简介面向准备Python技术面试的开发者这份资料系统整理了编程语法、数据结构、算法、面向对象编程、异常处理、标准库、文件操作、网络编程、数据库操作及项目实践等核心内容基本覆盖面试中常见的基础问题与考察重点。压缩包约33.16MB已有508人浏览资料体积适中适合求职者下载后离线复习备考。具体来看资料深入剖析了列表推导式、字典与集合运算、排序和查找算法、递归与动态规划、类与继承机制、try-except异常捕获以及os、sys、json、re等常用标准库的用法还涉及socket通信、SQLite数据库CRUD操作和完整项目开发流程。通过分模块的梳理和实战场景结合读者可以快速定位自身薄弱环节系统巩固Python基础提高技术面试中的答题条理性和竞争力。1. Python技术面试基础知识才是真正的淘汰区很多人准备Python面试一上来就刷算法题、背框架源码结果在一道关于可变默认参数的基础题上翻了车。这类面试真正筛掉的不是不会写爬虫或Django的人而是连列表、字典、函数装饰器、面向对象底层都讲不清楚的人。说白了Python技术面试考的是你对这门语言本身的理解深度框架和项目经验只是加分项基础知识的准确度才是定生死的那条线。本文从数据结构、函数、面向对象三个核心模块讲起配上高频真题和答题思路适合正在准备初级或中级Python岗位面试的人也适合想系统自查基础漏洞的开发者。把下面这些内容吃透面试时基本不会出现张嘴却讲不明白的尴尬场面。2. 数据结构考点可变与不可变、哈希底层、深浅拷贝2.1 可变与不可变对象面试官最爱问的第一题可变对象和不可变对象是Python面试的开门题几乎每三场面试里就有一场会问。可变对象指的是创建后内容还能被修改的对象典型的有列表、字典、集合不可变对象则是一旦创建内容就定死了包括整数、浮点数、字符串、元组。回答的时候不能只背定义要把底层存储逻辑和数据模型讲清楚。面试官通常会让候选人解释「为什么元组是不可变的但里面的列表却能改变内容」。这类题通常这么答元组的不可变指的是元组对象本身的结构不可变也就是元组存的那几个引用指针不能再指向新对象但如果某个引用指向了一个列表那列表里的元素是可以增删改的。可以顺手补一个例子t ([1, 2], 3) t[0].append(4) # 合法t变为([1, 2, 4], 3) t[1] 5 # 报错tuple元素不支持重新赋值这里要注意区分「修改引用的目标」和「修改目标对象的内容」。t[0].append(4)是在改变列表这个对象本身元组内部的那个引用从头到尾没变过t[1] 5则是想把元组的第二个槽位指向另一个对象直接触发TypeError。面试官最想听的就是你能用这个例子把「对象身份」和「对象内容」拆开说。2.2 列表推导式、生成器表达式与内存消耗列表推导式和生成器表达式是Python面试中的出现频率极高的考点。[x * x for x in range(10)]生成的是一个列表内存里会一次性存放十个元素(x * x for x in range(10))生成的是一个生成器元素是边迭代边计算的不会一次性全部放进内存。这道题往往跟大数据处理场景绑定在一起考。# 列表推导式一次性算出所有结果 squares_list [x * x for x in range(10)] print(squares_list[3]) # 输出9 # 生成器表达式惰性计算逐个产出 squares_gen (x * x for x in range(10)) print(squares_gen) # generator object print(next(squares_gen)) # 输出0 print(next(squares_gen)) # 输出1这里面试官会追问「生成器为什么省内存」本质上是生成器实现了迭代器协议每次调用next()才计算下一个值之前算过的结果不会保留。作答时可以提到自己的一个血泪经验之前有个批量处理大文件的模拟项目X一开始用列表推导式把所有行都读进内存几千个文件直接把内存打爆了后来换成生成器流式处理内存占用直线下降。这个细节比单纯背概念更有说服力面试官会认为你真正用过。2.3 深拷贝vs浅拷贝三个典型真题与答题话术深浅拷贝是Python面试的常客而且是一道区分度很高的题。浅拷贝本质上是创建了一个新容器对象但容器内的元素还是指向原来的对象深拷贝则是递归地把所有嵌套对象全部复制一份。copy.copy()和copy.deepcopy()的差别就在这。面试真题有一个二维列表lst [[1, 2], [3, 4]]分别用切片、list()和copy.deepcopy()复制一份然后修改副本里的内层列表问原列表会怎么变化。这道题错得最多的答案是「切片是深拷贝」——不少候选人觉得切片生成了新列表就是深拷贝但实际上切片只复制了外层容器内层列表依然共享引用。画个内存引用图就能讲明白浅拷贝的新列表里存放的是指向旧内层列表的引用深拷贝则会生成两个全新的内层列表。答题话术可以这样收尾如果嵌套结构只有一层浅拷贝完全够用一旦出现嵌套容器安全起见就要用deepcopy。