基础知识
-
列出 5 个常用 Python 标准库？
import os import sys import re import math import time import datetime import random import threading import multiprocessing Python 的内建数据类型有哪些？
int、float、complex # 数值型
bool # 布尔型
str # 字符串
list # 列表
tuple # 元组
dict # 字典
3.简述 with 方法打开处理文件帮我我们做了什么？
with 语句适用于对资源进行访问的场合，确保不管使用过程中是否发生异常都会执行必要的清理操作，释放资源，比如文件使用后自动关闭、线程中锁的自动获取和释放等；
with 语句即上下文管理器，在程序中用来表示代码执行过程中所处的前后环境。上下文管理器：含有enter和exit方法的对象就是上下文管理器。
enter()：在执行 with 语句之前，首先执行该方法，通常返回一个实例对象，如果 with 语句有 as 目标，则将对象赋值给 as 目标。
exit()：在执行 with 语句结束后，自动调用exit() 方法，用户释放资源，若此方法返回布尔值 True，程序会忽略异常。
使用环境：文件读写、线程锁的自动释放等。
with context_expression [as target(s)]:
with-body
这里 context_expression 要返回一个上下文管理器对象，该对象并不赋值给 as 子句中的 target(s)，而是会将上下文管理器的enter() 方法的返回值赋值给 target(s)。
4.Python 的可变和不可变数据类型？
不可变数据类型：即数据被创建之后，数据的值将不再发生改变，有数值、字符、元祖类型；
可变数据类型：数据别创建之后，数据的值可以发生变化，有列表、字典、集合类型。
5.Python 获取当前日期？
`# -*- coding: UTF-8 -*-`
import datetime
import time
if __name__ == "__main__":
print(time.time()) # 时间戳
print(time.strftime("%Y-%m-%d %H:%M:%S %w", time.localtime())) # 年月日时分秒
print(datetime.datetime.now()) # 年月日时分秒
6.统计字符串每个单词出现的次数。
def word_amount(sentence):
split_list = sentence.split()
dict_result = {}
for word_name in split_list:
if word_name not in dict_result.keys():
dict_result[word_name] = 1
else:
dict_result[word_name] += 1
return dict_result
if __name__ == '__main__':
sentence = "I can because i think i can"
dict_result = word_amount(sentence)
print(dict_result)
或者：
if __name__ == '__main__':
sentence = "I can because i think i can"
result = {word: sentence.split().count(word) for word in set(sentence.split())}
print(result)
或者：
from collections import Counter
if __name__ == '__main__':
sentence = "I can because i think i can"
counts = Counter(sentence.split())
print(counts)
7.用 python 删除文件和用 linux 命令删除文件方法。
import os
os.remove("demo.txt")
8.写一段自定义异常代码？
class printException(Exception):
pass
def testRaise():
raise printException('printErr')
if __name__ == '__main__':
try:
testRaise()
except printException, e:
print e
9.举例说明异常模块中 try except else finally 的相关意义。
`# -*- coding: UTF-8 -*-`
def read_filedata(file_name):
file_obj = ""
try:
# 需要检测的异常代码片段
file_obj = open(file_name, "r")
result_data = file_obj.read()
except IOError, e:
# 发生“IOError”异常进行处理的代码片段
file_obj = "文件不存在："+ str(e)
else:
# 没有引发“IOError”异常执行的代码片段，返回读取到的数据
return result_data
finally:
# 不管有没有引发错误都会执行的代码片段，isinstance()用于判断一个数据类型
if isinstance(file_obj, str):
return file_obj
elif isinstance(file_obj, file):
file_obj.close()
else:
return "未知错误，请检查您的代码..."
