python 位运算是解决底层控制、性能敏感等场景的高效手段，用于权限标志管理、2 的幂乘除优化、位图压缩存储及异或算法应用。
Python 位运算不是炫技工具，而是解决特定问题的高效手段——尤其在底层控制、性能敏感或资源受限场景中。它直接操作数据的二进制表示，省去高级抽象开销，但需谨慎使用，避免可读性下降。
权限系统中的标志位管理
用单个整数存储多个布尔状态，比用字典或多个变量更省内存且判断更快。例如，Linux 文件权限（读 4、写 2、执行 1）就是典型位标记：
- 定义权限常量 ：READ = 1
- 组合权限 ：user_perm = READ | WRITE # 值为 3，表示“可读可写”
- 判断权限 ：if user_perm & EXEC: print(“ 可执行 ”) # 按位与非零即存在
- 移除权限 ：user_perm &= ~EXEC # 清除执行位
快速乘除与取模优化（仅限 2 的幂）
当确定操作数是 2 的整数次幂时，位移比算术运算快（CPython 中差异微小，但嵌入式或高频循环中仍有价值）：
- 左移替代乘法 ：x
- 右移替代整除 ：x >> 2 等价于 x // 4（对非负数成立；负数右移是算术移位，结果与 // 不同）
- 按位与替代取模 ：x & 7 等价于 x % 8（前提是模数是 2ⁿ且 x ≥ 0）
位图（Bitmap）与海量布尔集合压缩
存储百万级开关状态（如用户在线标记、IP 地址存在性）时，位图比列表 / 集合节省约 99% 内存：
立即学习 “Python 免费学习笔记（深入）”；
- 用一个整数数组，每个 bit 代表一个 ID 是否存在；ID 为 i 的状态存在与否查 arr[i // 64] & (1
- Python 标准库无内置位图，但可用 array.array(‘Q’)（unsigned long long 数组）手动实现，或借助第三方库 bitarray
- 适合静态或低频更新场景；频繁增删建议用布隆过滤器等更高层结构
异或（^）的经典应用
异或具自反性（a ^ a = 0）、交换律和结合律，带来简洁解法：
- 交换两变量值（无需临时变量）：a, b = a ^ b, a ^ b ^ b → 实际中不推荐，可读性差且仅适用于整型
- 找出唯一出现奇数次的元素 ：nums = [2,3,2,4,4] → result = 0; for x in nums: result ^= x → 得 3（所有偶数次元素异或抵消）
- 简单数据校验或简易加密 ：明文 ^ 密钥 → 密文；密文 ^ 密钥 → 明文（密钥需保密且长度匹配）
