《前后端面試題》專欄集合了前后端各個知識模塊的面試題，包括html，javascript，css，vue，react，java，Openlayers，leaflet，cesium，mapboxGL，threejs，nodejs，mangoDB，SQL，Linux… 。

前后端面試題-專欄總目錄

一、本文面試題目錄

71. Python中打開文件的模式有哪些？（如r、w、a、rb、wb等）

在Python中，使用open()函數打開文件時，需要指定文件模式，用于定義文件的操作方式（讀/寫）和數據類型（文本/二進制）。常見的文件模式如下：

模式	含義	說明
r	只讀（默認）	打開已存在的文件，若文件不存在則報錯；指針位于文件開頭。
w	只寫	打開文件用于寫入，若文件不存在則創建，若已存在則清空內容；指針位于文件開頭。
a	追加	打開文件用于寫入，若文件不存在則創建，新內容追加到文件末尾；指針位于文件末尾。
r+	讀寫	打開文件用于讀寫，文件必須存在；指針位于文件開頭。
w+	讀寫	打開文件用于讀寫，若文件不存在則創建，若已存在則清空內容。
a+	讀寫	打開文件用于讀寫，若文件不存在則創建，寫入時追加到末尾，讀時需移動指針。
rb	二進制只讀	以二進制模式打開文件只讀（用于非文本文件，如圖片、音頻）。
wb	二進制只寫	以二進制模式打開文件只寫。
ab	二進制追加	以二進制模式打開文件追加。
rb+/wb+/ab+	二進制讀寫	結合二進制和讀寫功能的模式。

示例：

# 只讀模式打開文本文件
with open("test.txt", "r", encoding="utf-8") as f:content = f.read()# 只寫模式打開文本文件（覆蓋原有內容）
with open("output.txt", "w", encoding="utf-8") as f:f.write("Hello, World!")# 追加模式打開文本文件
with open("log.txt", "a", encoding="utf-8") as f:f.write("New log entry\n")# 二進制模式讀取圖片
with open("image.png", "rb") as f:data = f.read()

注意：

• 文本模式（無b）需指定encoding（如utf-8），用于字符編碼轉換；二進制模式（有b）直接操作字節，無需編碼。
• 寫入時若不指定encoding，默認使用系統編碼，可能導致跨平臺兼容性問題。

72. 如何讀取文件內容？（read()、readline()、readlines()的區別）

Python文件對象提供了多種讀取內容的方法，核心區別在于讀取范圍和返回值格式：

方法	功能	返回值	適用場景
read(size)	讀取指定字節數（文本模式下為字符數），若未指定則讀取全部內容。	字符串（文本模式）或字節串（二進制模式）。	讀取小文件或需要一次性獲取全部內容時。
readline(size)	讀取一行內容，包括換行符\n；size限制最大讀取長度。	單行字符串（或字節串），若到文件末尾返回空字符串。	逐行讀取大文件，節省內存。
readlines(hint)	讀取所有行，hint為可選參數，限制總字符數（約）。	包含所有行的列表，每行作為列表元素。	需要按行處理且文件不大時。

示例：
假設有test.txt文件內容如下：

第一行內容
第二行內容
第三行內容

1. read()示例：

   with open("test.txt", "r", encoding="utf-8") as f:# 讀取全部內容content = f.read()print(content)# 輸出：# 第一行內容# 第二行內容# 第三行內容# 讀取前5個字符f.seek(0)  # 指針移回開頭part = f.read(5)print(part)  # 第一行內
   

2. readline()示例：

   with open("test.txt", "r", encoding="utf-8") as f:line1 = f.readline()line2 = f.readline()print(line1)  # 第一行內容（包含換行符）print(line2)  # 第二行內容
   

3. readlines()示例：

   with open("test.txt", "r", encoding="utf-8") as f:lines = f.readlines()print(type(lines))  # <class 'list'>print(lines)  # ['第一行內容\n', '第二行內容\n', '第三行內容']# 遍歷行列表for line in lines:print(line.strip())  # 去除換行符和空格
   

