Python常见面试题的详解14

1. 从变量 A 中匹配 JSON 字符串

在处理文本数据时，有时需要从变量里找出其中的 JSON 字符串。JSON 字符串一般以 { 或 [ 开头，以 } 或 ] 结尾，但简单的正则匹配可能不够严谨，所以还需用 json 模块进行验证。

• 要点

1. 利用正则表达式 \{.*?\} 和 \[.*?\] 分别匹配可能的 JSON 对象和数组字符串。
2. 使用 re.findall 函数找出所有可能的匹配结果。
3. 借助 json.loads 函数对匹配结果进行验证，只有能成功解析的才认定为有效的 JSON 字符串。
4. 若处理的文本包含复杂的嵌套 JSON 结构，简单的正则表达式可能无法准确匹配。此时，可以考虑编写更复杂的正则表达式，或者使用递归方法来处理嵌套结构。另外，对于包含大量数据的文本，频繁调用 json.loads 会影响性能，可以先通过正则表达式筛选出更可能是 JSON 的字符串，再进行验证。

• 示例

python

import re
import json# 示例变量 A，包含多种文本和可能的 JSON 字符串
A = 'Some text before {"name": "John", "age": 30} and some text after [1, 2, 3] more text'
# 定义正则表达式模式，用于匹配可能的 JSON 对象和数组
patterns = [r'\{.*?\}', r'\[.*?\]']
json_strings = []# 遍历模式列表，查找所有可能的匹配项
for pattern in patterns:matches = re.findall(pattern, A)for match in matches:try:# 尝试将匹配结果解析为 JSONjson.loads(match)json_strings.append(match)except json.JSONDecodeError:# 若解析失败，说明不是有效的 JSON 字符串，跳过continueprint(json_strings)

 

2. 过滤评论中的表情

在处理评论数据时，表情符号可能会干扰分析过程，因此需要将其过滤掉。表情符号通常对应特定的 Unicode 编码范围，可利用正则表达式匹配并去除。

• 要点

1. 定义一个正则表达式，涵盖常见表情符号的 Unicode 编码范围。

2. 使用 re.sub 函数将匹配到的表情符号替换为空字符串，实现过滤。

3. 随着新的表情符号不断出现，需要定期更新 Unicode 范围。此外，对于一些特殊字体或变体的表情符号，可能需要进一步调整正则表达式。还可以考虑结合机器学习方法，通过训练模型来识别和过滤表情符号，提高过滤的准确性。

•  示例

python

import redef filter_emoji(comment):# 定义正则表达式，匹配常见表情符号的 Unicode 范围emoji_pattern = re.compile("["u"\U0001F600-\U0001F64F"  # 表情符号u"\U0001F300-\U0001F5FF"  # 符号与象形图u"\U0001F680-\U0001F6FF"  # 交通与地图符号u"\U0001F1E0-\U0001F1FF"  # 旗帜（iOS）u"\U00002702-\U000027B0"u"\U000024C2-\U0001F251""]+", flags=re.UNICODE)# 将匹配到的表情符号替换为空字符串return emoji_pattern.sub(r'', comment)# 示例评论，包含表情符号
comment = "这条评论有😀表情哦👍"
filtered_comment = filter_emoji(comment)
print(filtered_comment)

3.  search 和 match 的区别

re.search 和 re.match 是 re 模块中用于正则匹配的重要函数，它们的主要差异在于匹配的起始位置。

• 要点

1. re.match 函数从字符串的开头开始匹配，如果开头不匹配则返回 None。

2. re.search 函数会在整个字符串中查找匹配的位置，只要字符串中有一处匹配就会返回匹配对象。

3. 当需要确保匹配从字符串开头开始时，应使用 match 函数；当只关心字符串中是否存在匹配，而不关心位置时，使用 search 函数更合适。此外，match 和 search 返回的匹配对象都有一些方法和属性，如 group() 用于获取匹配的字符串，start() 和 end() 用于获取匹配的起始和结束位置。

•  示例

python

import retext = "Hello, World!"
pattern = r"World"# 使用 match 函数进行匹配
match_result = re.match(pattern, text)
if match_result:print("match 匹配成功")
else:print("match 匹配失败")# 使用 search 函数进行匹配
search_result = re.search(pattern, text)
if search_result:print("search 匹配成功")
else:print("search 匹配失败")

