訪問flyai.club，一鍵創建你的人工智能項目
譯文 | EarlGrey@編程派
原文 | Sheena@codementor
引言
想找一份Python開發工作嗎？那你很可能得證明自己知道如何使用Python。下面這些問題涉及了與Python相關的許多技能，問題的關注點主要是語言本身，不是某個特定的包或模塊。每一個問題都可以擴充爲一個教程，如果可能的話。某些問題甚至會涉及多個領域。
我之前還沒有出過和這些題目一樣難的面試題，如果你能輕鬆地回答出來的話，趕緊去找份工作吧！
問題1
到底什麼是Python？你可以在回答中與其他技術進行對比（也鼓勵這樣做）。
答案
下面是一些關鍵點：
Python是一種解釋型語言。這就是說，與C語言和C的衍生語言不同，Python代碼在運行之前不需要編譯。其他解釋型語言還包括PHP和Ruby。
Python是動態類型語言，指的是你在聲明變量時，不需要說明變量的類型。你可以直接編寫類似x=111和x="I'm a string"這樣的代碼，程序不會報錯。
Python非常適合面向對象的編程（OOP），因爲它支持通過組合（composition）與繼承（inheritance）的方式定義類（class）。Python中沒有訪問說明符（access specifier，類似C++中的public和private），這麼設計的依據是“大家都是成年人了”。
在Python語言中，函數是第一類對象（first-class objects）。這指的是它們可以被指定給變量，函數既能返回函數類型，也可以接受函數作爲輸入。類（class）也是第一類對象。
Python代碼編寫快，但是運行速度比編譯語言通常要慢。好在Python允許加入基於C語言編寫的擴展，因此我們能夠優化代碼，消除瓶頸，這點通常是可以實現的。numpy就是一個很好地例子，它的運行速度真的非常快，因爲很多算術運算其實並不是通過Python實現的。
Python用途非常廣泛——網絡應用，自動化，科學建模，大數據應用，等等。它也常被用作“膠水語言”，幫助其他語言和組件改善運行狀況。
Python讓困難的事情變得容易，因此程序員可以專注於算法和數據結構的設計，而不用處理底層的細節。
爲什麼提這個問題：
如果你應聘的是一個Python開發崗位，你就應該知道這是門什麼樣的語言，以及它爲什麼這麼酷。以及它哪裏不好。
問題2
補充缺失的代碼
def print_directory_contents(sPath): """ 這個函數接受文件夾的名稱作爲輸入參數， 返回該文件夾中文件的路徑， 以及其包含文件夾中文件的路徑。 """ # 補充代碼
答案
def print_directory_contents(sPath): import os for sChild in os.listdir(sPath): sChildPath = os.path.join(sPath,sChild) if os.path.isdir(sChildPath): print_directory_contents(sChildPath) else: print sChildPath
特別要注意以下幾點：
命名規範要統一。如果樣本代碼中能夠看出命名規範，遵循其已有的規範。
遞歸函數需要遞歸併終止。確保你明白其中的原理，否則你將面臨無休無止的調用棧（callstack）。
我們使用os模塊與操作系統進行交互，同時做到交互方式是可以跨平臺的。你可以把代碼寫成sChildPath = sPath + '/' + sChild，但是這個在Windows系統上會出錯。
熟悉基礎模塊是非常有價值的，但是別想破腦袋都背下來，記住Google是你工作中的良師益友。
如果你不明白代碼的預期功能，就大膽提問。
堅持KISS原則！保持簡單，不過腦子就能懂！
爲什麼提這個問題：
說明面試者對與操作系統交互的基礎知識
遞歸真是太好用啦
問題3
閱讀下面的代碼，寫出A0，A1至An的最終值。
A0 = dict(zip(('a','b','c','d','e'),(1,2,3,4,5)))A1 = range(10)A2 = [i for i in A1 if i in A0]A3 = [A0[s] for s in A0]A4 = [i for i in A1 if i in A3]A5 = {i:i*i for i in A1}A6 = [[i,i*i] for i in A1]答案
A0 = {'a': 1, 'c': 3, 'b': 2, 'e': 5, 'd': 4}A1 = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]A2 = []A3 = [1, 3, 2, 5, 4]A4 = [1, 2, 3, 4, 5]A5 = {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}A6 = [[0, 0], [1, 1], [2, 4], [3, 9], [4, 16], [5, 25], [6, 36], [7, 49], [8, 64], [9, 81]]爲什麼提這個問題：
列表解析（list comprehension）十分節約時間，對很多人來說也是一個大的學習障礙。
如果你讀懂了這些代碼，就很可能可以寫下正確地值。
其中部分代碼故意寫的怪怪的。因爲你共事的人之中也會有怪人。
問題4
Python和多線程（multi-threading）。這是個好主意碼？列舉一些讓Python代碼以並行方式運行的方法。
答案
