Python面试题及详细答案150道（136-150） -- 网络编程及常见问题篇

《前后端面试题》专栏集合了前后端各个知识模块的面试题，包括html，javascript，css，vue，react，java，Openlayers，leaflet，cesium，mapboxGL，threejs，nodejs，mangoDB，SQL，Linux… 。

前后端面试题-专栏总目录

一、本文面试题目录

136. 什么是HTTP协议？常用的HTTP方法有哪些？

原理说明：
HTTP（HyperText Transfer Protocol，超文本传输协议）是用于在客户端和服务器之间传输数据的应用层协议，基于TCP/IP通信，采用请求-响应模式，无状态（每次请求独立，不保留上下文）。

常用HTTP方法：

方法	作用	特点
GET	请求获取资源	幂等（多次请求结果一致），参数在URL中，有长度限制
POST	提交数据到服务器（如表单提交）	非幂等，参数在请求体中，无长度限制
PUT	全量更新资源	幂等，需提供资源完整数据
PATCH	部分更新资源	非幂等，仅提供需修改的字段
DELETE	删除指定资源	幂等
HEAD	类似GET，但仅返回响应头	用于检查资源是否存在或获取元数据
OPTIONS	获取服务器支持的HTTP方法	跨域请求时用于预检

示例：

• GET请求：https://api.example.com/users（获取用户列表）
• POST请求：向https://api.example.com/users提交{"name":"Alice"}（创建用户）

137. urllib和requests库的区别是什么？

原理说明：
两者都是Python用于HTTP请求的库，urllib是标准库，requests是第三方库（需安装），后者API更简洁，功能更丰富。

核心区别：

特性	urllib	requests
所属	标准库（无需安装）	第三方库（需pip install requests）
API设计	较繁琐（需构造Request对象）	简洁（如requests.get()）
会话管理	需手动处理CookieJar	内置Session对象自动维护Cookie
响应处理	需手动解码（如response.read().decode()）	自动解码（response.text）
异常处理	较复杂（需捕获URLError等）	统一的RequestException
支持功能	基础HTTP操作	支持会话、代理、SSL验证、文件上传等

示例对比：

1. GET请求

   # urllib
   from urllib.request import urlopen
   response = urlopen("https://www.baidu.com")
   print(response.read().decode('utf-8'))# requests
   import requests
   response = requests.get("https://www.baidu.com")
   print(response.text)  # 自动解码
   

2. 带参数的POST请求

   # urllib
   from urllib.request import Request, urlopen
   from urllib.parse import urlencode
   data = urlencode({"name": "Alice"}).encode('utf-8')
   request = Request("https://api.example.com", data=data, method="POST")
   response = urlopen(request)# requests
   response = requests.post("https://api.example.com", data={"name": "Alice"})
   

总结：requests语法更简洁，推荐用于大多数HTTP请求场景；urllib适合无第三方库依赖的环境。

138. 如何使用socket模块实现简单的TCP客户端和服务器？

原理说明：
TCP（Transmission Control Protocol）是面向连接的可靠传输协议，通过三次握手建立连接，四次挥手关闭连接。Python的socket模块提供了TCP通信的底层接口，可实现客户端和服务器的双向通信。

示例代码：

1. TCP服务器

   import socket# 创建TCP套接字（IPv4，TCP）
   server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)# 绑定IP和端口（空IP表示监听所有网络接口）
   server_address = ('', 8888)
   server_socket.bind(server_address)# 监听连接（最大等待队列长度为5）
   server_socket.listen(5)
   print("服务器启动，等待连接...")while True:# 接受客户端连接（阻塞）client_socket, client_addr = server_socket.accept()print(f"接收到来自{client_addr}的连接")try:# 接收客户端数据（最多1024字节）data = client_socket.recv(1024)if data:print(f"收到数据：{data.decode('utf-8')}")# 发送响应response = "消息已收到：" + data.decode('utf-8')client_socket.sendall(response.encode('utf-8'))finally:# 关闭客户端连接client_socket.close()print(f"与{client_addr}的连接已关闭")
   