4. 直接迭代文件對象（推薦逐行讀取）：
   文件對象本身是可迭代的，逐行讀取時內存效率最高：

   with open("test.txt", "r", encoding="utf-8") as f:for line in f:  # 每次讀取一行，自動處理指針print(line.strip())
   

總結：

• 大文件優先使用for line in f或readline()，避免占用過多內存。
• 小文件可使用read()或readlines()一次性讀取。

73. 什么是上下文管理器（with語句）？它的優勢是什么？

上下文管理器（Context Manager） 是一種用于管理資源（如文件、網絡連接、數據庫連接）的機制，通過with語句實現，確保資源在使用后被正確釋放（即使發生異常）。

基本語法：

with 資源獲取表達式 as 變量:# 使用資源的代碼塊

文件操作示例：

# 使用with語句操作文件（自動關閉）
with open("test.txt", "r") as f:content = f.read()
# 代碼塊結束后，文件自動關閉，無需手動調用f.close()

上下文管理器的優勢：

1. 自動釋放資源
   無論代碼塊是否正常執行或發生異常，資源都會被自動釋放（如文件關閉、連接斷開），避免資源泄漏。

   # 不使用with的風險（可能忘記關閉文件）
   f = open("test.txt", "r")
   content = f.read()
   # f.close()  # 若忘記調用，文件可能保持打開狀態
   

2. 簡化代碼
   無需顯式編寫try...finally塊來確保資源釋放，代碼更簡潔。

   # 等價的try...finally寫法
   f = open("test.txt", "r")
   try:content = f.read()
   finally:f.close()  # 確保關閉
   

3. 支持多個資源同時管理
   可在一個with語句中處理多個資源，按順序獲取并逆序釋放。

   with open("a.txt", "r") as f1, open("b.txt", "w") as f2:content = f1.read()f2.write(content)
   

自定義上下文管理器：
通過實現__enter__()和__exit__()方法可自定義上下文管理器：

class MyContext:def __enter__(self):print("進入上下文：獲取資源")return "資源對象"  # 賦值給as后的變量def __exit__(self, exc_type, exc_val, exc_tb):print("退出上下文：釋放資源")# 處理異常（若返回True則抑制異常）return Falsewith MyContext() as res:print(f"使用{res}")
# 輸出：
# 進入上下文：獲取資源
# 使用資源對象
# 退出上下文：釋放資源

常見應用場景：

• 文件操作（最常用）
• 數據庫連接
• 網絡請求
• 線程鎖

with語句是Python中處理資源的最佳實踐，既安全又簡潔。

74. 如何寫入文件內容？

在Python中，寫入文件需先以寫入模式（如w、a、r+等）打開文件，再通過文件對象的寫入方法（write()、writelines()）寫入內容。

常用寫入方法：

1. write(string)：寫入字符串（文本模式）或字節串（二進制模式），返回寫入的字符數（或字節數）。
2. writelines(iterable)：寫入可迭代對象（如列表）中的所有元素，元素需為字符串（或字節串），不自動添加換行符。

示例：

1. 基本寫入（覆蓋模式w）：

   # 以只寫模式打開，若文件存在則覆蓋內容
   with open("output.txt", "w", encoding="utf-8") as f:# 寫入單行f.write("Hello, World!\n")  # \n手動添加換行# 寫入多行f.write("這是第二行\n")f.write("這是第三行\n")
   

   output.txt內容：

   Hello, World!
   這是第二行
   這是第三行
   

2. 追加寫入（a模式）：

   # 以追加模式打開，新內容添加到文件末尾
   with open("output.txt", "a", encoding="utf-8") as f:f.write("這是追加的一行\n")
   

   output.txt內容變為：

   Hello, World!
   這是第二行
   這是第三行
   這是追加的一行
   

3. 使用writelines()寫入列表：

   lines = ["第一行\n", "第二行\n", "第三行\n"]
   with open("lines.txt", "w", encoding="utf-8") as f:f.writelines(lines)  # 寫入列表中的所有字符串
   

4. 讀寫模式（r+）插入內容：

   # 打開已存在的文件，讀取并插入內容
   with open("output.txt", "r+", encoding="utf-8") as f:content = f.read()  # 先讀取全部內容f.seek(0)  # 指針移回開頭f.write("在開頭插入的內容\n" + content)  # 覆蓋寫入（插入到開頭）
   

