Python
魔术方法（Magic Methods），也称双下方法（Dunder Methods），是 Python 中以双下划线开头和结尾的特殊方法。Python 解释器在特定操作时自动调用这些方法，通过实现它们可以让自定义类与 Python 的内置语法和协议无缝集成。 创建实例时最先调用的静态方法，负责分配内存并返回新实例。 返回值：返回新创建的实例（通常是 cls 的实例）。若不返回 cls 的实例，则不会调用 __init__。 触发时机：调用 MyClass(...) 时，在 __init__ 之前调用。 实例初始化方法，负责设置实例属性。 返回值：必须返回
Python
不接收 self 或 cls，等同于普通函数，只是命名空间归类在类里。 Python 3.10+ 起静态方法继承原函数的属性（__module__、__name__、__qualname__、__doc__、__annotations__），并新增 __wrapped__ 属性，且可直接作为普通函数调用（无需通过类或实例）。 接收 cls（类本身）而非 self（实例），可在不创建实例的情况下访问类变量。 Python 3.10+ 起类方法继承原函数的属性（__module__、__name__、__qualname__、__doc__、__annota
Python
相关文档：内置函数完全参考(/python-nei-zhi-han-shu-wan-quan-can-kao/) | 数据类型(/python-nei-zhi-shu-ju-lei-xing-wan-quan-can-kao/) | 装饰器与函数高级(/python-zhuang-shi-qi-yu-han-shu-gao-ji-yong-fa/) 1. 正则表达式基础语法(#%E4%B8%80%E3%80%81%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E5%9F%BA%E7%A1%80%E8%AF%AD
Python
Python 整数无大小限制，自动支持大整数运算。 返回表示该整数所需的二进制位数（不含符号位和前导零）。 返回整数二进制表示中 1 的个数（汉明重量）。 返回 (numerator, denominator) 使分数等价于该整数，分母为 1。 始终返回 True。为与 float.is_integer() 进行鸭子类型兼容而存在。 基于 IEEE 754 双精度（64 位）。 判断浮点值是否为整数（无小数部分）。 返回 IEEE 754 十六进制字符串表示。用于精确序列化浮点数。 从 hex() 返回的字符串还原浮点数，可跨平台精确还原。 返回分子/分
Python
Python 提供三种主要并发模型：基于线程的 threading、基于进程的 multiprocessing 和基于协程的 asyncio。此外，concurrent.futures 提供了统一的高层接口。选择哪种模型取决于任务类型。 CPython 的 GIL 确保同一时刻只有一个线程执行 Python 字节码。因此，对于纯 Python 的 CPU 密集型代码，多线程不能带来并行加速。但对于 IO 密集型任务，线程在等待 IO 时会释放 GIL，其他线程可以运行。 C 扩展（如 NumPy 的计算部分）在执行期间可以主动释放 GIL，实现真正的并行
Python
见 数据类型(/python-nei-zhi-shu-ju-lei-xing-wan-quan-can-kao/) range 章节。 返回 (index, value) 元组的迭代器。 并行遍历多个迭代器，以最短的为准（strict=False 时）。 返回惰性迭代器，需要 list() 消费。 返回新列表，不修改原对象（区别于 list.sort() 原地排序）。 返回反向迭代器（不创建新列表），要求序列支持 __reversed__ 或 __len__ + __getitem__。 any：任意一个为真返回 True；空迭代器返回 False。 a
Python
pathlib 是 Python 3.4 引入的标准库模块，提供面向对象的文件系统路径操作。相比 os.path 的字符串拼接方式，pathlib 的 Path 对象更直观、更安全，跨平台兼容性更好。 Path() 构造函数的参数： pathlib 重载了 / 运算符来进行路径拼接，这是最推荐的方式： joinpath 的参数： with_name 的参数： with_suffix 的参数： write_text 的参数： read_text 的参数： write_bytes 的参数： read_bytes 无参数，返回 bytes。 Path.open
Python
相关文档：Pydantic完全指南(/pydantic-wan-quan-zhi-nan/) FastAPI完全指南(/fastapi-wan-quan-zhi-nan/) 装饰器与函数高级(/python-zhuang-shi-qi-yu-han-shu-gao-ji-yong-fa/) Python 是动态类型语言，类型注解（PEP 484+）不影响运行时，但提供： Protocol 定义一组方法/属性的接口，只要对象实现了这些方法，就满足 Protocol，无需继承： 不要一次性给整个项目加注解，从公共 API（函数签名）开始，逐步内部化： Any
Python
最后更新：2026-04-22 标准库 logging 需要手动创建 Logger、Handler、Formatter 三层对象，配置繁琐。loguru 用一个全局 logger 对象统一所有操作，开箱即用。 loguru 只有一个全局 logger 对象（loguru.logger），所有输出目标（终端、文件、自定义 sink）通过 logger.add() 注册为 sink，每个 sink 独立配置级别、格式、轮转策略，logger.remove() 移除 sink。 默认 sink 是 sys.stderr，id 为 0。 默认输出格式： logg
Python
相关文档：FastAPI完全指南(/fastapi-wan-quan-zhi-nan/) Celery完全指南(/celery-wan-quan-zhi-nan/) asyncio异步编程完全指南(/asyncio-yi-bu-bian-cheng-wan-quan-zhi-nan/) Logger 名称以 . 分隔形成树形结构，子 Logger 会将日志向上传播给父 Logger： 标准 logging 输出纯文本，难以被日志系统（ELK/Loki）解析。推荐使用 structlog 或 loguru 输出 JSON 格式。 库代码只应获取 logge
Python
itertools 和 functools 是 Python 标准库中两个专注于函数式编程的模块。itertools 提供高效的迭代器工具，functools 提供高阶函数和函数操作工具。两者结合使用能写出简洁、高效、声明式的 Python 代码。 无限迭代器不会自动停止，必须配合 islice、takewhile 或 break 使用，否则会进入死循环。 从起始值开始无限递增计数。 无限循环遍历可迭代对象的元素。 注意：cycle 会将整个可迭代对象的内容缓存在内存中，对大型序列要谨慎使用。 重复输出同一个值，可指定次数或无限重复。 将多个可迭代对象首
Python
contextlib 是 Python 标准库中用于支持上下文管理器的工具模块。它提供了一系列工具，让你无需手动实现 __enter__ / __exit__ 协议就能创建上下文管理器，同时也提供了管理多个上下文、异常抑制、输出重定向等实用工具。 上下文管理器是实现了 __enter__ 和 __exit__ 两个方法的对象，配合 with 语句使用： 等价于： 通过类实现上下文管理器是最基础的方式，适合需要维护状态的场景。 __exit__ 方法的参数说明： contextlib.contextmanager 允许用生成器函数来编写上下文管理器，代码更