錯誤場景 使用 PySpark pandas_udf 處理 DataFrame 多欄位運算時，拋出 java.lang.IllegalArgumentExcep

1. 函式內部修改全域變數 什麼是全域變數？ 在函式體外宣告的變數為全域變數；函式內宣告的為區域變數。 全域變數在函式作用域的特性 可直接讀取 直接賦值會建

執行緒安全問題 多執行緒共享資料時，因執行緒切換導致資料不同步。例如兩個執行緒同時對同一變數增減一千萬次，結果並非預期的零，而是隨機數值。這就是執行緒不安全。P

Python 多線程核心概念 Python 的多線程機制受到全域解釋器鎖（GIL）影響，GIL 確保同一時間只有一個執行緒能存取 Python 物件，這使得 P

方案選型對比 方案優勢劣勢適用場景 Tesseract + pytesseract離線、免費、多語言、輕量中文需訓練模型、複雜版面弱文檔數字化、簡單場景 c

GIL and Applicability The Global Interpreter Lock (GIL) ensures only one thread

GIL 決定適用場景 GIL (Global Interpreter Lock) 限制同一時刻僅一線程執行字節碼。 → I/O 密集型（網絡、磁盤、sleep）

文件基礎 文件本質是位元組序列，由文件頭（元數據）、數據區、EOF 組成。跨平台換行符差異：Windows CRLF，Unix LF。 路徑操作 (os.pa

現象 Python 語法要求代碼塊非空，通常用 pass 佔位。實際上任何表達式語句均可，最簡單是字符串字面量（相當於文檔字符串無賦值）。 示例 # if

代碼驗證 str1 = abcd print(str1[::-3]) # da print(str1[-1::-1]) # dcba print(str1

代碼示例 test_list = [1, 2, 3, 4] test_list = [i + 1 for i in test_list] print(test

現象 print({([1, 2],): 3}) # TypeError: unhashable type: list 原因 元組本身不可變、可哈希，前

錯誤現象 使用 pandas_udf 時拋出長堆疊錯誤，核心異常： java.lang.IllegalArgumentException at java.ni

1. 普通函數裝飾器 1.1 無參數裝飾器 def warp(callback): def wrapper(*args, **kwargs):

環境 Python 3.10.4 總結表 單下劃線 (_)雙下劃線 (__) 類屬性/方法可直接訪問名稱修飾，不可直接訪問 子類調用父類成員可直接訪問不可

文件基礎結構 現代文件系統包含：文件頭（元數據）、數據區（內容）、EOF（結束標記）。跨平台處理需注意換行符：Windows CRLF (\r\n)，Unix/

方案對比概覽 方案優點缺點適用場景 Tesseract + pytesseract離線、免費、輕量、多語言中文識別率需訓練模型文檔數字化、簡單場景 cnoc

線程安全問題回顧 多線程並發修改共享變量導致數據競爭。雖然 Python 基礎類型（int、list、dict）操作原子性較好，但複雜邏輯（如 num += 1

核心概念：GIL 與適用場景 GIL (Global Interpreter Lock) 保證同一時刻只有一個線程執行 Python 字節碼。因此： I/O

加密規則 輸入明文字符串，對每個字符取其 Unicode 碼點值加 65 後轉為對應字符，最後將所有字符逆序拼接得到密文。 實現代碼 str: re