5. 二進制寫入：

   # 寫入二進制文件（如圖片、音頻）
   data = b"Binary data: \x00\x01\x02"  # 字節串
   with open("binary.bin", "wb") as f:f.write(data)
   

注意：

• 文本模式下，write()接收字符串，需注意編碼（通過encoding參數指定）。
• 二進制模式下，write()接收字節串（前綴b的字符串），不涉及編碼。
• 寫入后內容可能緩存在內存中，可通過f.flush()強制刷新到磁盤，或關閉文件時自動刷新。

75. 如何處理CSV文件？（使用csv模塊或pandas）

CSV（Comma-Separated Values）是一種常用的表格數據格式，Python中可通過csv標準庫或pandas庫處理。

1. 使用csv模塊（標準庫）

csv模塊提供基礎的CSV讀寫功能，適合簡單場景。

讀取CSV文件：

import csv# 讀取CSV（默認逗號分隔）
with open("data.csv", "r", encoding="utf-8") as f:reader = csv.reader(f)  # 創建reader對象header = next(reader)  # 獲取表頭（第一行）print("表頭：", header)# 遍歷數據行for row in reader:print("數據行：", row)# 讀取為字典（表頭為鍵）
with open("data.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)  # DictReader按表頭映射為字典for row in reader:print(row["姓名"], row["年齡"])  # 通過表頭訪問

寫入CSV文件：

import csv# 寫入CSV
data = [["姓名", "年齡", "城市"],["Alice", 30, "北京"],["Bob", 25, "上海"]
]with open("output.csv", "w", encoding="utf-8", newline="") as f:writer = csv.writer(f)  # 創建writer對象writer.writerows(data)  # 寫入多行# 按字典寫入（指定表頭）
with open("dict_output.csv", "w", encoding="utf-8", newline="") as f:fieldnames = ["姓名", "年齡", "城市"]writer = csv.DictWriter(f, fieldnames=fieldnames)writer.writeheader()  # 寫入表頭writer.writerow({"姓名": "Charlie", "年齡": 35, "城市": "廣州"})writer.writerows([{"姓名": "David", "年齡": 28, "城市": "深圳"},{"姓名": "Eve", "年齡": 22, "城市": "杭州"}])

2. 使用pandas庫（第三方庫）

pandas提供更強大的CSV處理功能，適合復雜數據分析場景，需先安裝：

pip install pandas

讀取CSV文件：

import pandas as pd# 讀取CSV為DataFrame（表格數據結構）
df = pd.read_csv("data.csv")# 查看數據
print("前5行：")
print(df.head())  # 前5行
print("\n表頭：", df.columns.tolist())  # 表頭列表
print("\n數據類型：")
print(df.dtypes)  # 各列數據類型# 按條件篩選
adults = df[df["年齡"] >= 18]
print("\n成年人數據：")
print(adults)

寫入CSV文件：

import pandas as pd# 創建DataFrame
data = {"姓名": ["Alice", "Bob", "Charlie"],"年齡": [30, 25, 35],"城市": ["北京", "上海", "廣州"]
}
df = pd.DataFrame(data)# 寫入CSV
df.to_csv("pandas_output.csv", index=False, encoding="utf-8")
# index=False：不寫入行索引

對比：

工具	優勢	劣勢	適用場景
csv模塊	標準庫，無需安裝；輕量靈活。	功能簡單，需手動處理數據類型；不支持復雜查詢。	簡單讀寫、小文件、無第三方庫依賴時。
pandas	功能強大，支持數據篩選、聚合、類型轉換；適合大文件。	需要安裝；學習成本較高。	數據分析、復雜處理、大文件。

注意：

• CSV文件可能使用非逗號分隔符（如制表符\t），csv模塊可通過delimiter參數指定，pandas通過sep參數指定。
• 處理中文時需指定正確編碼（如utf-8）。

