python开发工程师解答(1)
- 2026-09-10 21:01:17
题 1：实现一个LRU缓存机制
实现一个类 LRUCache，支持以下操作：
cache = LRUCache(2)# 容量为2cache.put(1, 1)cache.put(2, 2)print(cache.get(1))# 返回 1cache.put(3, 3) # 移除键 2print(cache.get(2))# 返回 -1（未找到）
要求：
用 OrderedDict 或双向链表 + 字典 实现；
get 和 put 都必须是 O(1) 时间复杂度。
要求：实现 get / put 操作，时间复杂度 O(1)
示例：
cache=LRUCache(2)cache.put(1, 1)cache.put(2, 2)print(cache.get(1)) # 输出 1cache.put(3, 3) # 删除键 2print(cache.get(2)) # 输出 -1
ifkeyinself.cache:self.cache.move_to_end(key)self.cache[key] =valueiflen(self.cache) >self.capacity:self.cache.popitem(last=False)
from collections import OrderedDictclass LRUCache:def __init__(self, capacity: int):self.cache = OrderedDict()self.capacity = capacitydef get(self, key: int) -> int:if key not in self.cache:return -1 # 如果key不存在，返回-1else:# 将访问的key移动到字典的末尾，表示最近使用过self.cache.move_to_end(key)return self.cache[key]def put(self, key: int, value: int) -> None:if key in self.cache:# 如果key已存在，先删除旧的键值对，然后再添加新的，这样可以保持顺序正确del self.cache[key]self.cache[key] = valueself.cache.move_to_end(key) # 移动到末尾表示最近使用过else:if len(self.cache) >= self.capacity:# 如果缓存已满，则删除最久未使用的项（OrderedDict的第一个元素）self.cache.popitem(last=False)self.cache[key] = valueself.cache.move_to_end(key) # 移动到末尾表示最近使用过# 使用示例：cache = LRUCache(2)cache.put(1, 1)cache.put(2, 2)print(cache.get(1)) # 返回 1cache.put(3, 3) # 该操作会使关键字 2 作废print(cache.get(2)) # 返回 -1 (未找到)cache.put(4, 4) # 该操作会使关键字 1 作废print(cache.get(1)) # 返回 -1 (未找到)print(cache.get(3)) # 返回 3print(cache.get(4)) # 返回 4
在这个实现中：
__init__ 方法初始化缓存的容量。
get 方法检查键是否存在于缓存中，如果存在，则将其移到字典的末尾（表示最近使用），然后返回其值。如果不存在，则返回-1。
put 方法首先检查键是否已存在，如果存在则更新其值并将其移到末尾。如果不存在，则先检查缓存是否已满，如果已满，则删除最久未使用的项（即字典中的第一个项），然后添加新的键值对并将其移到末尾。
这样，我们就实现了LRU缓存机制。
关键点总结
O(1) 时间复杂度：通过哈希表实现快速查找，双向链表实现快速插入/删除；
访问顺序维护：每次 get 或 put（新键）都将对应节点移至链表头部；
淘汰策略：链表尾部始终为最久未使用节点，容量超限时删除它。
如需完整 LeetCode 题目练习，可访问：LeetCode 146. LRU 缓存
https://leetcode.cn/problems/lru-cache/description/
题 2：实现一个简单的并发爬取
编写程序，使用 asyncio + aiohttp 并发请求以下 URL 列表：
urls = ["https://example.com/a", "https://example.com/b", "https://example.com/c"]要求：
输出每个请求的响应状态码；
限制同时并发数量不超过 3；
加入超时与异常捕获逻辑。
import asyncioimport aiohttpasync def fetch(session, url):async with session.get(url) as response:return await response.text()async def main():urls = ['https://www.example.com','https://www.google.com','https://www.python.org','https://www.github.com']async with aiohttp.ClientSession() as session:tasks = [fetch(session, url) for url in urls]responses = await asyncio.gather(*tasks)for i, response in enumerate(responses):print(f"Response from {urls[i]}:")print(response[:100]) # 打印前100个字符作为示例print("..." * 5) # 添加省略号以简化输出# 运行主函数if __name__ == '__main__':asyncio.run(main())
程序解释：
导入库：导入 asyncio 和 aiohttp。
定义 fetch 函数：这是一个异步函数，它使用 aiohttp 的 ClientSession 来发起 GET 请求，并返回响应的文本内容。
定义 main 函数：这是主函数，它定义了一个 URL 列表，并使用 aiohttp.ClientSession 来管理会话。它创建了一个任务列表，每个任务对应一个 URL 的请求，然后使用 asyncio.gather 来并发执行这些任务。
打印响应：对于每个响应，程序打印出该 URL 的响应内容的前100个字符，并添加省略号以简化输出。
运行主函数：使用 asyncio.run(main()) 来运行主函数。
这个程序展示了如何使用 asyncio 和 aiohttp 进行并发 HTTP 请求，非常适合于网络爬虫和数据抓取任务。你可以根据需要修改 URL 列表和响应处理逻辑
