面试题精讲:Python 语言特性#

Python 语言特性常以「理解底层逻辑」而非「死记硬背」区分候选人，本文梳理了高频考点，分类整理、删除冗余、突出核心，控制在3000字内。

#一、基础变量与作用域

#1. 参数传递机制：既非值也非引用，是「传对象引用」

核心结论与道满笔记（保留，太形象了）：

• 不可变对象（int/str/tuple）：函数内修改会生成新对象，仅改变「临时标签」指向，原变量不受影响
• 可变对象（list/dict/set）：直接操作原内存，所有指向该地址的变量都感知

道满笔记： 类型属于对象，变量只是标签。函数复制标签贴过去：贴箱子（可变）掏东西全看见；贴石头（不可变）换个石头贴，原石头标签还在。

def modify(x, y):
    x = 2          # 临时标签x指向新对象
    y.append(1)    # 操作原可变对象

a = 1
b = []
modify(a, b)
print(a, b)  # 输出: 1 [1]

#2. is vs ==：身份 vs 值

• ==：调用__eq__比较值
• is：对比id()，判断是否为同一块内存地址

面试陷阱： Python 会缓存 -5~256 的小整数和部分短字符串，超出范围的对象需注意。

#3. LEGB 作用域查找规则

从内到外依次查，找不到报错：

1. L (Local)：当前函数/方法内部
2. E (Enclosing)：嵌套的外层函数（闭包核心）
3. G (Global)：当前模块全局
4. B (Built-in)：Python 内建（如len/str）

#二、核心函数与类

#4. 实例/类/静态方法

理解绑定关系是关键：

#5. 类变量 vs 实例变量

这是最容易掉的属性查找坑：

• 类变量：所有实例共享（除非显式覆盖），用于计数器、默认配置
• 实例变量：__init__中初始化，每个实例独有

避坑原则： 除非明确共享数据，否则永远在__init__里写实例变量。

# 场景1：不可变覆盖
class Person: name = "default"
p1 = Person()
p1.name = "Jack"  # 创建实例变量覆盖查找
print(Person.name, p1.name)  # default Jack

# 场景2：可变污染
class Container: items = []
c1, c2 = Container(), Container()
c1.items.append(1)  # 直接操作类的列表内存
print(c2.items)  # [1]

#6. __new__ vs __init__：诞生 vs 装修

• __new__：类方法，负责创建实例（返回对象）
• __init__：实例方法，负责初始化实例（不返回值）

先有__new__的毛坯房，才有__init__的装修队。

#7. Python 3 中的super()

核心意义：维护 MRO 链条，解决多继承（菱形）问题

• Python 3 简化为super().__init__()，避免硬编码父类
• 根据 C3 算法生成的 MRO 列表（可用ClassName.mro()查看）调用下一个类的方法，确保每个父类只初始化一次

#三、内存管理与性能优化

#8. 深/浅拷贝 vs 赋值

处理嵌套对象时的内存管理核心：

• 赋值（b=a）：仅增加标签，完全等价
• 浅拷贝（copy.copy/切片a[:]）：创建新容器，但子对象引用原地址
• 深拷贝（copy.deepcopy）：递归拷贝所有嵌套对象，新老对象完全独立

#9. 垃圾回收（GC）机制

引用计数为主，标记清除+分代回收为辅

1. 引用计数（主要）：每个对象有ob_refcnt，归零即释放；无法处理循环引用
2. 标记清除：解决循环引用，找「不可达根对象」的对象
3. 分代回收（优化）：基于「活越久越难死」假设，分为0/1/2代，高代检查频率更低

#10. 迭代器与生成器：内存友好的懒加载

• 列表：一次性加载所有数据到内存（易爆）
• 生成器：特殊的迭代器，边循环边计算，仅记住当前位置，调用next()才生成下一个
  • 生成器函数：用yield代替return
  • 生成器表达式：(x for x in range(1000000))（比列表推导式[]省内存）

#11. Python 3 的range()就是迭代器

（合并原27、30）Python 2中range()返回列表、xrange()是迭代器；Python 3废弃xrange()，现有range()是固定内存的懒加载迭代器，循环百万级数据无压力。

#四、Python 3 专属/演进细节

#12. 字符串格式化首选 f-string

（合并原8）按速度和可读性排序：

1. f-string (Py3.6+)：最快、最直观，支持{}内写表达式和格式化控制
2. .format()：功能强大，支持位置/关键字参数
3. %占位符：古老稳健，但易踩元组参数坑

name, score = "道满", 98.5
print(f"{name} 的得分是 {score:.2f}")

#13. 经典 Python 2 vs 3 差异速查

（合并原27精简版）虽然 Python 2 已淘汰，但面试官常考历史：

• print：从语句→print()函数
• 编码：默认全 UTF-8，字符串全 Unicode
• 整除：3/2→1.5（浮点数）

#五、高阶特性与设计模式入门

#14. 闭包：让函数有「记忆」

定义：内嵌函数引用外层函数变量，且外层返回该内嵌函数，形成闭包

• 关键：即使外层执行完，被引用的变量仍存活在__closure__属性中
• 应用：装饰器、延迟计算、封装私有变量

#15. 装饰器：Python 的 AOP 实现

本质：接收一个函数/类，返回增强版的函数/类，满足开闭原则（不修改原代码，动态加功能）

• 核心场景：日志、权限、缓存、计时

#16. 鸭子类型：关注行为而非身份

「走起来像鸭子、叫起来像鸭子，就是鸭子」

• Python 实践：不需要继承特定接口（如Readable），只要实现read()就可以当文件用
• 优势：代码更灵活、解耦度更高

#17. 下划线命名的约定（非强制）

• _foo：私有约定，from module import *不导入
• __foo：名称修饰（变成_ClassName__foo），防止子类覆盖父类属性
• __foo__：魔术方法，Python 内部定义，开发者不要自定义

#18. 元类（简单了解框架即可）

面试常考定义，日常开发少用：

• 类是创建实例的模板，元类是创建类的模板
• 默认元类是type
• 应用：Django ORM、状态机检查（类定义时自动修改行为）

#六、补充高频零散考点

#19. *args/**kwargs：灵活的参数解包

• *args：接收任意位置参数，存为元组
• **kwargs：接收任意关键字参数，存为字典
• 进阶用法：函数调用时解包列表/字典为参数

  def add(a,b,c): return a+b+c
  print(add(*[1,2,3]))  # 输出6

参数顺序（定义时）：普通→*args→默认→**kwargs

#20. 列表/字典推导式

现代 Python 优先用推导式，比map/filter更直观：

• 列表推导式：[x*2 for x in range(5) if x>2]
• 字典推导式（Py2.7+）：{v:k for k,v in {'a':1,'b':2}.items()}

#21. 为什么 Python 不需要函数重载？

动态语言特性天然覆盖：

1. 参数类型：无需声明，可接收任意类型
2. 参数个数：用默认参数、*args/**kwargs解决

全文完，剩余中高级特性（如 GIL、协程、单例模式）可单独成篇深入探讨。