4. 进程总结

进程是程序在操作系统中的一次执行过程，是系统进行资源分配和调度的基本单位。每个进程都拥有独立的内存空间和系统资源，如文件描述符等。

• 要点

1. 进程是程序执行的实例，有自己独立的资源。

2. 在 Python 中，使用 multiprocessing 模块创建和管理进程。

3. Process 类用于创建新的进程，start 方法启动进程，join 方法等待进程结束。

4. 进程间通信（IPC）是多进程编程中的重要环节，常见的 IPC 机制包括管道（Pipe）、队列（Queue）和共享内存等。不同的 IPC 机制适用于不同的场景，如管道适用于简单的单向或双向通信，队列适用于多个进程间的数据共享和同步。

•   示例

python

import multiprocessingdef worker():print("子进程执行")if __name__ == '__main__':# 创建一个新的进程p = multiprocessing.Process(target=worker)# 启动进程p.start()# 等待进程执行完毕p.join()

5. 多进程、多线程和协程的理解与应用

• 多进程：多个进程可以在多核 CPU 上并行执行，每个进程有独立的内存空间和系统资源。适用于计算密集型任务，如大规模数据计算、图像处理等。

• 多线程：一个进程可以包含多个线程，线程共享进程的内存空间和系统资源。适合 I/O 密集型任务，如网络请求、文件读写等。

• 协程：协程是一种轻量级的线程，由程序自身控制执行流程，不需要操作系统进行调度。适合处理大量的 I/O 密集型任务，性能较高。

• 要点

1. 多进程利用多核 CPU 实现并行计算，但创建和销毁开销大，进程间通信复杂。

2. 多线程共享资源，适合 I/O 密集型任务，但可能存在线程安全问题。

3. 协程轻量级，由程序控制调度，适合大量 I/O 任务，性能高。

4. 在实际项目中，可以根据任务的特点综合使用多进程、多线程和协程。例如，在一个网络爬虫项目中，可以使用多进程充分利用多核 CPU，每个进程中使用多线程或协程处理多个网络请求，提高爬虫的效率。

• 示例

python

# 多进程示例
import multiprocessingdef process_worker():print("多进程工作中")if __name__ == '__main__':p = multiprocessing.Process(target=process_worker)p.start()p.join()# 多线程示例
import threadingdef thread_worker():print("多线程工作中")t = threading.Thread(target=thread_worker)
t.start()
t.join()# 协程示例
import asyncioasync def coroutine_worker():print("协程工作中")asyncio.run(coroutine_worker())

6. 说明异步使用场景

Python 的异步编程可以提高程序的并发性能，尤其适用于 I/O 密集型任务。

• 要点

1. 网络编程中，异步编程可在等待网络响应时处理其他任务，提高并发性能。

2. 文件读写和数据库操作等 I/O 密集型任务也适合使用异步编程，避免阻塞线程。

3. 除了 asyncio 和 aiohttp，还有其他异步库可用于不同的场景，如 asyncpg 用于异步 PostgreSQL 数据库操作，aioredis 用于异步 Redis 操作。在编写异步代码时，要注意避免阻塞异步事件循环，确保所有 I/O 操作都是异步的。

• 示例

python

import asyncio
import aiohttpasync def fetch(session, url):# 异步发起 HTTP 请求async with session.get(url) as response:return await response.text()async def main():async with aiohttp.ClientSession() as session:# 异步获取网页内容html = await fetch(session, 'http://example.com')print(html)# 运行异步程序
asyncio.run(main())

7. 多线程共同操作同一个数据的互斥锁同步

多个线程同时操作同一个数据时，可能会导致数据不一致的问题，使用互斥锁可以解决这个问题。

• 要点

1. 使用 threading.Lock() 创建互斥锁对象。

2. 在访问共享数据前，使用 acquire 方法获取锁，确保只有一个线程能进入临界区。

3. 操作完成后，使用 release 方法释放锁，允许其他线程访问。

python

import threading# 共享数据
counter = 0
# 创建互斥锁
lock = threading.Lock()def increment():global counterfor _ in range(100000):# 获取锁lock.acquire()try:counter += 1finally:# 释放锁lock.release()threads = []
for _ in range(2):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()print(counter)

• 示例

在实际应用中，为了避免死锁，应尽量减少锁的持有时间，避免嵌套锁的使用。同时，可以使用 with 语句来简化锁的获取和释放操作。

python

import threadingcounter = 0
lock = threading.Lock()def increment():global counterfor _ in range(100000):with lock:counter += 1threads = []
for _ in range(2):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()print(counter)

