Python 中装饰器是如何工作的？

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能。它接收一个函数作为参数，并返回一个新的函数。

Python 的 GIL 是什么？对多线程有什么影响？

GIL（Global Interpreter Lock）是CPython解释器中的一个互斥锁，保证同一时刻只有一个线程在执行Python字节码。这意味着在CPU密集型任务中，多线程无法利用多核优势，但在IO密集型任务中依然有效。

掌握 Python 面试题核心考点

深度解析互联网大厂高频 Python 面试题，从语言特性到架构设计，助你轻松应对技术面试，斩获心仪 Offer。

一、 Python 面试题：基础数据类型与内存管理

这是所有 Python 面试题 的必经之路，考察对底层原理的理解。

列表推导式 vs 生成器表达式

在 Python 面试题 中，考察内存优化的频率极高。列表推导式 [x for x in range(1000)] 会立即生成所有元素，占用大量内存；而生成器表达式 (x for x in range(1000)) 采用惰性求值，按需生成，极大节省内存。在处理大数据集时，面试官更倾向于看到使用生成器的方案。

可变与不可变类型

理解可变（如 List, Dict, Set）与不可变（如 Tuple, String, Int）类型是解决 Python 面试题 中陷阱题的关键。不可变类型在修改时会创建新对象，而可变类型直接在原内存地址修改。这直接影响函数参数传递的行为及默认参数的陷阱（如 def func(a=[])）。

GIL 全局解释器锁

几乎所有高级 Python 面试题 都会涉及 GIL。GIL 确保同一时刻只有一个线程执行 Python 字节码。这意味着在 CPU 密集型任务中，多线程无法实现真正的并行加速，甚至可能比单线程慢。但在 IO 密集型任务中，多线程依然有效，因为 IO 等待时会释放 GIL。

二、 Python 面试题：装饰器、元类与并发

进阶内容，区分初级与高级程序员的关键领域。

什么是装饰器？如何在 Python 面试题中手写一个装饰器？

装饰器是 Python 高级特性中的常客。它本质上是一个接受函数作为参数并返回新函数的高阶函数。在面试中，面试官常要求实现带参数的装饰器或保留原函数元信息（使用 @functools.wraps）。

import functools
def my_decorator(func):
    @functools.wraps(func)
    def wrapper(args, kwargs):
        print("Before function call")
        result = func(args, kwargs)
        print("After function call")
        return result
    return wrapper
@my_decorator
def say_hello():
    print("Hello!")

此外，还需要了解装饰器在 Flask/Django 路由注册、权限校验、日志记录等场景中的应用，这些都是 Python 面试题 中的实战考点。

元类（Metaclass）的作用是什么？

元类是类的类，定义了类如何被创建。虽然在实际开发中很少直接使用元类，但在 Python 面试题 中，它常用来考察对 Python 对象模型的理解。常见的应用场景包括 ORM 框架（如 Django Models）中自动映射数据库字段，或强制实现某些接口方法。

面试中常问：“如何实现一个单例模式？”除了使用装饰器或模块级变量，使用元类也是标准答案之一，因为它能在类实例化阶段进行控制。

协程与异步 IO：async/await 原理

随着高并发需求的增加，Python 面试题 对异步编程的考察比重逐年上升。需要理解事件循环（Event Loop）、协程（Coroutine）、Task 和 Future 的概念。重点在于区分 asyncio 与多线程/多进程的区别：异步是单线程内的并发，适合 IO 密集型；多进程适合 CPU 密集型。

常见考点还包括：如何在异步代码中同步调用阻塞 IO？（答案：使用 loop.run_in_executor），以及异步上下文管理器的实现（__aenter__ 和 __aexit__）。

三、 Python 面试题：Web 框架与数据库交互

企业级开发必备技能，考察工程化能力。

Django vs Flask vs FastAPI

在 Python 面试题 中，经常会被问及框架选型。Django 是“大而全”的 ORM 框架，适合快速开发大型项目；Flask 是“微框架”，灵活轻量，适合小型应用或微服务；FastAPI 基于 Starlette 和 Pydantic，性能极高，原生支持异步，是当前新兴的热门选择，尤其在 AI 接口封装中。

SQL 注入与 ORM 安全性

考察对数据库安全的理解。虽然 ORM（如 Django ORM, SQLAlchemy）能自动防止大部分 SQL 注入，但仍需注意原生 SQL 的使用。面试中常问：“如何优化 Django 的 N+1 查询问题？”（答案：select_related 和 prefetch_related）。

RESTful API 设计规范

后端开发 Python 面试题 必考。需要掌握 HTTP 状态码的含义（200, 201, 400, 401, 403, 404, 500），资源命名规范（名词复数），以及幂等性概念。FastAPI 中如何定义路径参数、查询参数和请求体也是高频考点。

考点维度	Django	Flask	FastAPI
学习曲线	陡峭（组件多）	平缓	中等（需懂类型提示）
异步支持	弱（3.1+ 部分支持）	无原生支持	原生强支持
性能	中等	中等	极高（接近 Go/Node.js）
适用场景	后台管理系统、电商	小型服务、原型开发	高并发 API、AI 服务

四、 Python 面试题：算法与数据结构实战

大厂面试敲门砖，重点考察逻辑思维与代码实现。

1. 链表反转

经典入门题。考察指针操作。在 Python 中，由于没有显式指针，需通过变量交换实现。注意处理空链表和单节点链表的情况。时间复杂度 O(n)，空间复杂度 O(1)。

2. 二叉树遍历

前序、中序、后序遍历的递归与非递归实现。非递归实现需借助栈（Stack）或队列（Queue）。面试中常结合 BFS（层序遍历）一起考察，需熟练掌握队列的 collections.deque 用法。

3. 动态规划（DP）

如“爬楼梯”、“最长公共子序列”。考察状态转移方程的构建。Python 中可利用 @lru_cache 装饰器简化记忆化搜索，避免重复计算。这是区分候选人算法深度的关键题。

4. 排序算法优化

虽然 Python 内置 sorted() 使用 Timsort，但面试可能要求手写快排或归并排序。需关注最坏情况下的时间复杂度优化，以及稳定性问题。

常见 Python 面试题问答精选

Q1: Python 中 `is` 和 `==` 的区别是什么？

== 比较的是值是否相等，而 is 比较的是内存地址是否相同（即是否为同一个对象）。在 Python 面试题 中，这常与整数缓存机制（小整数对象池）结合考察，例如 a = 256; b = 256; a is b 为 True，但 a = 257; b = 257; a is b 可能为 False（取决于实现和编译环境）。

Q2: 如何实现 Python 的多线程？

Python 提供 threading 和 multiprocessing 模块。由于 GIL 的存在，Python 面试题 中通常建议：CPU 密集型任务使用多进程（multiprocessing），IO 密集型任务使用多线程（threading）或异步 IO（asyncio）。

Q3: Python 的垃圾回收机制是怎样的？

主要采用引用计数为主，标记-清除和分代收集为辅的策略。引用计数是主要的回收机制，当对象引用数为 0 时立即回收。标记-清除用于解决循环引用问题，分代收集则通过延迟回收年轻对象来提高效率。理解 GC 有助于写出更高效、无内存泄漏的代码，是高级 Python 面试题 的重点。

掌握 Python 面试题 核心考点