2. TCP客户端

   import socket# 创建TCP套接字
   client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)# 连接服务器
   server_address = ('localhost', 8888)
   client_socket.connect(server_address)try:# 发送数据message = "Hello, Server!"client_socket.sendall(message.encode('utf-8'))# 接收响应data = client_socket.recv(1024)print(f"收到服务器响应：{data.decode('utf-8')}")
   finally:# 关闭连接client_socket.close()
   

通信流程：

1. 服务器：创建套接字 → 绑定端口 → 监听 → 接受连接 → 收发数据 → 关闭连接。
2. 客户端：创建套接字 → 连接服务器 → 收发数据 → 关闭连接。

注意：实际应用中需处理异常（如连接中断）和多客户端并发（如使用多线程）。

139. 什么是RESTful API？如何设计RESTful接口？

原理说明：
RESTful API是一种基于REST（Representational State Transfer）架构风格设计的API，通过HTTP方法对资源进行操作，强调无状态、资源导向和统一接口。

核心设计原则：

1. 资源导向：用URL表示资源（如/users表示用户列表），而非动作（避免/getUsers）。
2. 使用HTTP方法表达操作：
   • GET：查询资源（/users/1获取ID=1的用户）
   • POST：创建资源（/users创建新用户）
   • PUT/PATCH：更新资源（/users/1更新用户信息）
   • DELETE：删除资源（/users/1删除用户）
3. 无状态：服务器不存储客户端状态，每次请求需包含所有必要信息。
4. 返回合适的状态码：如200（成功）、201（创建成功）、404（资源不存在）、500（服务器错误）。
5. 使用JSON作为数据交换格式。

设计示例：

接口	HTTP方法	功能	响应状态码
/api/users	GET	获取所有用户	200 OK
/api/users/1	GET	获取ID=1的用户	200 OK / 404 Not Found
/api/users	POST	创建新用户（请求体含用户数据）	201 Created
/api/users/1	PUT	全量更新用户1	200 OK / 404
/api/users/1	PATCH	部分更新用户1（如仅改姓名）	200 OK / 404
/api/users/1	DELETE	删除用户1	204 No Content / 404

示例请求与响应：

• 创建用户（POST /api/users）：
  请求体：{"name": "Alice", "age": 25}
  响应：{"id": 1, "name": "Alice", "age": 25}（状态码201）

140. 简述Django的MTV架构。

原理说明：
Django是Python的Web框架，采用MTV（Model-Template-View）架构，是MVC（Model-View-Controller）的变种，目的是分离数据、界面和业务逻辑。

MTV各组件及作用：

1. Model（模型）

   • 负责数据管理和数据库交互，对应数据库表结构。
   • 使用Django ORM定义，自动映射到数据库，无需编写SQL。
   • 示例：

     # models.py
     from django.db import models
     class Book(models.Model):title = models.CharField(max_length=100)author = models.CharField(max_length=50)publish_date = models.DateField()
     

2. Template（模板）

   • 负责用户界面渲染，定义HTML页面结构和展示逻辑。
   • 支持模板继承、变量替换、条件判断等，分离业务逻辑和展示。
   • 示例（book_list.html）：

     <h1>图书列表</h1>
     <ul>{% for book in books %}<li>{{ book.title }} - {{ book.author }}</li>{% endfor %}
     </ul>
     

3. View（视图）

   • 负责处理用户请求、业务逻辑（如数据查询、验证），连接Model和Template。
   • 接收请求，调用Model获取数据，传递给Template渲染后返回响应。
   • 示例：

     # views.py
     from django.shortcuts import render
     from .models import Book
     def book_list(request):books = Book.objects.all()  # 从Model获取数据return render(request, 'book_list.html', {'books': books})  # 传递给Template
     

工作流程：

1. 用户发送HTTP请求到Django服务器。
2. URL路由系统将请求分发到对应的View。
3. View调用Model获取或处理数据。
4. View将数据传递给Template，生成HTML响应。
5. 响应返回给用户。

MTV架构通过分离关注点，使代码更易维护、扩展和测试。

141. Django和Flask的区别是什么？

原理说明：
Django和Flask都是Python主流Web框架，但设计理念不同：Django是“全栈框架”（内置丰富功能），Flask是“微框架”（轻量灵活，需手动扩展）。

