用递归和循环可以实现嵌套关系查询，相当于所有变量和值的关系存进堆空间的感觉，即便是不能直接循环的 sqlite，也可以用 with 来解数独，传统 sql 表达能力还是很强的。

俺还希望多加电池，重点都无所谓

刚注册 leetcode 的时候，100 个 easy 我做了一个周末，还是用 py，18 岁的我肯定做不到。

估计整个城市新增为零一段时间才可能不要核算检测，起码要七个月底了。

在知乎上看到好像有公司是真的堆 redis 做数据存储的，就是太费钱，不过老板喜欢，其他暂时没有太严重的问题。
不过也就看过这么一例，也不知道是不是编的，网上绝大多数碰到这个问题的都是劝退，也几乎没人敢尝试放在业务上。

手机各种投屏基本都是把源推到电视，推完以后手机可以关掉 app 都可以继续播

以前还不会正则的时候碰到过这种，直接

i = html.find('window._xxxx = ')

获得头坐标，然后再

j = html.find('</script>', i)

获得尾坐标，然后再

json.loads(html[i + len('window._xxxx = '): j])

就可以得到对象了。。

涉及拉伸用循环大概率是不行的，最好还是用现成的模糊匹配库

三四年前投诉过没用，投诉转到当地的工程师连 dns 污染都没听过（或者是在装傻），当时就听网上说投诉多了会剔除，但貌似也没有，现在基本都是 https 了，已经比较少碰见了

最长公共子序列要用的话，得回溯除出所有连续的公共序列，过滤掉重复几个字或十几个字的，然后再加总求百分比，直接求只能求出最长的那个长度，多个短公共序列是不能直接得出的

360 市场份额已经过大，而且跟 guojia 安全已经深度绑定，叫用户拒用 360 是不太现实的

students = [
ㅤ{
ㅤㅤ'class': random.randrange(2000),
ㅤㅤ'sex': random.randint(0, 1),
ㅤㅤ'height': random.randrange(150, 190)
ㅤ}
ㅤfor _ in range(1_000_000)
]

collect = collections.defaultdict(lambda: {
ㅤ'maleSum': 0,
ㅤ'maleCount': 0,
ㅤ'femaleSum': 0,
ㅤ'femaleCount': 0
})

for student in students:
ㅤif student['sex']:
ㅤㅤcollect[student['class']]['maleSum'] += student['height']
ㅤㅤcollect[student['class']]['maleCount'] += 1
ㅤelse:
ㅤㅤcollect[student['class']]['femaleSum'] += student['height']
ㅤㅤcollect[student['class']]['femaleCount'] += 1

result = [
ㅤClass['maleSum'] / Class['maleCount'] - Class['femaleSum'] / Class['femaleCount']
ㅤfor Class in collect.values()
]

测了测，百万级数据查询时间肯定不超过半秒，这还是用带键名的，如果把临时字典换成数组，估计还能再将快几倍，拆分数组类型到 numpy 然后开 numba，估计还能再快几倍，几十分钟居然就真等了。。。

什么鬼，数据才 68 万，遍历一轮数据记录把男女身高总和和个数装进字典，然后遍历字典计算差指输出，最多不超过半秒。
主楼三十亿个学生是够吓人的，几十分钟是要的。

requests 的 asyncio 版 requests-async 也可以，或者是 httpx 也行，不过要配好官方协程，最好把 py 的版本弄新一点，不然有时候可能会出现莫名其妙的 bug 。

不明白难点在哪，希望知道总时间就直接测 main 的执行时间，需要知道各个线程的时间，就在重载的 run 函数首尾加上计时就行了，然后存字典存数组都可以直接存。io 密集的无所谓，如果 cpu 密集的最好给 run 函数传入一个进入线程的时间参数，不然有时候可能一开程就被挂起了，导致时间测量不太准确。

不过这个循环也有点迷，如果判断 queue 不为空，判断完以后如果其他线程先把队列消费空了，那 get 方法就阻塞了啊。

对于这种固定数量的任务，既然都用 requests 了，那直接上 grequests 就完事了，最多重写一下里面的方法加个成功的回调（原生库里面只有失败回调）。

字典里用内置库的 decimal.Decimal 比是相同的，再排查下是不是 sqlalchemy 模块的问题

@786375312123 我说的时间复杂度讨论不是这种，说的是那题的两种解法一种是 O(m*m*n)一种是 O(m*n*n*n)，python 必须依据 m 和 n 的数据规模分类讨论成 O(m*n*min(m, n*n))的复杂度才能过，其他语言都不用。