目录 1. 引言 2. 类与实例 2.1 定义一个类 2.2 创建实例 2.3 self 是什么 3. 属性与方法 3.1 实例属性与类属性 3.2 实例方法、类方法与静态方法 3.3 属性封装与 p

平时做经营分析或者跑日报，第一步往往不是画图，而是先面对一份"不太干净"的导出的明细表：重复的单号、位数对不上的手机号、莫名其妙的负数金额、格式乱掉的日期…… 在跑任何分析之前，得先确认数据靠谱。 下

一次接收因超时退出，底层 TCP transport 却仍在读取。AnyIO 用 try/finally 补回取消后的暂停；真实 TCP 实验对照修复前后 4 MiB 接收队列与连接复用。

Word 文档在内容编排上足够灵活，但需要把文档内容送入下游系统做结构化处理时，XML 往往是更合适的中转格式。本文围绕 Spire.Doc for Python，梳理 Word 转 XML 的实现。

长篇写作最怕三件事，写到一半忘了前文设定，人物性格悄悄走样，文风越写越飘。围绕这些问题，社区里已经冒出几类思路不同的 Skill 和工作流。这份报告先讲清 Skill 是什么，再逐个拆解代表方案，最后

Python 线程：什么时候该用，什么时候别用 写并发代码的时候，很多人第一反应就是"开线程"。 但 Python 的线程有个特殊的地方——GIL（全局解释器锁）。这东西让 Python 同一时刻只能

结论先行：list 和 tuple 的差别不只是"能不能改"这么简单。实测 CPython 3.13.14：tuple 字面量创建比 list 快 6.7 倍（0.012s vs 0.078s，各 1

日常开发或文档编写中，Markdown 凭借其轻量、易读的语法，成为了许多技术文档和笔记的首选格式。本文将以代码化的方式实现 Markdown 到 PDF 的转换，并针对页面设置进行基础的自定义调整。

前端转 AI 第 32 天：LLM 客户端工程化 - 重试、超时、降级、限流 昨日回顾 Day 31 跑通了第一次真实 LLM 调用，助手会"思考"了。 但能调用 ≠ 能上线。真实场景下的 LLM A

新增怎么拿 ID？删除为什么 flush？修改后一定要 refresh 吗？ 从单条操作到批量处理，直接看需求、代码和每一步的作用。 先看公共代码：提交、回滚、关闭统一处理，业务里不重复写。 comm

很多人学 Python 第一个踩的坑就是 is 和 ==。一句话先说清：is 比较「是不是同一个对象」（身份），== 比较「值等不等」（内容）。下面用 CPython 3.13.14 实机跑出来的几组

引言：为什么需要模块和包？ 在前面的课程中，我们把所有代码都写在一个文件里。但当程序越来越复杂时，一个文件会变得非常长，难以维护。 这时候就需要用到模块和包： 模块：一个.py文件就是一个模块 包：包

一亿条取前 100 别排序。实测：分块 argpartition + 最小堆 0.43 秒只吃 46 MB，全量排序 0.74 秒吃 382 MB，纯 Python 堆要 10.45 秒。附可跑代码。

把公式复制到一片区域时，这种相对描述让每个单元格都能算对，非常适合批量生成公式。这篇文章用 Spire.XLS for Python 演示两类公式的写法和读取方法。

ARM芯片在手机、轻薄本上确实普遍更省电，但把功劳全算在指令集头上，并不准确。 学术界的主流结论是，决定能效的主要是微架构、制程、缓存与内存设计、整机调度策略，指令集本身的影响相对有限。下面把这件事拆

面向想快速上手 Python 后端的中级开发者。读完你会发现：一个“能跑、能扩、能讲明白”的后端，骨架其实就那么几块拼图。 开篇：为什么我选了 FastAPI，而不是 NestJS？ 先说结论，免得你

写 Python 的人常被教育「函数调用有开销，热点路径要内联」。可这个开销到底多大、由什么构成？本文用 CPython 3.13.14 实测，把一次函数调用拆到底。 一、结论先行 一次空函数调用实测

写 Python 的人几乎都听过一句话：字符串不可变，循环里别用 += 拼接，用 join。 这句话是对的，但很多文章只说结论，不告诉你贵在哪。本文用 1000 段字符串的实测，把 += 和 join

全网卡持续72小时镜像抓包41.8GB：麦克风硬件唤醒为0次。真正未卜先知的，是公网NAT时空超图与端侧向量化推荐。