面试官甚至会顺着问json.loads(json.dumps(obj))能不能替代deepcopy此时要指出JSON方案不能处理元组、集合、自定义对象而且会把元组全变成列表。能答出这个层级这道题基本就拿满了。3. 函数与作用域闭包、装饰器、默认参数陷阱3.1 LEGB规则通过一道输出题讲清名字查找顺序Python面试中作用域问题通常以「猜输出」的形式出现LEGB规则是用来解释答案的唯一标准框架。LEGB分别代表Local局部作用域、Enclosing外层函数作用域、Global模块全局作用域、Built-in内置作用域Python在查找一个名字时按这个顺序逐层向上搜索。x 10 # Global def outer(): x 20 # Enclosing def inner(): x 30 # Local print(x) inner() outer() # 输出30把局部那行去掉再问一次输出就变成了20再把外层那行也去掉输出变成10。这类题目本身不难但候选人往往在「什么时候开始查作用域」上犯迷糊函数体内的print(x)是在运行到那一行时才去查找x的不是在函数定义时。还有一个高频变体是函数内部给全局变量赋值却不声明global运行时报UnboundLocalError原因就是Python在编译函数时发现x被赋值直接把它标记为局部变量局部变量在赋值前被读取于是报错。3.2 闭包与装饰器怎么答才能不翻车闭包是指内层函数引用了外层函数中的变量并且外层函数返回了内层函数。面试官会追问「内层函数返回后外层函数的变量还在吗」——答案是还在因为闭包把外层变量绑定在了内层函数的__closure__属性上不会随外层函数执行结束而被回收。这个机制是装饰器的基础也是很多高阶面试题的源头。装饰器面试题里出现频率最高的是让候选人手写一个计算函数执行时间的装饰器并说明为什么需要functools.wrapsimport time import functools def timer(func): functools.wraps(func) # 保留原函数的__name__和__doc__ def wrapper(*args, **kwargs): start time.perf_counter() result func(*args, **kwargs) elapsed time.perf_counter() - start print(f{func.__name__} took {elapsed:.4f}s) return result return wrapper timer def work(): time.sleep(0.1) work()这段代码里functools.wraps是面试官的隐藏考点。不加wraps时work.__name__会变成wrapper导致被装饰函数的元信息丢失部分依赖函数签名的工具会出错。作答时还要说清楚装饰器的执行时机装饰器在外层函数定义时就被执行了也就是timer那一刻timer(work)立即调用并返回wrapper而wrapper里的代码是每次调用work()时才执行。不少候选人会把这两次执行混在一起讲这是翻车重灾区。3.3 可变默认参数一道题暴露基础扎不扎实可变默认参数是Python面试的经典送命题。函数定义时默认参数只会被创建一次之后每次调用如果没传值用的都是同一个对象。所以用列表做默认参数并往里append内容多次调用后列表会一直累积。def add_item(item, items[]): items.append(item) return items print(add_item(a)) # [a] print(add_item(b)) # [a, b]第二次调用时items还是第一次那个列表于是输出变成了[a, b]。正确的写法是默认参数设为None函数内部再创建新列表。答题思路分三步先说出错现象再解释默认参数只在函数定义时求值一次最后给出正确写法。这道题考察的是对Python对象模型的理解而不是背API所以说得越底层越加分。面试官如果继续问「那用不可变对象做默认参数安全吗」要答出安全但没意义因为每次都是新对象等价于没用默认值。4. 面向对象考点MRO、类变量与实例变量、魔术方法4.1 MRO与C3线性化菱形继承怎么排Python面试中的继承问题重点不是继承语法而是多继承下的方法解析顺序。Python的MROMethod Resolution Order使用C3线性化算法保证每个类在MRO里只出现一次且子类永远排在父类前面。面试官最常拿菱形继承来考。class A: def hello(self): print(A) class B(A): pass class C(A): def hello(self): print(C) class D(B, C): pass print(D.mro()) # [class D, class B, class C, class A, class object] D().hello() # 输出C要注意的是D的MRO不是简单的D - B - A - C - A因为A不能出现两次C3算法会把MRO变成D - B - C - A这样C的hello才有机会在A之前被执行。