76. 如何遍歷一個目錄下的所有文件和子目錄？（os.walk()）

os.walk()是Python os模塊提供的用于遞歸遍歷目錄樹的函數，能夠便捷地訪問指定目錄下的所有文件和子目錄。

工作原理：

• 接收一個目錄路徑作為參數，返回一個生成器（generator）。
• 每次迭代生成一個元組 (root, dirs, files)：
  • root：當前正在遍歷的目錄路徑。
  • dirs：當前目錄下的子目錄名稱列表（不包含路徑）。
  • files：當前目錄下的文件名稱列表（不包含路徑）。

示例：

假設有如下目錄結構：

data/report.txtlogs/log1.txtlog2.txtimages/photo.jpg

遍歷 data 目錄：

import os# 遍歷目錄及其子目錄
for root, dirs, files in os.walk("data"):print(f"當前目錄: {root}")print(f"子目錄: {dirs}")print(f"文件: {files}")print("---")

輸出：

當前目錄: data
子目錄: ['logs', 'images']
文件: ['report.txt']
---
當前目錄: data\logs
子目錄: []
文件: ['log1.txt', 'log2.txt']
---
當前目錄: data\images
子目錄: []
文件: ['photo.jpg']
---

實用場景：

1. 查找特定類型文件：

   # 收集所有.txt文件的完整路徑
   txt_files = []
   for root, dirs, files in os.walk("data"):for file in files:if file.endswith(".txt"):full_path = os.path.join(root, file)  # 拼接完整路徑txt_files.append(full_path)
   print("所有TXT文件:", txt_files)
   

2. 統計文件數量：

   file_count = 0
   for root, dirs, files in os.walk("data"):file_count += len(files)
   print(f"總文件數: {file_count}")  # 輸出：4
   

注意：

• os.walk() 會自動遞歸進入所有子目錄，無需手動處理嵌套。
• 可通過修改 dirs 列表控制是否遍歷某些子目錄（如 dirs[:] = [d for d in dirs if d != "temp"] 跳過 temp 目錄）。

77. 如何獲取文件的大小、創建時間、修改時間？

在Python中，可通過 os 模塊和 pathlib 模塊（Python 3.4+）獲取文件的元數據，包括大小、創建時間和修改時間。

方法1：使用 os 模塊

import os
import timefile_path = "example.txt"# 1. 獲取文件大小（字節）
file_size = os.path.getsize(file_path)
print(f"文件大小: {file_size} 字節")  # 如：1024 字節# 2. 獲取修改時間（時間戳）
modify_time_stamp = os.path.getmtime(file_path)
# 轉換為可讀時間
modify_time = time.ctime(modify_time_stamp)
print(f"修改時間: {modify_time}")  # 如：Wed Jun 12 10:30:45 2024# 3. 獲取創建時間（Windows系統有效，Unix系統可能返回最后元數據修改時間）
create_time_stamp = os.path.getctime(file_path)
create_time = time.ctime(create_time_stamp)
print(f"創建時間: {create_time}")

方法2：使用 pathlib 模塊（面向對象風格）

from pathlib import Path
import timefile_path = Path("example.txt")# 1. 文件大小
file_size = file_path.stat().st_size
print(f"文件大小: {file_size} 字節")# 2. 修改時間
modify_time = time.ctime(file_path.stat().st_mtime)
print(f"修改時間: {modify_time}")# 3. 創建時間
create_time = time.ctime(file_path.stat().st_ctime)
print(f"創建時間: {create_time}")

關鍵屬性說明：

• st_size：文件大小（字節）。
• st_mtime：最后修改時間（時間戳，自1970-01-01 00:00:00 UTC起的秒數）。
• st_ctime：在Windows上為創建時間，在Unix上為最后元數據修改時間。
• st_atime：最后訪問時間（部分系統可能禁用更新以提高性能）。

格式化時間為指定格式：

from datetime import datetimemodify_time = datetime.fromtimestamp(file_path.stat().st_mtime)
print(f"格式化修改時間: {modify_time.strftime('%Y-%m-%d %H:%M:%S')}")
# 輸出：2024-06-12 10:30:45

