《前后端面试题》专栏集合了前后端各个知识模块的面试题，包括html，javascript，css，vue，react，java，Openlayers，leaflet，cesium，mapboxGL，threejs，nodejs，mangoDB，SQL，Linux… 。

前后端面试题-专栏总目录

一、本文面试题目录

71. Python中打开文件的模式有哪些？（如r、w、a、rb、wb等）

在Python中，使用open()函数打开文件时，需要指定文件模式，用于定义文件的操作方式（读/写）和数据类型（文本/二进制）。常见的文件模式如下：

模式	含义	说明
r	只读（默认）	打开已存在的文件，若文件不存在则报错；指针位于文件开头。
w	只写	打开文件用于写入，若文件不存在则创建，若已存在则清空内容；指针位于文件开头。
a	追加	打开文件用于写入，若文件不存在则创建，新内容追加到文件末尾；指针位于文件末尾。
r+	读写	打开文件用于读写，文件必须存在；指针位于文件开头。
w+	读写	打开文件用于读写，若文件不存在则创建，若已存在则清空内容。
a+	读写	打开文件用于读写，若文件不存在则创建，写入时追加到末尾，读时需移动指针。
rb	二进制只读	以二进制模式打开文件只读（用于非文本文件，如图片、音频）。
wb	二进制只写	以二进制模式打开文件只写。
ab	二进制追加	以二进制模式打开文件追加。
rb+/wb+/ab+	二进制读写	结合二进制和读写功能的模式。

示例：

# 只读模式打开文本文件
with open("test.txt", "r", encoding="utf-8") as f:content = f.read()# 只写模式打开文本文件（覆盖原有内容）
with open("output.txt", "w", encoding="utf-8") as f:f.write("Hello, World!")# 追加模式打开文本文件
with open("log.txt", "a", encoding="utf-8") as f:f.write("New log entry\n")# 二进制模式读取图片
with open("image.png", "rb") as f:data = f.read()

注意：

• 文本模式（无b）需指定encoding（如utf-8），用于字符编码转换；二进制模式（有b）直接操作字节，无需编码。
• 写入时若不指定encoding，默认使用系统编码，可能导致跨平台兼容性问题。

72. 如何读取文件内容？（read()、readline()、readlines()的区别）

Python文件对象提供了多种读取内容的方法，核心区别在于读取范围和返回值格式：

方法	功能	返回值	适用场景
read(size)	读取指定字节数（文本模式下为字符数），若未指定则读取全部内容。	字符串（文本模式）或字节串（二进制模式）。	读取小文件或需要一次性获取全部内容时。
readline(size)	读取一行内容，包括换行符\n；size限制最大读取长度。	单行字符串（或字节串），若到文件末尾返回空字符串。	逐行读取大文件，节省内存。
readlines(hint)	读取所有行，hint为可选参数，限制总字符数（约）。	包含所有行的列表，每行作为列表元素。	需要按行处理且文件不大时。

示例：
假设有test.txt文件内容如下：

第一行内容
第二行内容
第三行内容

1. read()示例：

   with open("test.txt", "r", encoding="utf-8") as f:# 读取全部内容content = f.read()print(content)# 输出：# 第一行内容# 第二行内容# 第三行内容# 读取前5个字符f.seek(0)  # 指针移回开头part = f.read(5)print(part)  # 第一行内
   

2. readline()示例：

   with open("test.txt", "r", encoding="utf-8") as f:line1 = f.readline()line2 = f.readline()print(line1)  # 第一行内容（包含换行符）print(line2)  # 第二行内容
   

3. readlines()示例：

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

4. 直接迭代文件对象（推荐逐行读取）：
   文件对象本身是可迭代的，逐行读取时内存效率最高：

   with open("test.txt", "r", encoding="utf-8") as f:for line in f:  # 每次读取一行，自动处理指针print(line.strip())
   

总结：

• 大文件优先使用for line in f或readline()，避免占用过多内存。
• 小文件可使用read()或readlines()一次性读取。

73. 什么是上下文管理器（with语句）？它的优势是什么？

上下文管理器（Context Manager） 是一种用于管理资源（如文件、网络连接、数据库连接）的机制，通过with语句实现，确保资源在使用后被正确释放（即使发生异常）。