面试官问到这里时最好主动提一句super()不只是找父类而是沿着__mro__继续往后找这样在B.hello()里调用super().hello()会跳到C而不是A。能讲出这个层次说明你对多继承是真的理解了而不是只会记mro()的输出。4.2 类变量与实例变量赋值和修改是两回事类变量与实例变量的区分看起来简单实际面试里出错的人很多尤其是「对类变量赋值」和「修改类变量内容」的语义差别。类变量定义在类体中所有实例共享实例变量定义在__init__里每个实例各有一份。class Counter: count 0 # 类变量 def __init__(self, name): self.name name # 实例变量 c1 Counter(one) c2 Counter(two) Counter.count 1 # 修改类变量 print(c1.count) # 1通过实例读取到类变量 print(c2.count) # 1 c1.count 2 # 给c1创建了实例变量而不是修改类变量 print(Counter.count) # 1 print(c1.count) # 2c1.count 2这个赋值动作不是修改类变量而是给c1实例新建了一个名为count的实例变量从此c1.count优先读实例变量类变量被遮蔽了。面试官再追问「如何让所有实例的类变量同时变化」可以用Counter.count 3或者在类方法中用cls.count。答这条题的关键是区分「绑定」和「原地修改」赋值是在给实例绑新名字原地修改才会影响所有共享对象。4.3 魔术方法__init__与__new__的分工魔术方法在Python面试中覆盖范围很广但面试官问得最频繁的是__init__和__new__的职责区分。这两者的关系是很多候选人长期以来的知识盲区即使工作过几年的开发者也有不少人讲不清楚。__new__是构造方法负责创建并返回实例在__init__之前执行__init__是初始化方法负责给已创建好的实例设置属性没有返回值。一般情况下只需要重写__init__但当你要做单例模式或者不可变对象子类时就得动__new__。class Singleton: _instance None def __new__(cls, *args, **kwargs): if cls._instance is None: cls._instance super().__new__(cls) return cls._instance def __init__(self, value): self.value value s1 Singleton(1) s2 Singleton(2) print(s1 is s2) # True始终返回同一个实例这个单例实现里有个隐藏坑__init__每次都会重新执行所以s1.value会被覆盖为2。面试官如果问「单例模式下如何避免__init__重复初始化」可以加一个标志位判断是否已经初始化过或者在__new__里直接设置属性。这种代码级细节面试里很讨喜说明你有过真实项目经验而不只是在看教程。5. 易错题失分点五个高频失分题复盘5.1 is与看似简单却挂掉大半人的题先看一道高频真题a 257; b 257; a is b返回什么答案是False。很多候选人会想当然地认为整数就是直接比较值所以is也是True。这题的坑在于Python解释器对小整数做了缓存范围是-5到256在这个范围内的整数是单例对象is比较的是对象地址所以a 256; b 256; a is b返回True一旦超出这个范围每次都会创建新对象is的结果就变成False。出错原因在于把和is混为一谈。比较的是值相等is比较的是身份相等也就是id()是否相同。回答这道题时要一层层剥开先说清楚is比较的是内存地址再说小整数缓存的范围最后补充字符串有驻留机制含特殊字符的字符串通常不会被驻留。面试官加问[1, 2] [1, 2]和[1, 2] is [1, 2]时第一个是True第二个是False因为列表是可变对象两个不同地址的列表也能值相等。把这三层讲完这道题就稳了。5.2 异常处理中的else子句多数人说不清用途Python异常处理的完整结构是try / except / else / finally但绝大多数候选人只用过前两个else是失分重灾区。有个高频面试题是「else在异常处理里有什么用」正确答案是else里的代码只有在try块没有抛出任何异常时才会执行。def divide(a, b): try: result a / b except ZeroDivisionError: print(divided by zero) else: print(fresult is {result}) finally: print(cleanup done) divide(10, 2) # 输出result is 5.0再输出cleanup done divide(10, 0) # 输出divided by zero再输出cleanup done很多人觉得else不是必需的因为可以写在try块末尾。