Python
核心答案 DNS 解析 → TCP 三次握手 → TLS 握手（HTTPS）→ 发送 HTTP 请求 → 服务器处理 → 响应 → TCP 挥手 深入分析 1. DNS 解析：浏览器缓存 → 系统 hosts → 本地 DNS → 递归查询权威 DNS 2. TCP 三次握手：SYN → SYN-ACK → ACK，建立可靠连接 3. TLS 握手（HTTPS）：Client Hello → Server Hello + 证书 → 密钥交换 → 握手完成 4. HTTP 请求：请求行 + 请求头 + 请求体 5. 服务器处理：路由 → 业务逻辑 → 数据
Python
uv 是由 Astral（Ruff 的开发团队）用 Rust 编写的 Python 包管理器和项目管理工具。它将 pip、pip-tools、pipx、pyenv、virtualenv 的功能集成到一个工具中，速度比 pip 快 10-100 倍。 相关文档：Python包管理工具(/python-bao-guan-li-gong-ju/) | FastAPI完全指南(/fastapi-wan-quan-zhi-nan/) | pytest完全指南(/pytest-wan-quan-zhi-nan/) uv 是一个"全能型"Python 工具链，可替代多
Python
requests 是 Python 最流行的 HTTP 客户端库，封装了 urllib3，提供简洁的 API。适用于同步场景；异步场景推荐使用 httpx完全指南(/httpx-wan-quan-zhi-nan/)。 requests 提供对应各 HTTP 方法的函数，均返回 Response 对象。 所有请求方法共享以下参数（部分方法不适用的参数会被忽略）。 Session 对象在多次请求间复用 TCP 连接（HTTP Keep-Alive），并自动持久化 Cookie 和自定义 Header。 mount(prefix, adapter) 为特定 U
Python
相关文档：FastAPI完全指南(/fastapi-wan-quan-zhi-nan/) SQLModel完全指南(/sqlmodel-wan-quan-zhi-nan/) asyncio异步编程完全指南(/asyncio-yi-bu-bian-cheng-wan-quan-zhi-nan/) pytest 是 Python 最主流的测试框架，相比标准库 unittest 更简洁灵活： pytest 会自动展示详细的断言差异，无需使用特殊方法： Fixture 是可复用的测试前置/清理逻辑，通过函数参数自动注入。 放在测试目录的 conftest.py
Python
httpx 是现代 Python HTTP 客户端，同时支持同步和异步，是 requests 库的异步升级替代品。 使用 Client 可以复用连接、共享配置（headers、cookies、超时等）： httpx 本身不内置重试，推荐配合 tenacity： 每个 Client 维护自己的连接池，频繁创建/销毁会导致连接无法复用，性能差。应在应用启动时创建，贯穿整个生命周期（或通过 FastAPI 依赖注入共享）。 生产代码使用 AsyncClient 作为应用级单例：AsyncClient 内部维护连接池，每次请求新建实例会频繁建立 TCP 连接，应
Python
最后更新：2026-03-20 1. Selenium完全指南 · 安装与环境配置(/selenium-wan-quan-zhi-nan/#%E5%AE%89%E8%A3%85%E4%B8%8E%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE) 2. Selenium完全指南 · 启动浏览器(/selenium-wan-quan-zhi-nan/#%E5%90%AF%E5%8A%A8%E6%B5%8F%E8%A7%88%E5%99%A8) 3. Selenium完全指南 · 导航(/selenium-wan-quan-zhi-na
Python
1. Scrapy 架构总览(Scrapy分布式采集.md#1-scrapy-架构总览) 2. Spider 类详解(Scrapy分布式采集.md#2-spider-类详解) 3. Request 与 Response 对象(Scrapy分布式采集.md#3-request-与-response-对象) 4. Item 与 ItemLoader(Scrapy分布式采集.md#4-item-与-itemloader) 5. 下载器中间件(Scrapy分布式采集.md#5-下载器中间件) 6. Spider 中间件(Scrapy分布式采集.md#6-spid
Python
最后更新：2026-03-29 SQLModel 是由 FastAPI 作者（Sebastián Ramírez）开发的库，将 SQLAlchemy（ORM）和 Pydantic（数据验证）合并为一套统一的模型定义。一个类既是数据库表，又是 API 请求/响应的 Schema。 SQLModel 依赖 SQLAlchemy 2.x 和 Pydantic v2，安装时会自动安装。 SQLModel 模型分两类： SQLModel 的 Field() 同时支持 SQLAlchemy 列配置和 Pydantic 验证参数： SQLModel 的标准做法是用一个
Python
SQLAlchemy 由两层组成： 通常使用 ORM 层即可，Core 层在需要批量操作或高性能场景下使用。 SQLAlchemy 2.0 是一次重大版本升级（2023年发布），主要变化： 本文重点介绍 2.x 写法。 常用连接字符串格式： 参数与 create_engine() 相同，但 URL 需使用异步驱动（asyncpg、aiomysql、aiosqlite）。 外键定义： 注意：scoped_session 基于线程本地存储，不适用于异步环境。异步请使用 async_sessionmaker + 依赖注入。 selectinload/joine
Python
Pydantic 是 Python 中最流行的数据验证库，基于 Python 类型注解（Type Hints）实现运行时数据验证、序列化和文档生成。 主要特点： 本文档基于 Pydantic v2。 Pydantic 会尽量将传入数据强制转换为声明的类型： Field() 用于对字段添加更细粒度的约束、默认值、描述等。 适合需要跨字段联合验证的场景。 当模型本身就是一个列表、字典等类型时使用。 FastAPI 深度集成 Pydantic，路由参数、请求体、响应体均使用 Pydantic 模型： .env 文件示例： 验证器是同步的，且会在每次构建模型时调
Python
PyTorch 是由 Meta AI 开发的深度学习框架，以动态计算图（Define-by-Run）为核心，支持 GPU 加速，广泛用于研究和生产环境。 验证安装： Tensor 是 PyTorch 的核心数据结构，类似 NumPy ndarray，但可在 GPU 上运算并支持自动微分。 torch.tensor 参数： PyTorch 通过动态计算图（DAG）自动追踪运算并反向传播梯度。 backward 参数： torch.nn.Module 是所有神经网络模块的基类。 全连接层（线性变换）：y = xW^T + b 参数： 2D 卷积层。 参数：
Python
最后更新：2026-03-27 API 参考：https://docs.pola.rs/api/python/stable/reference/ 1. Polars完全指南 · 安装与版本(/polars-wan-quan-zhi-nan/#%E5%AE%89%E8%A3%85%E4%B8%8E%E7%89%88%E6%9C%AC) 2. Polars完全指南 · 核心概念(/polars-wan-quan-zhi-nan/#%E6%A0%B8%E5%BF%83%E6%A6%82%E5%BF%B5) 3. Polars完全指南 · 数据创建(/polar