Python並不支持真正意義上的多線程。Python中提供了多線程包，但是如果你想通過多線程提高代碼的速度，使用多線程包並不是個好主意。Python中有一個被稱爲Global Interpreter Lock（GIL）的東西，它會確保任何時候你的多個線程中，只有一個被執行。線程的執行速度非常之快，會讓你誤以爲線程是並行執行的，但是實際上都是輪流執行。經過GIL這一道關卡處理，會增加執行的開銷。這意味着，如果你想提高代碼的運行速度，使用threading包並不是一個很好的方法。
不過還是有很多理由促使我們使用threading包的。如果你想同時執行一些任務，而且不考慮效率問題，那麼使用這個包是完全沒問題的，而且也很方便。但是大部分情況下，並不是這麼一回事，你會希望把多線程的部分外包給操作系統完成（通過開啓多個進程），或者是某些調用你的Python代碼的外部程序（例如Spark或Hadoop），又或者是你的Python代碼調用的其他代碼（例如，你可以在Python中調用C函數，用於處理開銷較大的多線程工作）。
爲什麼提這個問題
因爲GIL就是個混賬東西（A-hole）。很多人花費大量的時間，試圖尋找自己多線程代碼中的瓶頸，直到他們明白GIL的存在。
問題5
你如何管理不同版本的代碼？
答案：
版本管理！被問到這個問題的時候，你應該要表現得很興奮，甚至告訴他們你是如何使用Git（或是其他你最喜歡的工具）追蹤自己和奶奶的書信往來。我偏向於使用Git作爲版本控制系統（VCS），但還有其他的選擇，比如subversion（SVN）。
爲什麼提這個問題：
因爲沒有版本控制的代碼，就像沒有杯子的咖啡。有時候我們需要寫一些一次性的、可以隨手扔掉的腳本，這種情況下不作版本控制沒關係。但是如果你面對的是大量的代碼，使用版本控制系統是有利的。版本控制能夠幫你追蹤誰對代碼庫做了什麼操作；發現新引入了什麼bug；管理你的軟件的不同版本和發行版；在團隊成員中分享源代碼；部署及其他自動化處理。它能讓你回滾到出現問題之前的版本，單憑這點就特別棒了。還有其他的好功能。怎麼一個棒字了得！
問題6
下面代碼會輸出什麼：
def f(x,l=[]): for i in range(x): l.append(i*i) print lf(2)f(3,[3,2,1])f(3)
答案：
[0, 1][3, 2, 1, 0, 1, 4][0, 1, 0, 1, 4]
呃？
第一個函數調用十分明顯，for循環先後將0和1添加至了空列表l中。l是變量的名字，指向內存中存儲的一個列表。第二個函數調用在一塊新的內存中創建了新的列表。l這時指向了新生成的列表。之後再往新列表中添加0、1、2和4。很棒吧。第三個函數調用的結果就有些奇怪了。它使用了之前內存地址中存儲的舊列表。這就是爲什麼它的前兩個元素是0和1了。
不明白的話就試着運行下面的代碼吧：
l_mem = []l = l_mem # the first callfor i in range(2): l.append(i*i)print l # [0, 1]l = [3,2,1] # the second callfor i in range(3): l.append(i*i)print l # [3, 2, 1, 0, 1, 4]l = l_mem # the third callfor i in range(3): l.append(i*i)print l # [0, 1, 0, 1, 4]
問題7
“猴子補丁”（monkey patching）指的是什麼？這種做法好嗎？
答案：
“猴子補丁”就是指，在函數或對象已經定義之後，再去改變它們的行爲。
舉個例子：
import datetimedatetime.datetime.now = lambda: datetime.datetime(2012, 12, 12)
大部分情況下，這是種很不好的做法 - 因爲函數在代碼庫中的行爲最好是都保持一致。打“猴子補丁”的原因可能是爲了測試。mock包對實現這個目的很有幫助。
爲什麼提這個問題？
答對這個問題說明你對單元測試的方法有一定了解。你如果提到要避免“猴子補丁”，可以說明你不是那種喜歡花裏胡哨代碼的程序員（公司裏就有這種人，跟他們共事真是糟糕透了），而是更注重可維護性。還記得KISS原則碼？答對這個問題還說明你明白一些Python底層運作的方式，函數實際是如何存儲、調用等等。
另外：如果你沒讀過mock模塊的話，真的值得花時間讀一讀。這個模塊非常有用。
問題8
這兩個參數是什麼意思：*args，**kwargs？我們爲什麼要使用它們？
答案
如果我們不確定要往函數中傳入多少個參數，或者我們想往函數中以列表和元組的形式傳參數時，那就使要用*args；如果我們不知道要往函數中傳入多少個關鍵詞參數，或者想傳入字典的值作爲關鍵詞參數時，那就要使用**kwargs。args和kwargs這兩個標識符是約定俗成的用法，你當然還可以用*bob和**billy，但是這樣就並不太妥。
下面是具體的示例：