区别在于如果try块中途抛异常写在try里的后续代码会被跳过而else里的代码不会因为异常而误执行。更关键的是else块里如果又抛了新的异常不会被前面的except捕获。能答出这层含义的人不多面试官会把这道题作为区分「会用异常」和「理解异常」的分水岭。5.3 生成器与迭代器next()调用两次为何报错真题定义一个生成器g (x for x in range(3))连续调用两次next(g)再list(g)问得到什么。第一次next(g)得到0第二次得到1然后list(g)得到[2]而不是[0, 1, 2]。这道题的易错点在于候选人以为list(g)会从头遍历。错在哪使用list(g)只会继续从生成器的当前位置往后迭代而不会从头开始。这是因为生成器的内部状态保存在gi_frame中next调用会推进状态消耗过的值不会重放。如果想要多次完整遍历必须重新创建一个生成器对象。这类题在笔试题里出现频率极高而且经常和return、yield混在一起考。作答时核心话术是「生成器是一次性消耗品这是协议层面的特性不是bug」。5.4 字符串拼接到底慢不慢面试场景通常是「大量循环里用str 拼接会不会有问题」这道题的答案分层字符串是不可变对象本质上是创建新字符串并重新赋值每次都要复制一遍旧内容所以循环一万次就是一万次全量复制复杂度接近O(n²)。正确的做法是收集到列表里再.join()或者用io.StringIO。# 低效写法 s for i in range(10000): s str(i) # 高效写法 parts [] for i in range(10000): parts.append(str(i)) result .join(parts)join的底层会预先计算总长度一次性分配足够的内存避免了反复重新分配和复制。易错点在于候选人常常回答说「Python的字符串拼接已经优化过了性能没问题」——这种说法对短字符串偶尔成立但CPython的优化只在特定编译场景下生效显式循环里的并没有被优化掉。用这个对比式回答面试官会觉得你不仅知道结论还知道底层原理。5.5 闭包里的nonlocal作用域嵌套再考一次闭包面试里经常出现一段代码在外层函数定义一个计数器变量内层函数对它做自增操作运行时报错。原因和之前讲过的global问题类似内层函数里出现count 1Python就把count判定为内层函数的局部变量赋值前引用导致UnboundLocalError。def counter(): count 0 def increment(): nonlocal count # 声明count来自外层函数 count 1 return count return increment inc counter() print(inc()) # 1 print(inc()) # 2关键区别在于global是告诉Python这个名字要在模块全局作用域里找nonlocal是声明绑定在外层函数的局部作用域里而且它不会一路找到全局只找最近的上一层。作答时可以把global、nonlocal、普通局部作用域三种情况各写一个版本把查找顺序讲明白。很多候选人会在这道题上和LEGB规则联系起来这是对的说明知识已经串起来了。6. 答题技巧与押题思路先下结论再拆原理6.1 万能答题结构结论→现象→原理→代码准备Python面试题时我给自己定了一个强制答题顺序先给结论再给具体现象然后讲底层原理最后补代码示例。比如被问到深浅拷贝第一句先说「浅拷贝复制容器但不复制元素深拷贝递归复制所有内容」然后举例说明嵌套列表修改后的差异再讲引用与对象的关系最后贴代码演示。这个结构的主要作用是防止候选人一上来就讲代码讲了半天面试官不知道你要表达什么。面试官本身也在用这套标准判断候选人第一结论是否正确第二能不能举出反例第三能不能解释为什么。所以答题时先讲结论等于给面试官吃定心丸后面就算扩展得稍微乱一点整体印象分也已经拿到了。6.2 押题思路三道题覆盖大部分考点以我的备考经验来说基础类面试题目其实高度集中可以把押题精力放在三块上可变性与对象模型、作用域与闭包、继承与MRO。这三块正好对应本文第2、3、4章的内容尤其要把可变默认参数、装饰器wraps、菱形继承MRO这三道题背得滚瓜烂熟。它们每一个都能延伸出至少三个追问方向答好了就是整套知识体系的自证。在具体准备时建议用一页纸记录每道题的答题框架只写关键词和代码片段不写完整句子。然后对着镜子或录音设备模拟作答每道题控制在两分钟以内。这个方法帮我通过了多次面试从那以后我每次准备某项技术面之前都会强制把高频题过一遍答题结构先说出来再优化措辞而不是坐在那里默背代码。希望这篇备考笔记能帮你把Python面试的基础关一口一口吃透真正站在面试官角度想清楚「他到底在考什么」而不是抱着知识清单死记硬背。本文还有配套的精品资源点击获取 
