 的 xrange()，返回惰性序列对象。
- xrange() → 已被移除。

✅ 所以在 Python 3 中，我们统一使用 range()，它既高效又省内存。”

📝 代码对比（Python 2 风格示意）：

# Python 2
r = range(1000000)   # 立即创建百万元素列表 → 内存爆炸
xr = xrange(1000000) # 只保存起始/结束/步长 → 极简内存

# Python 3
r = range(1000000)   # 等价于 Python 2 的 xrange → 安全高效

二、面向对象与函数特性篇🧩

3、Python 中类方法、类实例方法、静态方法有何区别？

🗣️ 推荐话术：
“这三种方法的核心区别在于第一个参数和调用方式：

类型	装饰器	第一个参数	调用方式	用途
实例方法	无	`self`	`obj.method()`	操作实例属性
类方法	`@classmethod`	`cls`	`Class.method()`	操作类属性或工厂模式
静态方法	`@staticmethod`	无特殊参数	`Class.method()` 或 `obj.method()`	工具函数，不依赖类或实例

📝 代码示例：

class MyClass:
    count = 0

    def instance_method(self):
        print(f"实例方法，count={self.count}")

    @classmethod
    def class_method(cls):
        print(f"类方法，count={cls.count}")
        cls.count += 1

    @staticmethod
    def static_method():
        print("静态方法，不访问任何类或实例属性")

MyClass.class_method()      # 输出: 类方法，count=0
MyClass.static_method()     # 输出: 静态方法...

💡 面试加分：提到“类方法常用于替代构造函数（如 from_json()），静态方法用于命名空间分组”。

4、Python 函数调用时参数是值传递还是引用传递？

🗣️ 推荐话术：
“这是一个经典误区题。准确地说，Python 是 ‘对象引用传递’（Pass by Object Reference），既不是纯值传递也不是纯引用传递。

对于不可变对象（如 int, str, tuple）：行为像“值传递”，函数内修改不影响外部。
对于可变对象（如 list, dict, set）：行为像“引用传递”，函数内修改会影响外部。

📝 代码验证：

def modify(a, b):
    a = 100          # 不可变，局部重绑定
    b.append(4)      # 可变，原地修改

x = 5
y = [1, 2, 3]
modify(x, y)
print(x)  # 5 → 未变
print(y)  # [1, 2, 3, 4] → 被修改了！

⚠️ 避坑提醒：不要说“Python 是引用传递”，容易误导；要说“传递的是对象的引用，但赋值行为取决于对象是否可变”。

5、简述 Python 在异常处理中，else 和 finally 的作用分别是什么？

🗣️ 推荐话术：
“在 try-except-else-finally 结构中：

else：当 try 块没有抛出任何异常时执行。常用于将可能出错的代码与后续逻辑分离。
finally：无论是否发生异常都会执行，通常用于资源清理（如关闭文件、释放锁）。

📝 代码示例：

try:
    result = 10 / 2
except ZeroDivisionError:
    print("除零错误")
else:
    print("计算成功:", result)  # 只有没异常才执行
finally:
    print("无论如何都执行")     # 总是执行

💡 最佳实践：finally 是确保资源释放的黄金搭档，比如配合 with 语句或直接关闭文件句柄。

6、什么是 lambda 函数？有什么好处？

🗣️ 推荐话术：
“lambda 是 Python 中的匿名函数，语法简洁，适合定义简单的一次性函数。

语法：lambda 参数: 表达式
好处：
1. 简洁：无需 def 定义命名函数。
2. 适合作为高阶函数的参数（如 sorted, map, filter）。
3. 避免污染命名空间。

📝 代码示例：

# 普通函数
def add(x, y): return x + y

# lambda 等价写法
add_lambda = lambda x, y: x + y

# 实际应用：排序
students = [('Alice', 88), ('Bob', 92), ('Charlie', 75)]
sorted_students = sorted(students, key=lambda s: s[1], reverse=True)

⚠️ 注意：lambda 只能包含一个表达式，不能写复杂逻辑或多行语句。复杂功能仍需用 def。

三、并发与底层机制篇⚙️

7、Python 中的进程与线程的使用场景？

🗣️ 推荐话术：
“选择进程还是线程，关键看任务类型：

多线程（threading）：
- 适用于 I/O 密集型 任务（如网络请求、文件读写、数据库查询）。
- 优点：轻量级，共享内存方便。
- 缺点：受 GIL 限制，无法真正并行利用多核 CPU。
多进程（multiprocessing）：
- 适用于 CPU 密集型 任务（如图像处理、科学计算、加密解密）。
- 优点：绕过 GIL，可充分利用多核 CPU。
- 缺点：进程间通信成本高，内存开销大。

💡 进阶建议：对于高并发 I/O 场景，推荐使用 asyncio 协程，性能优于传统多线程。

8、python 中的 pass 有什么作用？

🗣️ 推荐话术：
“pass 是一个空语句，什么都不做，仅作为语法占位符。

主要用途：
1. 定义空函数/类/条件分支，避免语法错误。
2. 作为开发过程中的临时占位，后续再填充逻辑。
3. 在继承中表示“暂不重写父类方法”。

📝 代码示例：

class MyBase:
    def do_something(self):
        pass  # 子类必须重写

class MyChild(MyBase):
    def do_something(self):
        print("实现了具体逻辑")

if True:
    pass  # 暂时不写逻辑，避免缩进报错

💡 面试加分：提到“pass 不影响程序运行，但能提高代码可读性和结构完整性”。

9、Python 中使用多线程可以达到多核 CPU 一起使用吗？

🗣️ 推荐话术：
“不可以。由于 Python 的 GIL（全局解释器锁） 机制，同一时刻只有一个线程能执行字节码，即使有多核 CPU，多线程也无法实现真正的并行计算。

原因：GIL 是为了保护 Python 对象的内存管理而设计的全局锁。
影响：CPU 密集型任务中，多线程甚至可能比单线程更慢（因为线程切换开销）。
解决方案：
- 使用 multiprocessing 多进程绕过 GIL。
- 使用 C 扩展或 Cython 编写关键部分。
- 使用 Jython 或 IronPython（无 GIL，但生态弱）。

💡 深度理解：GIL 在 I/O 操作中会释放，所以多线程在 I/O 密集场景依然有效。

10、Python 新式类和经典类的区别？

🗣️ 推荐话术：
“这是 Python 2 到 Python 3 的重要演进：

经典类（Classic Class）：
- Python 2 默认类，不显式继承 object。
- MRO（方法解析顺序）采用深度优先搜索。
- 不支持 super() 的正确多继承调用。
新式类（New-style Class）：
- Python 2 中需显式继承 object，Python 3 所有类默认都是新式类。
- MRO 采用 C3 线性化算法，保证单调性和一致性。
- 支持 super() 正确调用父类方法，支持描述符、__slots__ 等高级特性。

📝 代码对比：

# Python 2 经典类
class OldClass:
    pass

# Python 2/3 新式类
class NewClass(object):  # Python 3 可省略 (object)
    pass

# 查看 MRO
print(NewClass.__mro__)  # 显示 C3 线性化结果