def f(*args,**kwargs): print args, kwargsl = [1,2,3]t = (4,5,6)d = {'a':7,'b':8,'c':9}f()f(1,2,3) # (1, 2, 3) {}f(1,2,3,"groovy") # (1, 2, 3, 'groovy') {}f(a=1,b=2,c=3) # () {'a': 1, 'c': 3, 'b': 2}f(a=1,b=2,c=3,zzz="hi") # () {'a': 1, 'c': 3, 'b': 2, 'zzz': 'hi'}f(1,2,3,a=1,b=2,c=3) # (1, 2, 3) {'a': 1, 'c': 3, 'b': 2}f(*l,**d) # (1, 2, 3) {'a': 7, 'c': 9, 'b': 8}f(*t,**d) # (4, 5, 6) {'a': 7, 'c': 9, 'b': 8}f(1,2,*t) # (1, 2, 4, 5, 6) {}f(q="winning",**d) # () {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}f(1,2,*t,q="winning",**d) # (1, 2, 4, 5, 6) {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}def f2(arg1,arg2,*args,**kwargs): print arg1,arg2, args, kwargsf2(1,2,3) # 1 2 (3,) {}f2(1,2,3,"groovy") # 1 2 (3, 'groovy') {}f2(arg1=1,arg2=2,c=3) # 1 2 () {'c': 3}f2(arg1=1,arg2=2,c=3,zzz="hi") # 1 2 () {'c': 3, 'zzz': 'hi'}f2(1,2,3,a=1,b=2,c=3) # 1 2 (3,) {'a': 1, 'c': 3, 'b': 2}f2(*l,**d) # 1 2 (3,) {'a': 7, 'c': 9, 'b': 8}f2(*t,**d) # 4 5 (6,) {'a': 7, 'c': 9, 'b': 8}f2(1,2,*t) # 1 2 (4, 5, 6) {}f2(1,1,q="winning",**d) # 1 1 () {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}f2(1,2,*t,q="winning",**d) # 1 2 (4, 5, 6) {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}爲什麼提這個問題？
有時候，我們需要往函數中傳入未知個數的參數或關鍵詞參數。有時候，我們也希望把參數或關鍵詞參數儲存起來，以備以後使用。有時候，僅僅是爲了節省時間。
問題9
下面這些是什麼意思：@classmethod, @staticmethod, @property？
回答背景知識
這些都是裝飾器（decorator）。裝飾器是一種特殊的函數，要麼接受函數作爲輸入參數，並返回一個函數，要麼接受一個類作爲輸入參數，並返回一個類。@標記是語法糖（syntactic sugar），可以讓你以簡單易讀得方式裝飾目標對象。
@my_decoratordef my_func(stuff): do_thingsIs equivalent todef my_func(stuff): do_thingsmy_func = my_decorator(my_func)
你可以在本網站上找到介紹裝飾器工作原理的教材。
真正的答案
@classmethod, @staticmethod和@property這三個裝飾器的使用對象是在類中定義的函數。下面的例子展示了它們的用法和行爲：
class MyClass(object):
def __init__(self):
self._some_property = "properties are nice"
self._some_other_property = "VERY nice"
def normal_method(*args,**kwargs):
print "calling normal_method({0},{1})".format(args,kwargs)
@classmethod
def class_method(*args,**kwargs):
print "calling class_method({0},{1})".format(args,kwargs)
@staticmethod
def static_method(*args,**kwargs):
print "calling static_method({0},{1})".format(args,kwargs)
@property
def some_property(self,*args,**kwargs):
print "calling some_property getter({0},{1},{2})".format(self,args,kwargs)
return self._some_property
@some_property.setter
def some_property(self,*args,**kwargs):
print "calling some_property setter({0},{1},{2})".format(self,args,kwargs)
self._some_property = args[0]
@property
def some_other_property(self,*args,**kwargs):
print "calling some_other_property getter({0},{1},{2})".format(self,args,kwargs)