长河君 · 2026/10/23 18:36:32 · 阅读 1.2k Python面试基础考点汇总：可变对象、闭包、装饰器与MRO深度解析
简介面向准备Python技术面试的开发者这份资料系统整理了编程语法、数据结构、算法、面向对象编程、异常处理、标准库、文件操作、网络编程、数据库操作及项目实践等核心内容基本覆盖面试中常见的基础问题与考察重点。压缩包约33.16MB已有508人浏览资料体积适中适合求职者下载后离线复习备考。具体来看资料深入剖析了列表推导式、字典与集合运算、排序和查找算法、递归与动态规划、类与继承机制、try-except异常捕获以及os、sys、json、re等常用标准库的用法还涉及socket通信、SQLite数据库CRUD操作和完整项目开发流程。通过分模块的梳理和实战场景结合读者可以快速定位自身薄弱环节系统巩固Python基础提高技术面试中的答题条理性和竞争力。1. Python技术面试基础知识才是真正的淘汰区很多人准备Python面试一上来就刷算法题、背框架源码结果在一道关于可变默认参数的基础题上翻了车。这类面试真正筛掉的不是不会写爬虫或Django的人而是连列表、字典、函数装饰器、面向对象底层都讲不清楚的人。说白了Python技术面试考的是你对这门语言本身的理解深度框架和项目经验只是加分项基础知识的准确度才是定生死的那条线。本文从数据结构、函数、面向对象三个核心模块讲起配上高频真题和答题思路适合正在准备初级或中级Python岗位面试的人也适合想系统自查基础漏洞的开发者。把下面这些内容吃透面试时基本不会出现张嘴却讲不明白的尴尬场面。2. 数据结构考点可变与不可变、哈希底层、深浅拷贝2.1 可变与不可变对象面试官最爱问的第一题可变对象和不可变对象是Python面试的开门题几乎每三场面试里就有一场会问。可变对象指的是创建后内容还能被修改的对象典型的有列表、字典、集合不可变对象则是一旦创建内容就定死了包括整数、浮点数、字符串、元组。回答的时候不能只背定义要把底层存储逻辑和数据模型讲清楚。面试官通常会让候选人解释「为什么元组是不可变的但里面的列表却能改变内容」。这类题通常这么答元组的不可变指的是元组对象本身的结构不可变也就是元组存的那几个引用指针不能再指向新对象但如果某个引用指向了一个列表那列表里的元素是可以增删改的。可以顺手补一个例子t ([1, 2], 3) t[0].append(4) # 合法t变为([1, 2, 4], 3) t[1] 5 # 报错tuple元素不支持重新赋值这里要注意区分「修改引用的目标」和「修改目标对象的内容」。t[0].append(4)是在改变列表这个对象本身元组内部的那个引用从头到尾没变过t[1] 5则是想把元组的第二个槽位指向另一个对象直接触发TypeError。面试官最想听的就是你能用这个例子把「对象身份」和「对象内容」拆开说。2.2 列表推导式、生成器表达式与内存消耗列表推导式和生成器表达式是Python面试中的出现频率极高的考点。[x * x for x in range(10)]生成的是一个列表内存里会一次性存放十个元素(x * x for x in range(10))生成的是一个生成器元素是边迭代边计算的不会一次性全部放进内存。这道题往往跟大数据处理场景绑定在一起考。# 列表推导式一次性算出所有结果 squares_list [x * x for x in range(10)] print(squares_list[3]) # 输出9 # 生成器表达式惰性计算逐个产出 squares_gen (x * x for x in range(10)) print(squares_gen) # generator object print(next(squares_gen)) # 输出0 print(next(squares_gen)) # 输出1这里面试官会追问「生成器为什么省内存」本质上是生成器实现了迭代器协议每次调用next()才计算下一个值之前算过的结果不会保留。作答时可以提到自己的一个血泪经验之前有个批量处理大文件的模拟项目X一开始用列表推导式把所有行都读进内存几千个文件直接把内存打爆了后来换成生成器流式处理内存占用直线下降。这个细节比单纯背概念更有说服力面试官会认为你真正用过。2.3 深拷贝vs浅拷贝三个典型真题与答题话术深浅拷贝是Python面试的常客而且是一道区分度很高的题。浅拷贝本质上是创建了一个新容器对象但容器内的元素还是指向原来的对象深拷贝则是递归地把所有嵌套对象全部复制一份。copy.copy()和copy.deepcopy()的差别就在这。面试真题有一个二维列表lst [[1, 2], [3, 4]]分别用切片、list()和copy.deepcopy()复制一份然后修改副本里的内层列表问原列表会怎么变化。这道题错得最多的答案是「切片是深拷贝」——不少候选人觉得切片生成了新列表就是深拷贝但实际上切片只复制了外层容器内层列表依然共享引用。画个内存引用图就能讲明白浅拷贝的新列表里存放的是指向旧内层列表的引用深拷贝则会生成两个全新的内层列表。