核心区别对比：

特性	Django	Flask
定位	全栈框架（内置完整解决方案）	微框架（轻量，按需扩展）
内置功能	ORM、Admin后台、表单验证、用户认证、模板引擎、路由等	仅核心功能（路由、模板），其他需通过扩展（如Flask-SQLAlchemy）
灵活性	较低（遵循Django规范）	较高（可自由选择组件）
学习曲线	较陡（功能多，概念复杂）	较平缓（入门简单）
适用场景	大型复杂项目（如电商、CMS）	小型应用、API服务、快速原型开发
模板引擎	内置Django Template	依赖Jinja2（需单独安装）
扩展方式	内置功能为主，第三方插件为辅	高度依赖第三方扩展

示例对比：

1. 创建简单页面

   # Django（需配置项目、应用、URL）
   # views.py
   from django.http import HttpResponse
   def hello(request):return HttpResponse("Hello, Django!")# Flask（单文件即可）
   from flask import Flask
   app = Flask(__name__)
   @app.route('/')
   def hello():return "Hello, Flask!"
   if __name__ == '__main__':app.run()
   

2. 数据库操作

   # Django（内置ORM）
   from django.db import models
   class User(models.Model):name = models.CharField(max_length=50)
   user = User(name="Alice")
   user.save()  # 自动写入数据库# Flask（需扩展Flask-SQLAlchemy）
   from flask_sqlalchemy import SQLAlchemy
   app = Flask(__name__)
   app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///test.db'
   db = SQLAlchemy(app)
   class User(db.Model):id = db.Column(db.Integer, primary_key=True)name = db.Column(db.String(50))
   db.create_all()
   user = User(name="Alice")
   db.session.add(user)
   db.session.commit()
   

总结：Django适合需要快速开发且功能全面的项目，Flask适合追求灵活和轻量的场景。

142. 什么是中间件（Middleware）？Django中间件的作用？

原理说明：
中间件是Web框架中位于请求和响应之间的处理层，用于在全局范围内处理请求和响应（如身份验证、日志记录、跨域处理）。Django中间件通过钩子函数介入请求-响应生命周期的各个阶段。

Django中间件的作用：

1. 预处理请求：在视图函数执行前处理请求（如验证Token、设置语言）。
2. 后处理响应：在响应返回客户端前处理（如添加响应头、压缩数据）。
3. 全局异常处理：捕获视图函数抛出的异常，返回统一错误响应。
4. 日志记录：记录所有请求的URL、耗时、状态码等信息。

Django中间件工作流程：
请求 → 中间件process_request → URL路由 → 中间件process_view → 视图函数 → 中间件process_template_response（若有） → 中间件process_response → 响应客户端。

自定义中间件示例：

# myapp/middleware.py
class SimpleMiddleware:def __init__(self, get_response):self.get_response = get_response  # 保存下一个中间件/视图的引用def __call__(self, request):# 1. 请求到达视图前执行（process_request）print(f"请求URL：{request.path}")start_time = time.time()# 调用下一个中间件或视图response = self.get_response(request)# 2. 响应返回客户端前执行（process_response）duration = time.time() - start_timeprint(f"请求耗时：{duration:.2f}秒")# 添加自定义响应头response["X-Request-Duration"] = f"{duration:.2f}s"return responsedef process_exception(self, request, exception):# 3. 捕获视图抛出的异常print(f"发生异常：{str(exception)}")# 返回自定义错误响应return HttpResponse("服务器内部错误", status=500)

启用中间件：
在settings.py的MIDDLEWARE列表中添加路径：

MIDDLEWARE = [# ... 其他中间件 ...'myapp.middleware.SimpleMiddleware',
]

内置中间件示例：

• django.middleware.csrf.CsrfViewMiddleware：处理CSRF防护。
• django.contrib.auth.middleware.AuthenticationMiddleware：管理用户认证。

