3个坑让你白扔钱：网吧二手电脑避坑指南与面试必问实战

复制来的代码跑不通不知道怎么调，这种绝望感我在维护老服务器时见过太多次了。很多开发者觉得硬件是玄学，其实只要搞懂底层逻辑，那些看似复杂的故障排查，在面试官眼里就是送分题，这也是面试必问的硬核知识点。今天咱们不聊虚的，直接拿“网吧二手电脑”这个典型场景，从零搭建一个硬件检测与诊断系统，把踩坑经验变成代码能力。

项目目标

很多人买二手网吧机图便宜，结果到手发现显卡掉驱动、硬盘坏道多、CPU温度高得能煎蛋。我们的目标不是教你修电脑，而是通过编写一个Python诊断脚本，模拟专业运维的排查流程。这个项目能让你掌握硬件信息读取、异常处理、数据序列化三个核心技能。在职场中，无论是运维还是后端开发，处理非标准硬件环境的能力，往往比背八股文更能打动技术负责人。我们要实现的功能包括：自动识别CPU、内存、硬盘健康状态，并生成一份JSON格式的诊断报告，方便后续分析或存档。

目录结构

为了工程化地管理这个项目，我们采用标准的项目结构。不要把所有代码都塞进一个文件里，那是新手才会做的事。

pc_diagnosis/
├── main.py          # 入口文件，负责初始化与流程控制
├── sensors/
│   ├── __init__.py  # 包初始化
│   ├── cpu.py       # CPU温度与频率读取
│   ├── disk.py      # 硬盘SMART数据解析
│   └── gpu.py       # 显卡显存与负载检测
├── utils/
│   ├── logger.py    # 日志记录工具
│   └── json_helper.py # JSON序列化辅助
├── requirements.txt # 依赖管理
└── README.md        # 项目说明

这种结构的好处在于模块解耦。如果未来你想扩展支持Linux系统，只需要在sensors目录下新增对应的实现类，而不用动主流程代码。这就是为什么面试必问里经常考察“如何设计高可维护性的代码”，因为这种结构直接体现了你对软件工程的思考。

核心代码实现

我们先看最关键的硬盘检测模块，这是二手电脑最容易出问题的一环。

# sensors/disk.py
import subprocess
import json
import reclass DiskMonitor:def __init__(self):self.os = None# 判断操作系统，网吧机大多是Win10import platformself.os = platform.system()def get_smart_data(self, disk_path="/dev/sda"):"""获取硬盘SMART数据注意：不同系统命令不同，这里以Linux为例，Windows需调用wmic"""if self.os == "Linux":cmd = f"smartctl -a {disk_path}"try:output = subprocess.check_output(cmd, shell=True, stderr=subprocess.STDOUT)return self.parse_smart(output.decode('utf-8'))except Exception as e:# 异常处理是生产环境的命脉return {"error": str(e)}else:# Windows环境下，使用wmic获取cmd = f"wmic diskdrive where DeviceID='{disk_path}' get Model, Size, Status"try:output = subprocess.check_output(cmd, shell=True, stderr=subprocess.STDOUT)return self.parse_wmic(output.decode('utf-8'))except Exception as e:return {"error": str(e)}def parse_smart(self, raw_data):"""解析SMART原始数据，提取关键指标"""result = {"reallocated_sector_ct": 0,"current_pending_sector": 0,"udma_crc_error_count": 0}lines = raw_data.splitlines()for line in lines:# 正则匹配关键ID，这里以ID 5为例if "ID 5" in line:# 提取Raw值，注意SMART数据格式复杂，需仔细解析match = re.search(r'ID 5.*?(\d+)$', line)if match:result["reallocated_sector_ct"] = int(match.group(1))# 其他指标类似处理...# 判断健康状态if result["reallocated_sector_ct"] > 0:result["health"] = "Warning"else:result["health"] = "Good"return result