if __name__ =='__main__':
result = read_filedata("abc.txt")
print(result)
10.遇到 bug 如何处理？
首先查看报错信息，根据报错信息找到相应代码，通常一般的数据结构或者算法错误只要找到报错代码就可以顺利解决；
如果遇到暂时不能解决的错误先不要慌，我们可以使用编译器的 Debug 模式或者自己在代码中加注断点进行代码排查；
如果依然不能解决 bug，我们可以拷贝报错信息，在搜索引擎中进行搜索。没有人写代码不出 bug，如果你在一个 bug 上耗费时间超过半小时，可以与其他同事探讨 (注意节制，可能有些费同事)；
另辟蹊径：方法总比困难多，在进行快速开发时，我们应该优先实现功能而不是拘泥于运行效率，所以遇到一些暂时不能解决的 BUG 可以考虑另外的实现方法。
更多内容可以学习《测试工程师 Python 工具开发实战》书籍
语言特性
- 谈谈对 Python 的了解和其他语言的区别？
Python 是一门语法简洁优美，功能强大无比，应用领域非常广泛，具有强大完备的第三方库的一门强类型的动态，可移植，可扩展，可嵌入的解释型编程语言。
强类型语言、弱类型语言的区别：
如果语言经常隐式地转换变量的类型，那这个语言就是弱类型语言，如果很少会这样做，那就是强类型语言。Python 很少会隐式地转换变量的类型，所以 Python 是强类型的语言。
强类型语言和弱类型原因其判断的根本是是否会隐式进行语言类型转变。强类型原因在速度上可能略逊于弱类型语言，但是强类型定义语带来的严谨性又避免了不必要的错误。
强类型语言包括：Java、.net、Python、C++ 等语言。其中 Python 是动态语言，是强类型定义语言，是类型安全的语言，Java 是静态语言，是强类型定义语言，也是类型安全的语言；弱类型语言包括：VB，PHP，JavaScript 等语言。其中 VBScript 是动态语言，是一种类型不安全的原因。
动态语言、静态语言的区别：
动态类型语言：动态性语言是指在运行期间才去做数据类型检查的语言，也就是说动态类型语言编程时，永远不用给任何变量指定数据类型，该语言会在第一次赋值给变量时，在内部将数据类型记录下来 **。Python 和 Ruby 就是一种典型的动态类型语言，其他的各种脚本语言如 VBScript 也多少属于动态类型语言。
静态类型语言：静态类型语言与动态类则刚好相反，它的数据类型在编译期间检查，也就是说在写程序时要声明所有变量的数据类型，C/C++ 是静态类型语言的典型代表，其他静态语言还有 C#、Java 等。
对于动态语言与静态语言的区分，其根本在于数据类型是在运行期间检查还是在编译期间检查。
编译型语言、解释型语言的区别：
编译型语言：需要将一段程序直接翻译成机器码 (对于 C/C++ 这种非跨平台的语言) 或者中间码 (Java 这种跨平台语言，需要虚拟机再将中间码印射成机器码)。一般需经过编译 (compile)、链接 (linker) 这两个步骤。编译是把源代码编译成机器码，链接是把各个模块的机器码和依赖库串连起来生成可执行文件。
解释型语言：使用解释器将源码逐行解释成机器码并立即执行，不会进行整体性的编译和链接处理，相比编译型语言省了道工序。
一个像是吃饭等菜都上全了再开动，一个像是吃火锅，边涮边吃，时机不一样。
解释型语言的优点：跨平台容易，只需提供特定平台的解释器；缺点：每次运行的时候都要解释一遍，性能上不如编译型语言。
- Python 的解释器种类以及相关特点？
CPython：官方版本的解释器。这个解释器是用 C 语言开发的，所以叫 CPython。在命令行下运行 python 就是启动 CPython 解释器。CPython 是使用最广的 Python 解释器。
IPython：IPython 是基于 CPython 之上的一个交互式解释器，也就是说，IPython 只是在交互方式上有所增强，但是执行 Python 代码的功能和 CPython 是完全一样的。CPython 用>>>作为提示符，而 IPython 用 In [序号]:作为提示符。
PyPy：它的目标是执行速度。PyPy 采用 JIT 技术，对 Python 代码进行动态编译 (注意不是解释)，所以可以显著提高 Python 代码的执行速度。绝大部分 Python 代码都可以在 PyPy 下运行，但是 PyPy 和 CPython 有一些是不同的，这就导致相同的 Python 代码在两种解释器下执行可能会有不同的结果。
Jython：Jython 是运行在 Java 平台上的 Python 解释器，可以直接把 Python 代码编译成 Java 字节码执行。
IronPython：IronPython 和 Jython 类似，只不过 IronPython 是运行在微软.Net 平台上的 Python 解释器，可以直接把 Python 代码编译成.Net 的字节码。