注意：

• 時間戳轉換需考慮時區，默認使用本地時區。
• 目錄也可通過相同方法獲取大小和時間（目錄大小為元數據大小，非包含文件總大小）。

78. 如何重命名或刪除文件/目錄？

Python的 os 模塊和 pathlib 模塊提供了重命名和刪除文件/目錄的功能，操作簡單但需謹慎（刪除操作不可逆）。

1. 重命名文件/目錄

使用 os 模塊：

import os# 重命名文件
old_file = "old_file.txt"
new_file = "new_file.txt"
os.rename(old_file, new_file)  # 若new_file已存在，會被覆蓋（Windows）或報錯（Unix）# 重命名目錄
old_dir = "old_dir"
new_dir = "new_dir"
os.rename(old_dir, new_dir)

使用 pathlib 模塊：

from pathlib import Path# 重命名文件
old_file = Path("old_file.txt")
new_file = Path("new_file.txt")
old_file.rename(new_file)# 重命名目錄
old_dir = Path("old_dir")
new_dir = Path("new_dir")
old_dir.rename(new_dir)

2. 刪除文件/目錄

刪除文件：

import os
from pathlib import Path# 使用os模塊
os.remove("file_to_delete.txt")  # 只能刪除文件，刪除目錄會報錯# 使用pathlib模塊
file = Path("file_to_delete.txt")
file.unlink()  # 同os.remove()

刪除目錄：

• os.rmdir() / Path.rmdir()：刪除空目錄。
• shutil.rmtree()：刪除非空目錄（包含所有文件和子目錄）。

import os
import shutil
from pathlib import Path# 刪除空目錄
os.rmdir("empty_dir")  # 若目錄非空，會報錯
Path("empty_dir").rmdir()# 刪除非空目錄（慎用！）
shutil.rmtree("non_empty_dir")  # 遞歸刪除所有內容

示例：安全刪除前檢查

import os
import shutildef safe_delete(path):if not os.path.exists(path):print(f"{path} 不存在")returnif os.path.isfile(path):os.remove(path)print(f"文件 {path} 已刪除")elif os.path.isdir(path):# 檢查目錄是否為空if len(os.listdir(path)) == 0:os.rmdir(path)print(f"空目錄 {path} 已刪除")else:# 危險操作：刪除非空目錄confirm = input(f"確定刪除非空目錄 {path} 及其內容？(y/n)")if confirm.lower() == "y":shutil.rmtree(path)print(f"目錄 {path} 已刪除")safe_delete("test.txt")
safe_delete("empty_folder")
safe_delete("full_folder")

注意：

• 重命名時，若目標路徑已存在，可能覆蓋或報錯（取決于操作系統）。
• 刪除操作不可逆，尤其是 shutil.rmtree() 會徹底刪除目錄及內容，務必謹慎。
• 操作前建議檢查文件/目錄是否存在（os.path.exists() 或 Path.exists()）。

79. 什么是二進制文件和文本文件？它們的操作有何區別？

文本文件和二進制文件是計算機中兩種基本文件類型，其存儲格式和操作方式有顯著區別：

定義

• 文本文件：以字符編碼（如UTF-8、GBK）存儲的文件，內容由可打印字符（文字、數字、符號）組成，可被文本編輯器直接閱讀（如.txt、.py、.csv）。
• 二進制文件：以字節（0-255的數值）直接存儲數據，內容是計算機可執行的指令或特定格式的二進制數據（如.png、.mp3、.exe、.zip），需專用軟件解析。

操作區別

特性	文本文件	二進制文件
打開模式	使用 r/w/a 等模式，需指定編碼（如 encoding="utf-8"）	使用 rb/wb/ab 等模式，無需編碼參數
數據單位	字符（由編碼映射的字節序列）	字節（原始二進制數據）
讀寫內容	字符串（str 類型）	字節串（bytes 類型，前綴 b）
換行符處理	自動轉換（如Windows的 \r\n 與Unix的 \n）	不處理換行符，按原始字節存儲
適用場景	存儲文字信息（文檔、代碼、配置）	存儲非文字數據（圖片、音頻、可執行文件）

示例

1. 文本文件操作：

# 寫入文本文件
with open("text.txt", "w", encoding="utf-8") as f:f.write("Hello, 世界!\n")  # 寫入字符串# 讀取文本文件
with open("text.txt", "r", encoding="utf-8") as f:content = f.read()  # 讀取為字符串print(content)  # Hello, 世界!