基本语法：

with 资源获取表达式 as 变量:# 使用资源的代码块

文件操作示例：

# 使用with语句操作文件（自动关闭）
with open("test.txt", "r") as f:content = f.read()
# 代码块结束后，文件自动关闭，无需手动调用f.close()

上下文管理器的优势：

1. 自动释放资源
   无论代码块是否正常执行或发生异常，资源都会被自动释放（如文件关闭、连接断开），避免资源泄漏。

   # 不使用with的风险（可能忘记关闭文件）
   f = open("test.txt", "r")
   content = f.read()
   # f.close()  # 若忘记调用，文件可能保持打开状态
   

2. 简化代码
   无需显式编写try...finally块来确保资源释放，代码更简洁。

   # 等价的try...finally写法
   f = open("test.txt", "r")
   try:content = f.read()
   finally:f.close()  # 确保关闭
   

3. 支持多个资源同时管理
   可在一个with语句中处理多个资源，按顺序获取并逆序释放。

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

自定义上下文管理器：
通过实现__enter__()和__exit__()方法可自定义上下文管理器：

class MyContext:def __enter__(self):print("进入上下文：获取资源")return "资源对象"  # 赋值给as后的变量def __exit__(self, exc_type, exc_val, exc_tb):print("退出上下文：释放资源")# 处理异常（若返回True则抑制异常）return Falsewith MyContext() as res:print(f"使用{res}")
# 输出：
# 进入上下文：获取资源
# 使用资源对象
# 退出上下文：释放资源

常见应用场景：

• 文件操作（最常用）
• 数据库连接
• 网络请求
• 线程锁

with语句是Python中处理资源的最佳实践，既安全又简洁。

74. 如何写入文件内容？

在Python中，写入文件需先以写入模式（如w、a、r+等）打开文件，再通过文件对象的写入方法（write()、writelines()）写入内容。

常用写入方法：

1. write(string)：写入字符串（文本模式）或字节串（二进制模式），返回写入的字符数（或字节数）。
2. writelines(iterable)：写入可迭代对象（如列表）中的所有元素，元素需为字符串（或字节串），不自动添加换行符。

示例：

1. 基本写入（覆盖模式w）：

   # 以只写模式打开，若文件存在则覆盖内容
   with open("output.txt", "w", encoding="utf-8") as f:# 写入单行f.write("Hello, World!\n")  # \n手动添加换行# 写入多行f.write("这是第二行\n")f.write("这是第三行\n")
   

   output.txt内容：

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

2. 追加写入（a模式）：

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

   output.txt内容变为：

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

3. 使用writelines()写入列表：

   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)  # 写入列表中的所有字符串
   

4. 读写模式（r+）插入内容：

   # 打开已存在的文件，读取并插入内容
   with open("output.txt", "r+", encoding="utf-8") as f:content = f.read()  # 先读取全部内容f.seek(0)  # 指针移回开头f.write("在开头插入的内容\n" + content)  # 覆盖写入（插入到开头）
   

5. 二进制写入：

   # 写入二进制文件（如图片、音频）
   data = b"Binary data: \x00\x01\x02"  # 字节串
   with open("binary.bin", "wb") as f:f.write(data)
   

注意：

• 文本模式下，write()接收字符串，需注意编码（通过encoding参数指定）。
• 二进制模式下，write()接收字节串（前缀b的字符串），不涉及编码。
• 写入后内容可能缓存在内存中，可通过f.flush()强制刷新到磁盘，或关闭文件时自动刷新。

75. 如何处理CSV文件？（使用csv模块或pandas）

CSV（Comma-Separated Values）是一种常用的表格数据格式，Python中可通过csv标准库或pandas库处理。

1. 使用csv模块（标准库）

csv模块提供基础的CSV读写功能，适合简单场景。

读取CSV文件：

import csv# 读取CSV（默认逗号分隔）
with open("data.csv", "r", encoding="utf-8") as f:reader = csv.reader(f)  # 创建reader对象header = next(reader)  # 获取表头（第一行）print("表头：", header)# 遍历数据行for row in reader:print("数据行：", row)# 读取为字典（表头为键）
with open("data.csv", "r", encoding="utf-8") as f:reader = csv.DictReader(f)  # DictReader按表头映射为字典for row in reader:print(row["姓名"], row["年龄"])  # 通过表头访问