答题话术可以这样收尾如果嵌套结构只有一层浅拷贝完全够用一旦出现嵌套容器安全起见就要用deepcopy。面试官甚至会顺着问json.loads(json.dumps(obj))能不能替代deepcopy此时要指出JSON方案不能处理元组、集合、自定义对象而且会把元组全变成列表。能答出这个层级这道题基本就拿满了。3. 函数与作用域闭包、装饰器、默认参数陷阱3.1 LEGB规则通过一道输出题讲清名字查找顺序Python面试中作用域问题通常以「猜输出」的形式出现LEGB规则是用来解释答案的唯一标准框架。LEGB分别代表Local局部作用域、Enclosing外层函数作用域、Global模块全局作用域、Built-in内置作用域Python在查找一个名字时按这个顺序逐层向上搜索。x 10 # Global def outer(): x 20 # Enclosing def inner(): x 30 # Local print(x) inner() outer() # 输出30把局部那行去掉再问一次输出就变成了20再把外层那行也去掉输出变成10。这类题目本身不难但候选人往往在「什么时候开始查作用域」上犯迷糊函数体内的print(x)是在运行到那一行时才去查找x的不是在函数定义时。还有一个高频变体是函数内部给全局变量赋值却不声明global运行时报UnboundLocalError原因就是Python在编译函数时发现x被赋值直接把它标记为局部变量局部变量在赋值前被读取于是报错。3.2 闭包与装饰器怎么答才能不翻车闭包是指内层函数引用了外层函数中的变量并且外层函数返回了内层函数。面试官会追问「内层函数返回后外层函数的变量还在吗」——答案是还在因为闭包把外层变量绑定在了内层函数的__closure__属性上不会随外层函数执行结束而被回收。这个机制是装饰器的基础也是很多高阶面试题的源头。装饰器面试题里出现频率最高的是让候选人手写一个计算函数执行时间的装饰器并说明为什么需要functools.wrapsimport time import functools def timer(func): functools.wraps(func) # 保留原函数的__name__和__doc__ def wrapper(*args, **kwargs): start time.perf_counter() result func(*args, **kwargs) elapsed time.perf_counter() - start print(f{func.__name__} took {elapsed:.4f}s) return result return wrapper timer def work(): time.sleep(0.1) work()这段代码里functools.wraps是面试官的隐藏考点。不加wraps时work.__name__会变成wrapper导致被装饰函数的元信息丢失部分依赖函数签名的工具会出错。作答时还要说清楚装饰器的执行时机装饰器在外层函数定义时就被执行了也就是timer那一刻timer(work)立即调用并返回wrapper而wrapper里的代码是每次调用work()时才执行。不少候选人会把这两次执行混在一起讲这是翻车重灾区。3.3 可变默认参数一道题暴露基础扎不扎实可变默认参数是Python面试的经典送命题。函数定义时默认参数只会被创建一次之后每次调用如果没传值用的都是同一个对象。所以用列表做默认参数并往里append内容多次调用后列表会一直累积。def add_item(item, items[]): items.append(item) return items print(add_item(a)) # [a] print(add_item(b)) # [a, b]第二次调用时items还是第一次那个列表于是输出变成了[a, b]。正确的写法是默认参数设为None函数内部再创建新列表。答题思路分三步先说出错现象再解释默认参数只在函数定义时求值一次最后给出正确写法。这道题考察的是对Python对象模型的理解而不是背API所以说得越底层越加分。面试官如果继续问「那用不可变对象做默认参数安全吗」要答出安全但没意义因为每次都是新对象等价于没用默认值。4. 面向对象考点MRO、类变量与实例变量、魔术方法4.1 MRO与C3线性化菱形继承怎么排Python面试中的继承问题重点不是继承语法而是多继承下的方法解析顺序。Python的MROMethod Resolution Order使用C3线性化算法保证每个类在MRO里只出现一次且子类永远排在父类前面。面试官最常拿菱形继承来考。class A: def hello(self): print(A) class B(A): pass class C(A): def hello(self): print(C) class D(B, C): pass print(D.mro()) # [class D, class B, class C, class A, class object] D().hello() # 输出C要注意的是D的MRO不是简单的D - B - A - C - A因为A不能出现两次C3算法会把MRO变成D - B - C - A这样C的hello才有机会在A之前被执行。