2. 二進制文件操作：

# 寫入二進制文件
data = b"\x89PNG\r\n\x1a\n..."  # 假設是PNG圖片的二進制數據（字節串）
with open("image.png", "wb") as f:f.write(data)  # 寫入字節串# 讀取二進制文件
with open("image.png", "rb") as f:binary_data = f.read()  # 讀取為字節串print(type(binary_data))  # <class 'bytes'>print(binary_data[:10])  # 打印前10個字節

關鍵區別總結

• 文本文件本質是“字符的序列”，依賴編碼規則；二進制文件是“字節的序列”，不依賴編碼。
• 錯誤的模式操作會導致問題（如用文本模式讀圖片會亂碼，用二進制模式讀文本可能包含未解碼的字節）。
• 轉換關系：文本文件 → 字符串（str）→ 編碼（encode()）→ 字節串（bytes）→ 二進制文件。

80. 如何處理大文件（內存無法一次性加載）？

處理大文件（如GB級日志、CSV）時，若一次性加載到內存會導致內存溢出，需采用分批讀取或流式處理的方式。

核心原則

• 避免使用 read() 或 readlines() 一次性讀取全部內容。
• 逐行或分塊讀取，處理后釋放內存。

常用方法

1. 文本文件：逐行讀取
   文件對象是可迭代的，每次迭代返回一行，內存效率高：

   # 處理大日志文件，統計包含"ERROR"的行數
   error_count = 0
   with open("large_log.txt", "r", encoding="utf-8") as f:for line in f:  # 逐行讀取，內存中只保留一行if "ERROR" in line:error_count += 1
   print(f"錯誤行數: {error_count}")
   

2. 二進制文件：分塊讀取
   按固定大小（如4KB、1MB）分塊讀取，適用于圖片、視頻等：

   # 復制大文件（分塊讀取寫入）
   chunk_size = 4096  # 4KB塊
   with open("large_file.bin", "rb") as src, open("copy.bin", "wb") as dst:while True:chunk = src.read(chunk_size)  # 讀取一塊if not chunk:  # 讀取完畢（空字節串）breakdst.write(chunk)  # 寫入一塊
   

3. CSV文件：分批處理
   使用 pandas 分塊讀取大型CSV：

   import pandas as pd# 每次讀取1000行
   chunk_size = 1000
   total = 0# 分塊讀取CSV
   for chunk in pd.read_csv("large_data.csv", chunksize=chunk_size):# 處理當前塊（如計算某列總和）total += chunk["value"].sum()print(f"總和: {total}")
   

4. 生成器處理
   使用生成器（yield）封裝讀取邏輯，進一步控制內存：

   def read_large_file(file_path, chunk_size=4096):with open(file_path, "r", encoding="utf-8") as f:while True:chunk = f.read(chunk_size)  # 按字符數分塊if not chunk:breakyield chunk  # 生成器逐個返回塊# 使用生成器
   for chunk in read_large_file("large_text.txt"):# 處理塊（如搜索關鍵詞）if "target" in chunk:print("找到目標內容")break
   

注意事項

• 分塊大小需平衡效率（太大占用內存，太小IO頻繁），通常設為4KB-1MB。
• 處理行數據時，若行長度超過分塊大小，需注意跨塊拼接（如日志文件中單行可能很長）。
• 二進制文件分塊時需保持塊大小一致，避免破壞文件結構。

通過上述方法，可在有限內存中高效處理遠超內存容量的大文件。

二、150道Python面試題目錄列表

文章序號	Python面試題150道
1	Python面試題及詳細答案150道（01-15）
2	Python面試題及詳細答案150道（16-30）
3	Python面試題及詳細答案150道（31-40）
4	Python面試題及詳細答案150道（41-55）
5	Python面試題及詳細答案150道（56-70）
6	Python面試題及詳細答案150道（71-80）
7	Python面試題及詳細答案150道（81-90）
8	Python面試題及詳細答案150道（91-100）
9	Python面試題及詳細答案150道（101-115）
10	Python面試題及詳細答案150道（116-125）
11	Python面試題及詳細答案150道（126-135）
12	Python面試題及詳細答案150道（136-150）