写入CSV文件：

import csv# 写入CSV
data = [["姓名", "年龄", "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)  # 创建writer对象writer.writerows(data)  # 写入多行# 按字典写入（指定表头）
with open("dict_output.csv", "w", encoding="utf-8", newline="") as f:fieldnames = ["姓名", "年龄", "城市"]writer = csv.DictWriter(f, fieldnames=fieldnames)writer.writeheader()  # 写入表头writer.writerow({"姓名": "Charlie", "年龄": 35, "城市": "广州"})writer.writerows([{"姓名": "David", "年龄": 28, "城市": "深圳"},{"姓名": "Eve", "年龄": 22, "城市": "杭州"}])

2. 使用pandas库（第三方库）

pandas提供更强大的CSV处理功能，适合复杂数据分析场景，需先安装：

pip install pandas

读取CSV文件：

import pandas as pd# 读取CSV为DataFrame（表格数据结构）
df = pd.read_csv("data.csv")# 查看数据
print("前5行：")
print(df.head())  # 前5行
print("\n表头：", df.columns.tolist())  # 表头列表
print("\n数据类型：")
print(df.dtypes)  # 各列数据类型# 按条件筛选
adults = df[df["年龄"] >= 18]
print("\n成年人数据：")
print(adults)

写入CSV文件：

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

对比：

工具	优势	劣势	适用场景
csv模块	标准库，无需安装；轻量灵活。	功能简单，需手动处理数据类型；不支持复杂查询。	简单读写、小文件、无第三方库依赖时。
pandas	功能强大，支持数据筛选、聚合、类型转换；适合大文件。	需要安装；学习成本较高。	数据分析、复杂处理、大文件。

注意：

• CSV文件可能使用非逗号分隔符（如制表符\t），csv模块可通过delimiter参数指定，pandas通过sep参数指定。
• 处理中文时需指定正确编码（如utf-8）。

76. 如何遍历一个目录下的所有文件和子目录？（os.walk()）

os.walk()是Python os模块提供的用于递归遍历目录树的函数，能够便捷地访问指定目录下的所有文件和子目录。

工作原理：

• 接收一个目录路径作为参数，返回一个生成器（generator）。
• 每次迭代生成一个元组 (root, dirs, files)：
  • root：当前正在遍历的目录路径。
  • dirs：当前目录下的子目录名称列表（不包含路径）。
  • files：当前目录下的文件名称列表（不包含路径）。

示例：

假设有如下目录结构：

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

遍历 data 目录：

import os# 遍历目录及其子目录
for root, dirs, files in os.walk("data"):print(f"当前目录: {root}")print(f"子目录: {dirs}")print(f"文件: {files}")print("---")

输出：

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

实用场景：

1. 查找特定类型文件：

   # 收集所有.txt文件的完整路径
   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)  # 拼接完整路径txt_files.append(full_path)
   print("所有TXT文件:", txt_files)
   

2. 统计文件数量：

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

注意：

• os.walk() 会自动递归进入所有子目录，无需手动处理嵌套。
• 可通过修改 dirs 列表控制是否遍历某些子目录（如 dirs[:] = [d for d in dirs if d != "temp"] 跳过 temp 目录）。

77. 如何获取文件的大小、创建时间、修改时间？

在Python中，可通过 os 模块和 pathlib 模块（Python 3.4+）获取文件的元数据，包括大小、创建时间和修改时间。

方法1：使用 os 模块

import os
import timefile_path = "example.txt"# 1. 获取文件大小（字节）
file_size = os.path.getsize(file_path)
print(f"文件大小: {file_size} 字节")  # 如：1024 字节# 2. 获取修改时间（时间戳）
modify_time_stamp = os.path.getmtime(file_path)
# 转换为可读时间
modify_time = time.ctime(modify_time_stamp)
print(f"修改时间: {modify_time}")  # 如：Wed Jun 12 10:30:45 2024# 3. 获取创建时间（Windows系统有效，Unix系统可能返回最后元数据修改时间）
create_time_stamp = os.path.getctime(file_path)
create_time = time.ctime(create_time_stamp)
print(f"创建时间: {create_time}")