return self._some_other_propertyo = MyClass()# 未裝飾的方法還是正常的行爲方式，需要當前的類實例（self）作爲第一個參數。o.normal_method # <bound method MyClass.normal_method of <__main__.MyClass instance at 0x7fdd2537ea28>>o.normal_method() # normal_method((<__main__.MyClass instance at 0x7fdd2537ea28>,),{})o.normal_method(1,2,x=3,y=4) # normal_method((<__main__.MyClass instance at 0x7fdd2537ea28>, 1, 2),{'y': 4, 'x': 3})# 類方法的第一個參數永遠是該類o.class_method# <bound method classobj.class_method of <class __main__.MyClass at 0x7fdd2536a390>>o.class_method()# class_method((<class __main__.MyClass at 0x7fdd2536a390>,),{})o.class_method(1,2,x=3,y=4)# class_method((<class __main__.MyClass at 0x7fdd2536a390>, 1, 2),{'y': 4, 'x': 3})# 靜態方法（static method）中除了你調用時傳入的參數以外，沒有其他的參數。o.static_method# <function static_method at 0x7fdd25375848>o.static_method()# static_method((),{})o.static_method(1,2,x=3,y=4)# static_method((1, 2),{'y': 4, 'x': 3})# @property是實現getter和setter方法的一種方式。直接調用它們是錯誤的。# “只讀”屬性可以通過只定義getter方法，不定義setter方法實現。o.some_property# 調用some_property的getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})# 'properties are nice'# “屬性”是很好的功能o.some_property()# calling some_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})# Traceback (most recent call last):# File "<stdin>", line 1, in <module># TypeError: 'str' object is not callableo.some_other_property# calling some_other_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})# 'VERY nice'# o.some_other_property()# calling some_other_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})# Traceback (most recent call last):# File "<stdin>", line 1, in <module># TypeError: 'str' object is not callableo.some_property = "groovy"# calling some_property setter(<__main__.MyClass object at 0x7fb2b7077890>,('groovy',),{})o.some_property# calling some_property getter(<__main__.MyClass object at 0x7fb2b7077890>,(),{})# 'groovy'o.some_other_property = "very groovy"# Traceback (most recent call last):# File "<stdin>", line 1, in <module># AttributeError: can't set attributeo.some_other_property# calling some_other_property getter(<__main__.MyClass object at 0x7fb2b7077890>,(),{})問題10
閱讀下面的代碼，它的輸出結果是什麼？
class A(object):
def go(self):
print "go A go!"
def stop(self):
print "stop A stop!"
def pause(self):
raise Exception("Not Implemented")class B(A):
def go(self):
super(B, self).go()
print "go B go!"class C(A):
def go(self):
super(C, self).go()
print "go C go!"