143. Flask中如何使用蓝图（Blueprint）？

原理说明：
蓝图（Blueprint）是Flask中用于模块化组织路由、视图和静态资源的工具，可将大型应用拆分为多个子模块（如用户模块、商品模块），便于维护。

蓝图的作用：

• 拆分应用功能，实现代码分离。
• 共享模板和静态文件。
• 延迟注册（可在应用初始化后注册蓝图）。

使用示例：

1. 创建蓝图（auth.py，用户认证模块）

   from flask import Blueprint, render_template, redirect, url_for# 创建蓝图（'auth'为蓝图名称，__name__为模块名）
   auth_bp = Blueprint('auth', __name__, url_prefix='/auth')  # 路由前缀# 定义蓝图路由
   @auth_bp.route('/login')
   def login():return render_template('auth/login.html')  # 模板默认查找templates/auth/目录@auth_bp.route('/logout')
   def logout():return redirect(url_for('auth.login'))  # 生成带前缀的URL
   

2. 创建主应用并注册蓝图（app.py）

   from flask import Flask
   from auth import auth_bp  # 导入蓝图app = Flask(__name__)# 注册蓝图（所有路由会自动添加/auth前缀）
   app.register_blueprint(auth_bp)# 主应用路由
   @app.route('/')
   def index():return "首页"if __name__ == '__main__':app.run()
   

3. 目录结构

   myapp/
   ├── app.py           # 主应用
   ├── auth.py          # 认证蓝图
   └── templates/├── index.html   # 主应用模板└── auth/       # 蓝图模板目录└── login.html
   

访问路由：

• 蓝图路由：/auth/login（对应auth_bp.route('/login')）
• 主应用路由：/（对应app.route('/')）

高级用法：

• 蓝图可拥有独立的静态文件目录（static_folder参数）。
• 可通过url_for('蓝图名.视图函数名')生成蓝图路由URL。

蓝图是Flask构建大型应用的核心工具，通过模块化组织使代码结构更清晰。

144. 如何处理HTTP请求中的Cookie和Session？

原理说明：
Cookie和Session都是用于在客户端和服务器之间保存状态的机制（因HTTP无状态），但存储位置和安全性不同：

• Cookie：存储在客户端（浏览器），由服务器通过响应头Set-Cookie设置，每次请求自动携带。
• Session：存储在服务器，客户端仅保存Session ID（通常通过Cookie传递），更安全。

处理方法示例：

1. 使用Flask处理Cookie和Session

   from flask import Flask, make_response, request, sessionapp = Flask(__name__)
   app.secret_key = 'secret_key_for_session'  # Session需配置密钥（加密用）# 处理Cookie
   @app.route('/set_cookie')
   def set_cookie():response = make_response("Cookie已设置")# 设置Cookie（键、值、过期时间（秒））response.set_cookie('username', 'Alice', max_age=3600)return [e-mail]('/get_cookie')
   def get_cookie():# 获取Cookie（默认None）username = request.cookies.get('username')return f"Cookie中的用户名：{username}"# 处理Session
   @app.route('/set_session')
   def set_session():# 设置Session（自动加密存储在服务器）session['user_id'] = 123session['username'] = 'Alice'return "Session已设置"@app.route('/get_session')
   def get_session():# 获取Sessionuser_id = session.get('user_id')username = session.get('username')return f"Session：用户ID={user_id}，用户名={username}"@app.route('/logout')
   def logout():# 清除Sessionsession.pop('user_id', None)session.pop('username', None)return "已退出登录"
   

2. 使用Django处理Cookie和Session

   # Django视图
   from django.http import HttpResponse# 处理Cookie
   def set_cookie(request):response = HttpResponse("Cookie已设置")response.set_cookie('username', 'Bob', max_age=3600)return responsedef get_cookie(request):username = request.COOKIES.get('username')return HttpResponse(f"Cookie中的用户名：{username}")# 处理Session（Django默认存储在数据库，可配置为Redis等）
   def set_session(request):request.session['user_id'] = 456request.session['username'] = 'Bob'return HttpResponse("Session已设置")def get_session(request):user_id = request.session.get('user_id')username = request.session.get('username')return HttpResponse(f"Session：用户ID={user_id}，用户名={username}")
   

安全注意事项：

• Cookie存储在客户端，敏感信息（如密码）不应存于Cookie。
• Session需使用密钥加密（如Flask的secret_key），防止篡改。
• 重要Cookie可设置secure=True（仅HTTPS传输）和httpOnly=True（禁止JS访问，防XSS）。