面试官问到这里时最好主动提一句super()不只是找父类而是沿着__mro__继续往后找这样在B.hello()里调用super().hello()会跳到C而不是A。能讲出这个层次说明你对多继承是真的理解了而不是只会记mro()的输出。4.2 类变量与实例变量赋值和修改是两回事类变量与实例变量的区分看起来简单实际面试里出错的人很多尤其是「对类变量赋值」和「修改类变量内容」的语义差别。类变量定义在类体中所有实例共享实例变量定义在__init__里每个实例各有一份。class Counter: count 0 # 类变量 def __init__(self, name): self.name name # 实例变量 c1 Counter(one) c2 Counter(two) Counter.count 1 # 修改类变量 print(c1.count) # 1通过实例读取到类变量 print(c2.count) # 1 c1.count 2 # 给c1创建了实例变量而不是修改类变量 print(Counter.count) # 1 print(c1.count) # 2c1.count 2这个赋值动作不是修改类变量而是给c1实例新建了一个名为count的实例变量从此c1.count优先读实例变量类变量被遮蔽了。面试官再追问「如何让所有实例的类变量同时变化」可以用Counter.count 3或者在类方法中用cls.count。答这条题的关键是区分「绑定」和「原地修改」赋值是在给实例绑新名字原地修改才会影响所有共享对象。4.3 魔术方法__init__与__new__的分工魔术方法在Python面试中覆盖范围很广但面试官问得最频繁的是__init__和__new__的职责区分。这两者的关系是很多候选人长期以来的知识盲区即使工作过几年的开发者也有不少人讲不清楚。__new__是构造方法负责创建并返回实例在__init__之前执行__init__是初始化方法负责给已创建好的实例设置属性没有返回值。一般情况下只需要重写__init__但当你要做单例模式或者不可变对象子类时就得动__new__。class Singleton: _instance None def __new__(cls, *args, **kwargs): if cls._instance is None: cls._instance super().__new__(cls) return cls._instance def __init__(self, value): self.value value s1 Singleton(1) s2 Singleton(2) print(s1 is s2) # True始终返回同一个实例这个单例实现里有个隐藏坑__init__每次都会重新执行所以s1.value会被覆盖为2。面试官如果问「单例模式下如何避免__init__重复初始化」可以加一个标志位判断是否已经初始化过或者在__new__里直接设置属性。这种代码级细节面试里很讨喜说明你有过真实项目经验而不只是在看教程。5. 易错题失分点五个高频失分题复盘5.1 is与看似简单却挂掉大半人的题先看一道高频真题a 257; b 257; a is b返回什么答案是False。很多候选人会想当然地认为整数就是直接比较值所以is也是True。这题的坑在于Python解释器对小整数做了缓存范围是-5到256在这个范围内的整数是单例对象is比较的是对象地址所以a 256; b 256; a is b返回True一旦超出这个范围每次都会创建新对象is的结果就变成False。出错原因在于把和is混为一谈。比较的是值相等is比较的是身份相等也就是id()是否相同。回答这道题时要一层层剥开先说清楚is比较的是内存地址再说小整数缓存的范围最后补充字符串有驻留机制含特殊字符的字符串通常不会被驻留。面试官加问[1, 2] [1, 2]和[1, 2] is [1, 2]时第一个是True第二个是False因为列表是可变对象两个不同地址的列表也能值相等。把这三层讲完这道题就稳了。5.2 异常处理中的else子句多数人说不清用途Python异常处理的完整结构是try / except / else / finally但绝大多数候选人只用过前两个else是失分重灾区。有个高频面试题是「else在异常处理里有什么用」正确答案是else里的代码只有在try块没有抛出任何异常时才会执行。def divide(a, b): try: result a / b except ZeroDivisionError: print(divided by zero) else: print(fresult is {result}) finally: print(cleanup done) divide(10, 2) # 输出result is 5.0再输出cleanup done divide(10, 0) # 输出divided by zero再输出cleanup done很多人觉得else不是必需的因为可以写在try块末尾。