def stop(self):
super(C, self).stop()
print "stop C stop!"class D(B,C):
def go(self):
super(D, self).go()
print "go D go!"
def stop(self):
super(D, self).stop()
print "stop D stop!"
def pause(self):
print "wait D wait!"class E(B,C): passa = A()b = B()c = C()d = D()e = E()# 說明下列代碼的輸出結果a.go()b.go()c.go()d.go()e.go()a.stop()b.stop()c.stop()d.stop()e.stop()a.pause()b.pause()c.pause()d.pause()e.pause()答案
輸出結果以註釋的形式表示：
a.go()# go A go!b.go()# go A go!# go B go!c.go()# go A go!# go C go!d.go()# go A go!# go C go!# go B go!# go D go!e.go()# go A go!# go C go!# go B go!a.stop()# stop A stop!b.stop()# stop A stop!c.stop()# stop A stop!# stop C stop!d.stop()# stop A stop!# stop C stop!# stop D stop!e.stop()# stop A stop!a.pause()# ... Exception: Not Implementedb.pause()# ... Exception: Not Implementedc.pause()# ... Exception: Not Implementedd.pause()# wait D wait!e.pause()# ...Exception: Not Implemented
爲什麼提這個問題？
因爲面向對象的編程真的真的很重要。不騙你。答對這道問題說明你理解了繼承和Python中super函數的用法。
問題11
閱讀下面的代碼，它的輸出結果是什麼？
class Node(object):
def __init__(self,sName):
self._lChildren = []
self.sName = sName
def __repr__(self):
return "<Node '{}'>".format(self.sName)
def append(self,*args,**kwargs):
self._lChildren.append(*args,**kwargs)
def print_all_1(self):
print self
for oChild in self._lChildren:
oChild.print_all_1()
def print_all_2(self):
def gen(o):
lAll = [o,]
while lAll:
oNext = lAll.pop(0)
lAll.extend(oNext._lChildren)
yield oNext
for oNode in gen(self):
print oNodeoRoot = Node("root")oChild1 = Node("child1")oChild2 = Node("child2")oChild3 = Node("child3")oChild4 = Node("child4")oChild5 = Node("child5")oChild6 = Node("child6")oChild7 = Node("child7")oChild8 = Node("child8")oChild9 = Node("child9")oChild10 = Node("child10")oRoot.append(oChild1)oRoot.append(oChild2)oRoot.append(oChild3)oChild1.append(oChild4)oChild1.append(oChild5)oChild2.append(oChild6)oChild4.append(oChild7)oChild3.append(oChild8)oChild3.append(oChild9)oChild6.append(oChild10)# 說明下面代碼的輸出結果oRoot.print_all_1()oRoot.print_all_2()答案
oRoot.print_all_1()會打印下面的結果：
<Node 'root'><Node 'child1'><Node 'child4'><Node 'child7'><Node 'child5'><Node 'child2'><Node 'child6'><Node 'child10'><Node 'child3'><Node 'child8'><Node 'child9'>
oRoot.print_all_1()會打印下面的結果：
<Node 'root'><Node 'child1'><Node 'child2'><Node 'child3'><Node 'child4'><Node 'child5'><Node 'child6'><Node 'child8'><Node 'child9'><Node 'child7'><Node 'child10'>
爲什麼提這個問題？
因爲對象的精髓就在於組合（composition）與對象構造（object construction）。對象需要有組合成分構成，而且得以某種方式初始化。這裏也涉及到遞歸和生成器（generator）的使用。
生成器是很棒的數據類型。你可以只通過構造一個很長的列表，然後打印列表的內容，就可以取得與print_all_2類似的功能。生成器還有一個好處，就是不用佔據很多內存。