145. 什么是WebSocket？它与HTTP有何区别？

原理说明：
WebSocket是一种在单个TCP连接上实现全双工（双向）通信的协议，允许客户端和服务器实时交换数据，适合实时应用（如聊天、股票行情）。

与HTTP的区别：

特性	HTTP	WebSocket
连接方式	单向请求-响应（客户端主动请求，服务器被动响应）	双向持久连接（客户端和服务器可随时发送数据）
连接状态	无状态（每次请求独立）	有状态（连接建立后保持打开）
通信效率	低（每次请求需携带完整HTTP头）	高（连接建立后仅传输数据，无冗余头）
适用场景	普通Web页面、API请求（非实时）	实时通信（如聊天、实时通知、游戏）
协议标识	http://或https://	ws://或wss://（加密）

Python中使用WebSocket示例（websockets库）：

1. 安装库

   pip install websockets
   

2. WebSocket服务器

   import asyncio
   import websockets# 处理客户端连接
   async def handle_client(websocket):# 接收客户端消息async for message in websocket:print(f"收到消息：{message}")# 发送响应（双向通信）response = f"服务器已收到：{message}"await websocket.send(response)# 启动服务器
   start_server = websockets.serve(handle_client, "localhost", 8765)
   asyncio.get_event_loop().run_until_complete(start_server)
   asyncio.get_event_loop().run_forever()
   

3. WebSocket客户端

   import asyncio
   import websocketsasync def send_message():# 连接服务器async with websockets.connect("ws://localhost:8765") as websocket:# 发送消息message = "Hello, WebSocket!"await websocket.send(message)# 接收响应response = await websocket.recv()print(f"收到响应：{response}")asyncio.get_event_loop().run_until_complete(send_message())
   

工作流程：

1. 客户端通过HTTP握手请求升级协议（Upgrade: websocket）。
2. 服务器同意后，HTTP连接升级为WebSocket连接。
3. 双方通过该连接实时双向通信，直到一方关闭连接。

WebSocket解决了HTTP在实时通信场景下的低效问题，是构建实时Web应用的首选协议。

146. 什么是单元测试？如何使用unittest或pytest进行单元测试？

原理说明

• 单元测试：是对软件中最小可测试单元（如函数、方法、类）进行的独立验证，目的是确保每个单元能按预期工作。
• 作用：提前发现bug、便于代码重构、保障代码质量。
• 常用框架：
  • unittest：Python内置的单元测试框架，灵感来自Java的JUnit，支持断言、测试用例组织、测试套件等。
  • pytest：第三方框架，语法更简洁，支持unittest兼容的用例，还提供更丰富的功能（如参数化、 fixtures）。

示例代码

1. 使用unittest

# 待测试的函数
def add(a, b):return a + bdef is_even(n):return n % 2 == 0# 测试用例
import unittestclass TestMathFunctions(unittest.TestCase):# 测试前执行（可选）def setUp(self):print("开始测试...")# 测试add函数def test_add(self):self.assertEqual(add(2, 3), 5)  # 断言相等self.assertEqual(add(-1, 1), 0)# 测试is_even函数def test_is_even(self):self.assertTrue(is_even(4))     # 断言为Trueself.assertFalse(is_even(7))    # 断言为Falseself.assertRaises(TypeError, is_even, "string")  # 断言抛出异常# 测试后执行（可选）def tearDown(self):print("测试结束...")if __name__ == "__main__":unittest.main()  # 运行测试

2. 使用pytest

需先安装：pip install pytest

# 待测试的函数（同上）
def add(a, b):return a + bdef is_even(n):return n % 2 == 0# 测试用例（pytest无需继承类，函数名以test_开头即可）
def test_add():assert add(2, 3) == 5  # 直接使用assert断言assert add(-1, 1) == 0def test_is_even():assert is_even(4) is Trueassert is_even(7) is Falsewith pytest.raises(TypeError):  # 断言抛出异常is_even("string")