- 说说你知道的 Python3 和 Python2 之间的区别？
编码：Python2 的默认编码是 asscii，这也是导致 Python2 中经常遇到编码问题的原因之一，至于是为什么会使用 asscii 作为默认编码，原因在于 Python 这门语言诞生的时候还没出现 Unicode。Python3 默认采用了 UTF-8 作为默认编码，因此你不再需要在文件顶部写 # coding=utf-8 了。
字符串：Python2 中字符的类型，str：已经编码后的字节序列，unicode：编码前的文本字符；而 Python3 中字符的类型，str：编码过的 unicode 文本字符，bytes：编码前的字节序列。
可以认为字符串有两种状态，即文本状态和字节 (二进制) 状态。Python2 和 Python3 中的两种字符类型都分别对应这两种状态，然后相互之间进行编解码转化。编码就是将字符串转换成字节码，涉及到字符串的内部表示；解码就是将字节码转换为字符串，将比特位显示成字符。
在 Python2 中，str 和 unicode 都有 encode 和 decode 方法。但是不建议对 str 使用 encode，对 unicode 使用 decode, 这是 Python2 设计上的缺陷。Python3 则进行了优化，str 只有一个 encode 方法将字符串转化为一个字节码，而且 bytes 也只有一个 decode 方法将字节码转化为一个文本字符串。
print：Python2 中的 print 是语句；Python3 中的 print 是函数。例如：
# py2
>>> print("hello", "world")
('hello', 'world')
# py3
>>> print("hello", "world")
hello world
这个例子就比较明显了，在 py2 中，print 语句后面接的是一个元组对象，而在 py3 中，print 函数可以接收多个位置参数。如果希望在 Python2 中把 print 当函数使用，那么可以导入 future 模块中的 print_function。
import：python2 默认是按照相对路径导入模块和包，python3 默认则是按照绝对路径导入。
input：Python3：input 解析输入为 str 字符型；Python2：input 解析输入为 int 型，raw_input 解析输入为 str 类型。
算法符：在 Python2 中，/执行传统除法，对于整数执行截断除法，浮点数执行浮点除法 (保留小数部分，即使整除)；//执行 Floor 除法，截除掉余数并且针对整数操作数返回一个整数，如果有任何一个操作数是浮点数，则返回一个浮点数。在 Python3 中，/总是执行真除法，不管操作数的类型，都会返回包含任何余数的浮点结果；//执行 Floor 除法，截除掉余数并且针对整数操作数返回一个整数，如果有任何一个操作数是浮点数，则返回一个浮点数。
int/long：Python3 里，只有一种整数类型 int，大多数情况下，它很像 Python2 里的长整型。Python2 有为非浮点数准备的 int 和 long 类型。int 类型的最大值不能超过 sys.maxint，而且这个最大值是平台相关的。
True 和 False：在 Python2 中，True 和 False 是两个全局变量 (名字)，在数值上分别对应 1 和 0，既然是变量，那么它们就可以指向其它对象。Python3 修正了这个缺陷，True 和 False 变为两个关键字，永远指向两个固定的对象，不允许再被重新赋值。
迭代器：在 Python2 中很多返回列表对象的内置函数和方法在 Python3 都改成了返回类似于迭代器的对象，因为迭代器的惰性加载特性使得操作大数据更有效率。
例如：Python2 中使用 xrange() 来创建一个迭代器对象，使用 range() 创建一个 list 数组 (要生成很大的数字序列的时候，用 xrange 会比 range 性能优很多，因为不需要一上来就开辟一块很大的内存空间)；Python3 中使用 range() 创建迭代器对象，移除了 xrange() 方法。
另外，字典对象的 dict.keys()、dict.values() 方法都不再返回列表，而是以一个类似迭代器的 view 对象返回。高阶函数 map、filter、zip 返回的也都不是列表对象了。Python2 的迭代器必须实现 next 方法，而 Python3 改成了iter()、next。
nonlocal：在 Python2 中可以在函数里面可以用关键字 global 声明某个变量为全局变量，但是在嵌套函数中，想要给一个变量声明为非局部变量是没法实现的，在 Pyhon3，新增了关键字 nonlcoal，一般使用在闭包中的，使变量使用外层的同名变量。