题 1：闭包（Closure）机制

问题：
请解释以下代码的输出结果，并说明缘由：

def make_adders():
    return [lambda x: x + i for i in range(3)]

adders = make_adders()
print([f(10) for f in adders])

答案：

[12, 12, 12]

解析：
lambda x: x + i 中的 i 是自由变量，在函数返回后并不会立刻绑定，而是在调用时再从外层作用域取值。
循环结束后，i = 2，因此所有 lambda 闭包都引用了同一个最终的 i 值。

✅ 修复方式：

return [lambda x, i=i: x + i for i in range(3)]

→ 输出 [10, 11, 12]

---

题 2：异常处理

问题：
请问以下代码输出什么？为什么？

try:
    print(1)
    raise ValueError("Error")
except Exception:
    print(2)
else:
    print(3)
finally:
    print(4)

答案：

1
2
4

解析：
执行顺序：

• print(1) → 输出 1
• 抛出 ValueError → 被 except Exception 捕获 → 输出 2
• else 块仅在没有异常时执行 → 被跳过
• finally 总是执行 → 输出 4

---

题 3：装饰器（Decorator）

问题：
请编写一个装饰器 @timeit，用于统计函数执行耗时。

答案：

import time

def timeit(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} 执行耗时: {end - start:.4f}s")
        return result
    return wrapper

@timeit
def slow_function():
    time.sleep(1)

slow_function()

输出示例：

slow_function 执行耗时: 1.0001s

解析：
装饰器在不修改原函数代码的前提下，增加功能逻辑。这里通过包装函数执行前后的时间差统计运行时间。

---

题 4：可变对象陷阱

问题：
请解释以下代码的输出结果：

def append_item(item, items=[]):
    items.append(item)
    return items

print(append_item(1))
print(append_item(2))

答案：

[1]
[1, 2]

解析：
函数默认参数 items=[] 只在函数定义时执行一次，因此所有调用共享同一个列表对象。
→ 第二次调用时，列表已包含 [1]，再添加 2 后变成 [1, 2]。

✅ 正确写法：

def append_item(item, items=None):
    if items is None:
        items = []
    items.append(item)
    return items

---

题 5：多线程与 GIL

问题：
Python 多线程为什么不能真正实现 CPU 并行？多线程在什么情况下依旧有意义？

答案：

• 缘由：
  Python（CPython）中存在 GIL（Global Interpreter Lock，全局解释器锁），同一时刻只允许一个线程执行 Python 字节码，因此 CPU 密集型任务无法并行。
• 有意义的场景：
• I/O 密集型任务（如网络请求、文件读写、数据库操作）
• 通过多线程可在等待 I/O 时切换执行，提高整体吞吐效率。

✅ CPU 密集型任务可使用 multiprocessing 模块实现真正并行。