运行方式：命令行执行pytest 文件名.py -v（-v显示详细信息）。

147. 什么是文档字符串（Docstring）？它的作用是什么？

原理说明

• 文档字符串（Docstring）：是位于函数、类、模块开头的字符串，用于解释其功能、参数、返回值、示例等信息。
• 格式：通常用三重引号（"""）包裹，支持单行和多行。
• 作用：
  • 提高代码可读性，方便其他开发者理解代码用途。
  • 可通过__doc__属性或help()函数获取文档信息。
  • 支持自动生成文档工具（如Sphinx、pdoc）。

示例代码

def calculate_area(radius):"""计算圆的面积。参数:radius (float): 圆的半径，必须为正数。返回:float: 圆的面积（π * radius²）。异常:ValueError: 当半径为负数或非数字时抛出。示例:>>> calculate_area(2)12.566370614359172"""if not isinstance(radius, (int, float)):raise ValueError("半径必须是数字")if radius <= 0:raise ValueError("半径必须为正数")return 3.1415926535 * radius ** 2# 获取文档字符串
print(calculate_area.__doc__)  # 打印完整文档
help(calculate_area)  # 更友好的格式显示文档

148. 如何实现Python代码的打包和分发（如setup.py）？

原理说明

• 打包：将Python代码、依赖、配置文件等整理成标准格式（如.tar.gz、.whl），便于安装和分发。
• 分发渠道：常用PyPI（Python Package Index），用户可通过pip install安装。
• 核心文件：
  • setup.py：打包配置脚本，定义包名、版本、依赖等。
  • setup.cfg：补充配置（可选）。
  • MANIFEST.in：指定需要打包的非代码文件（如文档、数据）。

示例代码

1. 项目结构

my_package/
├── my_package/          # 包目录
│   ├── __init__.py
│   └── utils.py         # 功能模块
├── setup.py             # 打包配置
└── README.md            # 说明文档

2. setup.py配置

from setuptools import setup, find_packagessetup(name="my_package",  # 包名（PyPI上需唯一）version="0.1.0",    # 版本号（遵循语义化版本）author="Your Name",author_email="[e-mail]",description="A sample Python package",long_description=open("README.md").read(),  # 长描述（通常来自README）long_description_content_type="text/markdown",url="https://github.com/yourusername/my_package",  # 项目地址packages=find_packages(),  # 自动发现包install_requires=[         # 依赖列表"requests>=2.25.0","numpy>=1.19.0"],classifiers=[              # 分类信息（便于PyPI检索）"Programming Language :: Python :: 3","License :: OSI Approved :: MIT License","Operating System :: OS Independent",],python_requires=">=3.6",  # 支持的Python版本
)

3. 打包与分发步骤

# 生成源码包和wheel包
python setup.py sdist bdist_wheel# 安装到本地（开发模式，修改代码无需重新安装）
pip install -e .# 上传到PyPI（需先注册账号，安装twine工具）
pip install twine
twine upload dist/*  # 输入PyPI账号密码

149. 解释Python中的垃圾回收机制（GC）。

原理说明

• 垃圾回收（GC）：Python自动管理内存的机制，用于回收不再使用的对象所占用的内存，避免内存泄漏。
• 核心算法：
  1. 引用计数：每个对象有一个引用计数器，当引用数为0时，对象被立即回收。
     • 触发引用计数减少的情况：变量赋值给其他对象、函数执行结束局部变量销毁、对象从容器中移除等。
  2. 标记-清除：解决循环引用问题（如两个对象互相引用，引用计数不为0但已无用）。
     • 标记：遍历所有可达对象（从根对象出发能访问到的对象），标记为“存活”。
     • 清除：未被标记的对象被回收。
  3. 分代回收：基于“存活越久的对象越不可能被回收”的假设，将对象分为3代（0、1、2）。
     • 新对象放入0代，回收频率最高；存活的对象晋升到更高代，回收频率降低。

示例代码

import gc# 查看GC是否启用（默认启用）
print(gc.isenabled())  # 输出: True# 禁用GC（仅调试用）
gc.disable()
# 手动触发GC
gc.collect()
# 启用GC
gc.enable()# 循环引用示例（引用计数无法回收）
class Node:def __init__(self):self.next = None# 创建循环引用
a = Node()
b = Node()
a.next = b
b.next = a# 删除引用（此时a和b的引用计数仍为1，因互相引用）
del a
del b# 手动回收循环引用的对象
gc.collect()
print(gc.garbage)  # 输出回收的对象列表（通常为空，因已被清理）