区别在于如果try块中途抛异常写在try里的后续代码会被跳过而else里的代码不会因为异常而误执行。更关键的是else块里如果又抛了新的异常不会被前面的except捕获。能答出这层含义的人不多面试官会把这道题作为区分「会用异常」和「理解异常」的分水岭。5.3 生成器与迭代器next()调用两次为何报错真题定义一个生成器g (x for x in range(3))连续调用两次next(g)再list(g)问得到什么。第一次next(g)得到0第二次得到1然后list(g)得到[2]而不是[0, 1, 2]。这道题的易错点在于候选人以为list(g)会从头遍历。错在哪使用list(g)只会继续从生成器的当前位置往后迭代而不会从头开始。这是因为生成器的内部状态保存在gi_frame中next调用会推进状态消耗过的值不会重放。如果想要多次完整遍历必须重新创建一个生成器对象。这类题在笔试题里出现频率极高而且经常和return、yield混在一起考。作答时核心话术是「生成器是一次性消耗品这是协议层面的特性不是bug」。5.4 字符串拼接到底慢不慢面试场景通常是「大量循环里用str 拼接会不会有问题」这道题的答案分层字符串是不可变对象本质上是创建新字符串并重新赋值每次都要复制一遍旧内容所以循环一万次就是一万次全量复制复杂度接近O(n²)。正确的做法是收集到列表里再.join()或者用io.StringIO。# 低效写法 s for i in range(10000): s str(i) # 高效写法 parts [] for i in range(10000): parts.append(str(i)) result .join(parts)join的底层会预先计算总长度一次性分配足够的内存避免了反复重新分配和复制。易错点在于候选人常常回答说「Python的字符串拼接已经优化过了性能没问题」——这种说法对短字符串偶尔成立但CPython的优化只在特定编译场景下生效显式循环里的并没有被优化掉。用这个对比式回答面试官会觉得你不仅知道结论还知道底层原理。5.5 闭包里的nonlocal作用域嵌套再考一次闭包面试里经常出现一段代码在外层函数定义一个计数器变量内层函数对它做自增操作运行时报错。原因和之前讲过的global问题类似内层函数里出现count 1Python就把count判定为内层函数的局部变量赋值前引用导致UnboundLocalError。def counter(): count 0 def increment(): nonlocal count # 声明count来自外层函数 count 1 return count return increment inc counter() print(inc()) # 1 print(inc()) # 2关键区别在于global是告诉Python这个名字要在模块全局作用域里找nonlocal是声明绑定在外层函数的局部作用域里而且它不会一路找到全局只找最近的上一层。作答时可以把global、nonlocal、普通局部作用域三种情况各写一个版本把查找顺序讲明白。很多候选人会在这道题上和LEGB规则联系起来这是对的说明知识已经串起来了。6. 答题技巧与押题思路先下结论再拆原理6.1 万能答题结构结论→现象→原理→代码准备Python面试题时我给自己定了一个强制答题顺序先给结论再给具体现象然后讲底层原理最后补代码示例。比如被问到深浅拷贝第一句先说「浅拷贝复制容器但不复制元素深拷贝递归复制所有内容」然后举例说明嵌套列表修改后的差异再讲引用与对象的关系最后贴代码演示。这个结构的主要作用是防止候选人一上来就讲代码讲了半天面试官不知道你要表达什么。面试官本身也在用这套标准判断候选人第一结论是否正确第二能不能举出反例第三能不能解释为什么。所以答题时先讲结论等于给面试官吃定心丸后面就算扩展得稍微乱一点整体印象分也已经拿到了。6.2 押题思路三道题覆盖大部分考点以我的备考经验来说基础类面试题目其实高度集中可以把押题精力放在三块上可变性与对象模型、作用域与闭包、继承与MRO。这三块正好对应本文第2、3、4章的内容尤其要把可变默认参数、装饰器wraps、菱形继承MRO这三道题背得滚瓜烂熟。它们每一个都能延伸出至少三个追问方向答好了就是整套知识体系的自证。在具体准备时建议用一页纸记录每道题的答题框架只写关键词和代码片段不写完整句子。然后对着镜子或录音设备模拟作答每道题控制在两分钟以内。这个方法帮我通过了多次面试从那以后我每次准备某项技术面之前都会强制把高频题过一遍答题结构先说出来再优化措辞而不是坐在那里默背代码。希望这篇备考笔记能帮你把Python面试的基础关一口一口吃透真正站在面试官角度想清楚「他到底在考什么」而不是抱着知识清单死记硬背。本文还有配套的精品资源点击获取