这段代码有几个关键点需要细说。异常捕获不能只写Exception，在生产环境中，你要区分FileNotFoundError和PermissionError。网吧二手机权限混乱，经常因为权限不足导致读取失败，这时候程序不能崩溃，而要给出明确的错误提示。另外，正则表达式的使用要谨慎，SMART数据的格式在不同固件版本中略有差异，硬编码正则很容易翻车。建议在utils目录下写一个通用的解析器，而不是把逻辑散落在各个模块里。

再看CPU温度监测，这部分依赖第三方库psutil。

# sensors/cpu.py
import psutilclass CpuMonitor:def __init__(self):passdef get_temperature(self):"""获取CPU温度，不同硬件架构支持情况不同"""try:# psutil.sensors_temperatures() 返回字典temps = psutil.sensors_temperatures()if not temps:return {"error": "Sensor not available"}# 遍历所有传感器，找到CPU相关的for key, value in temps.items():if "cpu" in key.lower():# 取第一个温度值temp = value[0].currentreturn {"temperature": temp, "label": key}return {"error": "CPU temp not found"}except Exception as e:return {"error": str(e)}

这里有个大坑：psutil在Windows下读取温度经常失败，因为它依赖WMI服务，而很多网吧系统为了精简，把WMI服务禁用了。这时候你就需要知道备选方案，比如调用wmic命令或者使用wmi库。在面试必问的场景下，考官喜欢问“如果第三方库失效，你怎么办？”你要回答出有降级方案，而不是说“那就没办法了”。

运行与测试

代码写完了，怎么确保它靠谱？单元测试是必须的。

# tests/test_disk.py
import unittest
from sensors.disk import DiskMonitorclass TestDiskMonitor(unittest.TestCase):def setUp(self):self.monitor = DiskMonitor()def test_parse_smart(self):# 模拟SMART数据mock_data = """ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE5 Reallocated_Sector_Ct   0x0033   100   100   036    Pre-fail  Always       -       0"""result = self.monitor.parse_smart(mock_data)self.assertEqual(result["reallocated_sector_ct"], 0)self.assertEqual(result["health"], "Good")if __name__ == '__main__':unittest.main()

测试时要特别注意边界情况。比如硬盘刚通电时SMART数据可能还没更新，这时候读到的值可能是0，但这不代表硬盘健康。在实际项目中，我会加入时间戳，要求数据必须在通电5分钟后才认为有效。这种细节，才是区分初级和中级工程师的分水岭。

优化扩展

基础功能跑通后，我们要考虑性能和扩展性。

1. 并发处理 读取CPU、硬盘、显卡是独立的任务，完全可以并发执行。使用asyncio可以显著提升效率。

import asyncioasync def run_diagnosis():# 伪代码，实际需将同步方法改为异步cpu_task = asyncio.create_task(cpu_monitor.async_get_temp())disk_task = asyncio.create_task(disk_monitor.async_get_smart())results = await asyncio.gather(cpu_task, disk_task)return results

2. 数据持久化 诊断结果不能只打印在控制台，要存下来。推荐使用SQLite，轻量且无需部署。

# utils/db.py
import sqlite3class DbHelper:def __init__(self, db_name="diagnosis.db"):self.conn = sqlite3.connect(db_name)self.cursor = self.conn.cursor()self.create_table()def create_table(self):self.cursor.execute('''CREATE TABLE IF NOT EXISTS reports (id INTEGER PRIMARY KEY AUTOINCREMENT,timestamp TEXT,cpu_temp REAL,disk_health TEXT,raw_data TEXT)''')self.conn.commit()def save_report(self, data):self.cursor.execute('''INSERT INTO reports (timestamp, cpu_temp, disk_health, raw_data)VALUES (?, ?, ?, ?)''', (data['timestamp'], data['cpu_temp'], data['disk_health'], str(data['raw'])))self.conn.commit()

3. 日志规范 不要到处print，使用logging模块。日志级别要分明，调试信息用DEBUG，错误用ERROR，关键操作记录用INFO。在排查线上问题时，清晰的日志能救命。