8. 什么是多线程竞争

多线程竞争是指多个线程同时访问和修改共享资源时，由于执行顺序的不确定性，导致数据不一致或程序出现错误的现象。

• 要点

1. 多个线程同时操作共享资源时，可能会出现数据竞争问题，如部分操作丢失。

2. 线程执行顺序的不确定性是导致竞争的主要原因。

3. 为了避免多线程竞争，可以使用同步机制，如互斥锁、信号量等。此外，还可以使用原子操作或无锁数据结构来提高并发性能。

• 示例

python

import threadingcounter = 0def increment():global counterfor _ in range(100000):counter += 1threads = []
for _ in range(2):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()print(counter)  # 结果可能不是 200000

9. 什么是线程同步

线程同步是多线程编程中确保数据一致性和程序正确性的重要手段，Python 提供了多种线程同步机制。

• 要点

1. 互斥锁（Lock）确保同一时刻只有一个线程能访问共享资源。

2. 递归锁（RLock）允许同一线程多次获取锁，避免嵌套调用时的死锁。

3. 信号量（Semaphore）可以控制同时访问共享资源的线程数量。

4. 条件变量（Condition）也是一种重要的线程同步机制，常用于生产者 - 消费者模型中。在使用线程同步机制时，要根据具体的场景选择合适的锁，避免死锁和性能问题。

• 示例

python

# 互斥锁示例
import threadinglock = threading.Lock()
shared_variable = 0def increment_with_lock():global shared_variablefor _ in range(100000):with lock:shared_variable += 1threads = []
for _ in range(2):t = threading.Thread(target=increment_with_lock)threads.append(t)t.start()for t in threads:t.join()print(shared_variable)# 递归锁示例
import threadingrlock = threading.RLock()def recursive_function():rlock.acquire()try:print("进入递归函数")if threading.current_thread().ident % 2 == 0:recursive_function()finally:rlock.release()t = threading.Thread(target=recursive_function)
t.start()
t.join()# 信号量示例
import threading
import timesemaphore = threading.Semaphore(2)def worker():semaphore.acquire()try:print(f"{threading.current_thread().name} 开始工作")time.sleep(1)print(f"{threading.current_thread().name} 结束工作")finally:semaphore.release()threads = []
for i in range(5):t = threading.Thread(target=worker, name=f"Thread-{i}")threads.append(t)t.start()for t in threads:t.join()

10. 锁的概念与类型

锁是一种用于控制多个线程或进程对共享资源访问的机制，确保在同一时刻只有一个线程或进程能够访问共享资源，避免数据竞争和不一致。

• 互斥锁（Mutex）：Python 中的 threading.Lock 实现了互斥锁，同一时刻只有一个线程能获取锁。

python

import threadinglock = threading.Lock()
shared_data = 0def access_shared_data():lock.acquire()try:global shared_datashared_data += 1finally:lock.release()t = threading.Thread(target=access_shared_data)
t.start()
t.join()

• 递归锁（Reentrant Lock）：threading.RLock 是递归锁，允许同一线程多次获取锁，避免嵌套调用时的死锁。

python

import threadingrlock = threading.RLock()def recursive_access():rlock.acquire()try:print("获取递归锁")if threading.current_thread().ident % 2 == 0:recursive_access()finally:rlock.release()t = threading.Thread(target=recursive_access)
t.start()
t.join()

• 读写锁（Read - Write Lock）：允许多个线程同时进行读操作，但写操作会独占资源。可通过 threading.Lock 结合逻辑实现简单的读写锁。
• 信号量（Semaphore）：threading.Semaphore 可以控制同时访问共享资源的线程或进程数量，当信号量值为 1 时相当于互斥锁。

python

import threading
import timesemaphore = threading.Semaphore(2)def worker():semaphore.acquire()try:print(f"{threading.current_thread().name} 开始工作")time.sleep(1)print(f"{threading.current_thread().name} 结束工作")finally:semaphore.release()threads = []
for i in range(5):t = threading.Thread(target=worker, name=f"Thread-{i}")threads.append(t)t.start()for t in threads:t.join()

• 要点

1. 不同类型的锁适用于不同的场景，选择合适的锁可以提高程序的性能和正确性。

2. 互斥锁和递归锁用于保护共享资源，避免多线程竞争。

3. 读写锁和信号量可以根据具体需求控制线程的访问权限。

4. 在高并发场景下，还可以使用更高级的锁机制，如自旋锁、乐观锁等。此外，在分布式系统中，需要使用分布式锁来保证多个进程或服务之间对共享资源的安全访问。

友情提示：本文已经整理成文档，可以到如下链接免积分下载阅读

https://download.csdn.net/download/ylfhpy/90403179