json、pickle、marshal均为Python标准库内置模块，无需pip安装；pipinstalljson等会报错，因其非PyPI包；仅当标准库有短板（如json不支持datetime、pickle不跨语言、marshal版本不兼容）时，才需安装orjson、cloudpickle、msgpack等第三方库。

Python没有“人马兽”——这是对requests、urllib、httpx等HTTP库的误称，源于“requests”谐音污染；其非内置模块，需pip安装，且存在超时、异常、编码、并发及线程安全等关键使用陷阱。

pipinstall报“ERROR:Cannotuninstall‘X’”是因非pip安装导致卸载失败，应先用pipshow检查来源，再手动卸载或删目录；多版本依赖须用venv隔离环境，避免全局污染。

PPT文字提取与图片转文字有五种方法：一、PowerPoint“导出为大纲”提取文本框文字；二、OCR工具识别导出的高分辨率图片；三、OneNote隐式OCR抓取页面文字；四、Python+pytesseract编程批量处理；五、在线OCR服务直接上传识别。

requests+BeautifulSoup是新手快速抓取网页数据的最轻量组合，先pip安装二者，用requests.get获取响应并检查status_code、设置encoding防乱码，再用BeautifulSoup解析HTML，通过find/find_all或CSS选择器定位元素，最后用get_text()或属性...

可尝试四种方法强制提取损坏PDF的内容：一、用pdftotext跳过损坏区解析文本；二、用十六进制编辑器定位BT/ET间文本对象；三、用Ghostscript渲染重建PDF；四、用PyPDF库strict=False模式跳过错误页提取。