方法2：使用 pathlib 模块（面向对象风格）

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} 字节")# 2. 修改时间
modify_time = time.ctime(file_path.stat().st_mtime)
print(f"修改时间: {modify_time}")# 3. 创建时间
create_time = time.ctime(file_path.stat().st_ctime)
print(f"创建时间: {create_time}")

关键属性说明：

• st_size：文件大小（字节）。
• st_mtime：最后修改时间（时间戳，自1970-01-01 00:00:00 UTC起的秒数）。
• st_ctime：在Windows上为创建时间，在Unix上为最后元数据修改时间。
• st_atime：最后访问时间（部分系统可能禁用更新以提高性能）。

格式化时间为指定格式：

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

注意：

• 时间戳转换需考虑时区，默认使用本地时区。
• 目录也可通过相同方法获取大小和时间（目录大小为元数据大小，非包含文件总大小）。

78. 如何重命名或删除文件/目录？

Python的 os 模块和 pathlib 模块提供了重命名和删除文件/目录的功能，操作简单但需谨慎（删除操作不可逆）。

1. 重命名文件/目录

使用 os 模块：

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，会被覆盖（Windows）或报错（Unix）# 重命名目录
old_dir = "old_dir"
new_dir = "new_dir"
os.rename(old_dir, new_dir)

使用 pathlib 模块：

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)# 重命名目录
old_dir = Path("old_dir")
new_dir = Path("new_dir")
old_dir.rename(new_dir)

2. 删除文件/目录

删除文件：

import os
from pathlib import Path# 使用os模块
os.remove("file_to_delete.txt")  # 只能删除文件，删除目录会报错# 使用pathlib模块
file = Path("file_to_delete.txt")
file.unlink()  # 同os.remove()

删除目录：

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

import os
import shutil
from pathlib import Path# 删除空目录
os.rmdir("empty_dir")  # 若目录非空，会报错
Path("empty_dir").rmdir()# 删除非空目录（慎用！）
shutil.rmtree("non_empty_dir")  # 递归删除所有内容

示例：安全删除前检查

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} 已删除")elif os.path.isdir(path):# 检查目录是否为空if len(os.listdir(path)) == 0:os.rmdir(path)print(f"空目录 {path} 已删除")else:# 危险操作：删除非空目录confirm = input(f"确定删除非空目录 {path} 及其内容？(y/n)")if confirm.lower() == "y":shutil.rmtree(path)print(f"目录 {path} 已删除")safe_delete("test.txt")
safe_delete("empty_folder")
safe_delete("full_folder")

注意：

• 重命名时，若目标路径已存在，可能覆盖或报错（取决于操作系统）。
• 删除操作不可逆，尤其是 shutil.rmtree() 会彻底删除目录及内容，务必谨慎。
• 操作前建议检查文件/目录是否存在（os.path.exists() 或 Path.exists()）。

79. 什么是二进制文件和文本文件？它们的操作有何区别？

文本文件和二进制文件是计算机中两种基本文件类型，其存储格式和操作方式有显著区别：

定义

• 文本文件：以字符编码（如UTF-8、GBK）存储的文件，内容由可打印字符（文字、数字、符号）组成，可被文本编辑器直接阅读（如.txt、.py、.csv）。
• 二进制文件：以字节（0-255的数值）直接存储数据，内容是计算机可执行的指令或特定格式的二进制数据（如.png、.mp3、.exe、.zip），需专用软件解析。

操作区别

特性	文本文件	二进制文件
打开模式	使用 r/w/a 等模式，需指定编码（如 encoding="utf-8"）	使用 rb/wb/ab 等模式，无需编码参数
数据单位	字符（由编码映射的字节序列）	字节（原始二进制数据）
读写内容	字符串（str 类型）	字节串（bytes 类型，前缀 b）
换行符处理	自动转换（如Windows的 \r\n 与Unix的 \n）	不处理换行符，按原始字节存储
适用场景	存储文字信息（文档、代码、配置）	存储非文字数据（图片、音频、可执行文件）

