bisect.bisect_left仅返回首个≥target的索引，不保证该位置元素等于target，故需校验索引不越界且arr[i]==target。
Python 的 bisect 模块本身不提供“查找目标值是否存在”的直接函数，它只负责在已排序列表中定位插入位置；想查是否找到，得自己多写一行比较。
为什么 bisect.bisect_left 返回的位置要手动校验？
因为 bisect_left 只保证返回“第一个 >= target 的索引”，但不保证该位置上真有 target。比如对 [1, 3, 5] 查 4，它返回 2（即 5 的位置），但 5 != 4。
正确做法是：先用 bisect_left 得到索引，再判断索引是否越界、且对应元素是否等于目标值：
import bisect <p>def binary_search(arr, x): i = bisect.bisect_left(arr, x) return i < len(arr) and arr[i] == x</p><h1>示例</h1><p>nums = [1, 3, 5, 7, 9] print(binary_search(nums, 5)) # True print(binary_search(nums, 4)) # False
- 必须检查
i ，否则查比最大值还大的数会触发 <code>IndexError - 不能只靠
bisect_left返回值非负就认为找到了——它永远返回合法索引（包括len(arr)） - 用
bisect_right也可以，但需对比arr[i-1]，逻辑更绕，不推荐
bisect.insort 看似方便，但频繁调用会让插入变成 O(n²)
很多人以为 bisect.insort_left(arr, x) 是“高效插入”，其实它只是把二分找位置 + 列表插入两步封装了。而 Python 列表的 insert() 是 O(n) 的，每次都要搬移后续元素。
立即学习“Python免费学习笔记（深入）”；
- 如果需要动态维护有序序列并高频插入，改用
sortedcontainers.SortedList（第三方）或heapq（仅支持堆序，不支持任意位置查） - 若只是初始化一次、后续只读，用
sorted()配合bisect查找，性能最稳 - 别在循环里反复
insort—— 10⁴ 次插入可能比先拼列表再sorted()慢一个数量级
用 bisect 处理带 key 的场景时，得自己维护映射
原生 bisect 不支持 key 参数（不像 sorted(key=...)）。比如按字典的 "score" 字段二分查找，不能直接传 key=lambda x: x["score"]。
- 常见解法：预提取 key 值为独立列表，如
scores = [d["score"] for d in data]，再对scores调用bisect，用返回索引去原列表取数据 - 注意保持
scores和data索引严格对齐；如果data会动态增删，这套映射就容易出错 - 更健壮的做法：用
data.sort(key=lambda x: x["score"])排序后，再维护一个单独的score_keys = [d["score"] for d in data]，只对后者查
真正容易被忽略的是边界一致性：所有用 bisect 的地方，必须确保输入列表是升序且未被意外修改过；一旦有人在别处 append 或 sort(reverse=True)，后续查找结果就全不可信了。