• 注意：Python的GC机制几乎无需手动干预，但可通过gc模块调整参数（如回收阈值）或强制回收。

150. 你在项目中使用Python解决过哪些实际问题？请举例说明。

示例1：数据清洗与分析工具

• 问题：某电商平台需要从多个Excel表格中提取销售数据，清洗重复值、缺失值，并生成月度销售报表。
• 解决方案：
  • 使用pandas读取Excel文件，合并多表数据。
  • 用pandas的drop_duplicates()去重，fillna()填充缺失值。
  • 用matplotlib/seaborn绘制销量趋势图、品类占比图。
  • 封装成脚本，支持命令行传入文件路径，自动输出清洗后的数据和报表。

import pandas as pd
import matplotlib.pyplot as pltdef clean_and_analyze(file_paths):# 合并数据dfs = [pd.read_excel(path) for path in file_paths]combined = pd.concat(dfs, ignore_index=True)# 清洗数据combined = combined.drop_duplicates(subset=["订单号"])combined["销售额"] = combined["销售额"].fillna(0)# 分析：月度销售额combined["订单日期"] = pd.to_datetime(combined["订单日期"])combined["月份"] = combined["订单日期"].dt.to_period("M")monthly_sales = combined.groupby("月份")["销售额"].sum()# 绘图monthly_sales.plot(kind="bar")plt.title("月度销售额趋势")plt.savefig("monthly_sales.png")# 保存清洗后的数据combined.to_excel("cleaned_sales.xlsx", index=False)return monthly_sales# 使用示例
if __name__ == "__main__":import sysfile_paths = sys.argv[1:]  # 从命令行接收文件路径clean_and_analyze(file_paths)

示例2：定时任务监控系统

• 问题：某系统需要定时检查多个服务的可用性（如HTTP接口、数据库连接），异常时发送邮件报警。
• 解决方案：
  • 用schedule库实现定时任务（如每5分钟执行一次检查）。
  • 用requests检查HTTP接口状态，pymysql检查数据库连接。
  • 用smtplib发送报警邮件，包含异常详情。

import schedule
import time
import requests
import pymysql
import smtplib
from email.mime.text import MIMEText# 配置
SERVICES = {"API服务": "https://api.example.com/health","数据库": {"host": "db.example.com", "user": "admin", "password": "xxx"}
}
ALERT_EMAIL = "[e-mail]"def send_alert(message):"""发送报警邮件"""msg = MIMEText(message)msg["Subject"] = "服务异常报警"msg["From"] = "[e-mail]"msg["To"] = ALERT_EMAILwith smtplib.SMTP("smtp.example.com", 587) as server:server.starttls()server.login("[e-mail]", "password")server.send_message(msg)def check_service():"""检查服务可用性"""for name, config in SERVICES.items():if isinstance(config, str):  # HTTP服务try:response = requests.get(config, timeout=10)if response.status_code != 200:raise Exception(f"状态码异常: {response.status_code}")except Exception as e:send_alert(f"{name}异常: {str(e)}")else:  # 数据库服务try:conn = pymysql.connect(**config, timeout=10)conn.close()except Exception as e:send_alert(f"{name}异常: {str(e)}")# 定时任务：每5分钟检查一次
schedule.every(5).minutes.do(check_service)# 启动监控
while True:schedule.run_pending()time.sleep(1)

• 效果：实现了自动化监控，减少人工干预，及时发现并处理服务故障。

二、150道Python面试题目录列表

文章序号	Python面试题150道
1	Python面试题及详细答案150道（01-15）
2	Python面试题及详细答案150道（16-30）
3	Python面试题及详细答案150道（31-40）
4	Python面试题及详细答案150道（41-55）
5	Python面试题及详细答案150道（56-70）
6	Python面试题及详细答案150道（71-80）
7	Python面试题及详细答案150道（81-90）
8	Python面试题及详细答案150道（91-100）
9	Python面试题及详细答案150道（101-115）
10	Python面试题及详细答案150道（116-125）
11	Python面试题及详细答案150道（126-135）
12	Python面试题及详细答案150道（136-150）