示例

1. 文本文件操作：

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

2. 二进制文件操作：

# 写入二进制文件
data = b"\x89PNG\r\n\x1a\n..."  # 假设是PNG图片的二进制数据（字节串）
with open("image.png", "wb") as f:f.write(data)  # 写入字节串# 读取二进制文件
with open("image.png", "rb") as f:binary_data = f.read()  # 读取为字节串print(type(binary_data))  # <class 'bytes'>print(binary_data[:10])  # 打印前10个字节

关键区别总结

• 文本文件本质是“字符的序列”，依赖编码规则；二进制文件是“字节的序列”，不依赖编码。
• 错误的模式操作会导致问题（如用文本模式读图片会乱码，用二进制模式读文本可能包含未解码的字节）。
• 转换关系：文本文件 → 字符串（str）→ 编码（encode()）→ 字节串（bytes）→ 二进制文件。

80. 如何处理大文件（内存无法一次性加载）？

处理大文件（如GB级日志、CSV）时，若一次性加载到内存会导致内存溢出，需采用分批读取或流式处理的方式。

核心原则

• 避免使用 read() 或 readlines() 一次性读取全部内容。
• 逐行或分块读取，处理后释放内存。

常用方法

1. 文本文件：逐行读取
   文件对象是可迭代的，每次迭代返回一行，内存效率高：

   # 处理大日志文件，统计包含"ERROR"的行数
   error_count = 0
   with open("large_log.txt", "r", encoding="utf-8") as f:for line in f:  # 逐行读取，内存中只保留一行if "ERROR" in line:error_count += 1
   print(f"错误行数: {error_count}")
   

2. 二进制文件：分块读取
   按固定大小（如4KB、1MB）分块读取，适用于图片、视频等：

   # 复制大文件（分块读取写入）
   chunk_size = 4096  # 4KB块
   with open("large_file.bin", "rb") as src, open("copy.bin", "wb") as dst:while True:chunk = src.read(chunk_size)  # 读取一块if not chunk:  # 读取完毕（空字节串）breakdst.write(chunk)  # 写入一块
   

3. CSV文件：分批处理
   使用 pandas 分块读取大型CSV：

   import pandas as pd# 每次读取1000行
   chunk_size = 1000
   total = 0# 分块读取CSV
   for chunk in pd.read_csv("large_data.csv", chunksize=chunk_size):# 处理当前块（如计算某列总和）total += chunk["value"].sum()print(f"总和: {total}")
   

4. 生成器处理
   使用生成器（yield）封装读取逻辑，进一步控制内存：

   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)  # 按字符数分块if not chunk:breakyield chunk  # 生成器逐个返回块# 使用生成器
   for chunk in read_large_file("large_text.txt"):# 处理块（如搜索关键词）if "target" in chunk:print("找到目标内容")break
   

注意事项

• 分块大小需平衡效率（太大占用内存，太小IO频繁），通常设为4KB-1MB。
• 处理行数据时，若行长度超过分块大小，需注意跨块拼接（如日志文件中单行可能很长）。
• 二进制文件分块时需保持块大小一致，避免破坏文件结构。

通过上述方法，可在有限内存中高效处理远超内存容量的大文件。

二、150道Python面试题目录列表

文章序号	Python面试题150道
1	Python面试题及详细答案150道（01-15）
2	Python面试题及详细答案150道（16-30）
3	Python面试题及详细答案150道（31-40）
4	Python面试题及详细答案150道（41-55）
5	Python面试题及详细答案150道（56-70）
6	Python面试题及详细答案150道（71-80）
7	Python面试题及详细答案150道（81-90）
8	Python面试题及详细答案150道（91-100）
9	Python面试题及详细答案150道（101-115）
10	Python面试题及详细答案150道（116-125）
11	Python面试题及详细答案150道（126-135）
12	Python面试题及详细答案150道（136-150）