有一點還值得指出，就是print_all_1會以深度優先（depth-first）的方式遍歷樹(tree),而print_all_2則是寬度優先（width-first）。有時候，一種遍歷方式比另一種更合適。但這要看你的應用的具體情況。
問題12
簡要描述Python的垃圾回收機制（garbage collection）。
答案
這裏能說的很多。你應該提到下面幾個主要的點：
Python在內存中存儲了每個對象的引用計數（reference count）。如果計數值變成0，那麼相應的對象就會小時，分配給該對象的內存就會釋放出來用作他用。
偶爾也會出現引用循環（reference cycle）。垃圾回收器會定時尋找這個循環，並將其回收。舉個例子，假設有兩個對象o1和o2，而且符合o1.x == o2和o2.x == o1這兩個條件。如果o1和o2沒有其他代碼引用，那麼它們就不應該繼續存在。但它們的引用計數都是1。
Python中使用了某些啓發式算法（heuristics）來加速垃圾回收。例如，越晚創建的對象更有可能被回收。對象被創建之後，垃圾回收器會分配它們所屬的代（generation）。每個對象都會被分配一個代，而被分配更年輕代的對象是優先被處理的。
問題13
將下面的函數按照執行效率高低排序。它們都接受由0至1之間的數字構成的列表作爲輸入。這個列表可以很長。一個輸入列表的示例如下：[random.random() for i in range(100000)]。你如何證明自己的答案是正確的。
def f1(lIn): l1 = sorted(lIn) l2 = [i for i in l1 if i<0.5] return [i*i for i in l2]def f2(lIn): l1 = [i for i in lIn if i<0.5] l2 = sorted(l1) return [i*i for i in l2]def f3(lIn): l1 = [i*i for i in lIn] l2 = sorted(l1) return [i for i in l1 if i<(0.5*0.5)]
答案
按執行效率從高到低排列：f2、f1和f3。要證明這個答案是對的，你應該知道如何分析自己代碼的性能。Python中有一個很好的程序分析包，可以滿足這個需求。
import cProfilelIn = [random.random() for i in range(100000)]cProfile.run('f1(lIn)')cProfile.run('f2(lIn)')cProfile.run('f3(lIn)')爲了向大家進行完整地說明，下面我們給出上述分析代碼的輸出結果：
>>> cProfile.run('f1(lIn)')
4 function calls in 0.045 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.009 0.009 0.044 0.044 <stdin>:1(f1)
1 0.001 0.001 0.045 0.045 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.035 0.035 0.035 0.035 {sorted}>>> cProfile.run('f2(lIn)')
4 function calls in 0.024 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.008 0.008 0.023 0.023 <stdin>:1(f2)
1 0.001 0.001 0.024 0.024 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.016 0.016 0.016 0.016 {sorted}>>> cProfile.run('f3(lIn)')
4 function calls in 0.055 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.016 0.016 0.054 0.054 <stdin>:1(f3)
1 0.001 0.001 0.055 0.055 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.038 0.038 0.038 0.038 {sorted}爲什麼提這個問題？
定位並避免代碼瓶頸是非常有價值的技能。想要編寫許多高效的代碼，最終都要回答常識上來——在上面的例子中，如果列表較小的話，很明顯是先進行排序更快，因此如果你可以在排序前先進行篩選，那通常都是比較好的做法。其他不顯而易見的問題仍然可以通過恰當的工具來定位。因此瞭解這些工具是有好處的。
問題14
你有過失敗的經歷嗎？
錯誤的答案
我從來沒有失敗過！
爲什麼提這個問題？
恰當地回答這個問題說明你用於承認錯誤，爲自己的錯誤負責，並且能夠從錯誤中學習。如果你想變得對別人有幫助的話，所有這些都是特別重要的。如果你真的是個完人，那就太糟了，回答這個問題的時候你可能都有點創意了。
問題15
你有實施過個人項目嗎？
真的？
如果做過個人項目，這說明從更新自己的技能水平方面來看，你願意比最低要求付出更多的努力。如果你有維護的個人項目，工作之外也堅持編碼，那麼你的僱主就更可能把你視作爲會增值的資產。即使他們不問這個問題，我也認爲談談這個話題很有幫助。
結語
我給出的這些問題時，有意涉及了多個領域。而且答案也是特意寫的較爲囉嗦。在編程面試中，你需要展示你對語言的理解，如果你能簡要地說清楚，那請務必那樣做。我儘量在答案中提供了足夠的信息，即使是你之前從來沒有了解過這些領域，你也可以從答案中學到些東西。我希望本文能夠幫助你找到滿意的工作。
— End —