节前的某天，数据集预览服务出现了一次 OOM（内存溢出）问题。这类问题放在过去，其实是比较消耗时间的。 数据集预览涉及多种格式解析：jsonl、csv、parquet、json 等，每种格式的读取方式、内存占用模型都不一样。要逐个排查内存增长点，分析数据加载策略、对象生命周期以及是否存在全量读入等问题，通常至少需要 1 天时间。
def parse_detail(url, html):
。91视频对此有专业解读
Unicode encodes these as separate codepoints for compatibility, but fonts use the same glyph. These are easy to handle (NFKC collapses them), but worth knowing about.
第七十九条 引诱、容留、介绍他人卖淫的，处十日以上十五日以下拘留，可以并处五千元以下罚款；情节较轻的，处五日以下拘留或者一千元以上二千元以下罚款。