python爬⾍⾯试真题及答案_Python⾯试题爬⾍篇（附答案）0|1第⼀部分 必答题
注意：第31题1分，其他题均每题3分。
1，了解哪些基于爬⾍相关的模块？- ⽹络请求：urllib，requests，aiohttp
- 数据解析：re，xpath，bs4，pyquery
- selenium
- js逆向：pyexcJs
2，常见的数据解析⽅式？- re、lxml、bs4
3，列举在爬⾍过程中遇到的哪些⽐较难的反爬机制？
- 动态加载的数据
- 动态变化的请求参数
- js加密
-
代理
- cookie
4，简述如何抓取动态加载数据？- 基于抓包⼯具进⾏全局搜索
- 如果动态加载的数据是密⽂，则全局搜索是搜索不到
5，移动端数据如何抓取？- fiddler，appnium，⽹络配置
6，抓取过哪些类型的数据，量级多少？- 电商，医疗器械，彩妆，新闻资讯，⾦融，体育赛事(参考hao123⽹站)
- 量级：
- 最好不要超过100w。⾃⼰计算(页数，⼀页显⽰多少数据)
7，了解哪些爬⾍框架？- scrapy，pyspider
8，谈谈对scrapy的了解？- 功能：数据解析，持久化存储，深度爬取，分布式，关键件
- 五⼤核⼼组件的作⽤和⼯作流程
9，如何解析出携带标签的局部页⾯数据？- bs4
10，scrapy核⼼组件？- spider，引擎，调度器，下载器，管道
11，scrapy中间件的应⽤？- 作⽤：拦截请求和响应
- 拦截请求：设置代理
12，如何实现全站数据爬取？- 基于⼿动请求发送+递归解析
- 基于CrwalSpider(LinkExtractor，Rule)
13，如何检测⽹站数据更新？- 增量式爬⾍
14，分布式爬⾍实现原理？- 基于scrapy-redis实现的分布式。
15，如何提升爬取数据的效率(异步爬⾍)- 使⽤框架
- 线程池，多任务的异步协程
- 分布式
16，列举你接触的反爬机制？ua检测、封ip、js混淆、参数加密、数据加密，动态加载
17，什么是深度优先和⼴度优先(优劣)- 默认情况下scrapy是深度优先。
- 深度优先：占⽤空间⼤，但是运⾏速度快
- ⼴度优先：占⽤空间少，运⾏速度慢
18，scrapy如何实现持久化存储
- 解析数据
- 将解析的数据封装到item中
- 将item提交管道
- 在管道中持久化存储
- 开启管道
19，谈谈对crawlspider的理解，如何使⽤其进⾏深度爬取- 链接提取器&规则解析器
20，如何实现数据清洗？
- 清洗空值(缺失值)
- 将空对应的⾏数据删除.dropna
- 使⽤近邻值填充空值.fillna
- 清洗重复值
- 重复的⾏数据删除：drop_duplicates()
- 清洗异常值
- ⼀定要有⼀个判定异常值的条件
21，了解过机器学习吗？
- 特征⼯程
- 特征预处理
-
归⼀化，标准化
- 特征值化
- 将⾮数值型的数据转换成数值型的数据
- 降维
- sklean框架
- 线性回归，KNN，贝叶斯
- 补充：
1.树模型：决策树
2.集成模型：随机森林
- 深度学习框架：
- tensorflow
快速排序python实现22，在爬⾍中为什么需要是⽤selenium？selenium和爬⾍之间的关联么？selenium和爬⾍之间的关联是什么？
- 爬取动态加载的数据
- 模拟登录
23，列举你所熟知的selenium模块中的常⽤⽅法及其作⽤
24，解释在多任务异步协程中事件循环(loop)的作⽤是什么？- 可以将注册在其内部的任务对象表⽰的特定操作进⾏异步执⾏
25，多任务异步协程是如何实现异步的？- ⼀个任务对象就是⼀个协程也是⼀组特定的操作，将任务对象注册到事件循环中，就可以异步的执⾏每⼀组特定的操作
- wait⽅法，await关键字
26，验证码如何处理？- 打码平台
27，scrapy 和 scrapy-redis 有什么区别？- scrapy-redis这个组件可以给scrapy框架提供共享的管道和调度器实现分布式爬⾍
28，说⼀说打开浏览器访问 www.baidu 获取到结果，整个流程。
1.域名解析成IP
2.与⽬的主机进⾏TCP连接(三次握⼿)
3.发送和接收数据
29，列出你知道 header 的内容以及信息- User-Agent
- Connection
30，简述scrapy的去重原理？需要将dont_filter设置为False开启去重，默认是False；
对于每⼀个url的请求，调度器都会根据请求的相关信息加密得到⼀个指纹信息，并且将指纹信息和set()集合中得指纹信息进⾏⽐对，如果set()集合中已经存在这个数据，就不在将这个Request放⼊队列中。如果set()集合中没有，就将这个Request对象放⼊队列中，等待被调度。
31，下列叙述中错误的是：(1分)A.栈是线性结构 B.队列是线性结构
C.线性列表是线性结构
D.⼆叉树是线性结构
32，简述前序、中序、后续遍历？
跟左右
左跟右
左右跟
33，写代码：实现⼀个冒泡排序。
def sort(alist):
length = len(alist)for j in range(length-1)for i in range(length-1-j):if alist[i] > alist[i+1]:
alist[i],alist[i+1] = alist[i+1],alist[i]return alist
alist = [3,8,5,2,0,7,6]print(sort(alist))
34，写代码：实现⼀个快速排序。
def sort(alist,left,right):
low = left
hight = rightif low < high:return
mid = alist[low]while low < high:while low < high:if alist[high] < mid:
alist[low] = alist[high]breakelse:
high -= 1while low < high:if alist[low] < mid: low += 1else:
alist[high] = alist[low]breakif low == high: alist[low] = mid
sort(alist,left,low-1)
sort(alist,high+1,right)return alist
0|1第⼆部分 补充题
1，列举常见⽤的git命令？
2，你们公司/团队⽤怎么做的协同开发？
3，公司如何做代码review？谁来做？
4，线上代码如果出现bug如何解决？
5，git rebase的作⽤？
__EOF__

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。