关于Python爬虫面试170道题

最新推荐文章于 2023-06-14 11:15:26 发布

Change__

最新推荐文章于 2023-06-14 11:15:26 发布

阅读量2.3k

点赞数 3

原文链接：https://blog.csdn.net/valada/article/details/90761019

版权

背景

本文为转载170道题目。用做复习记录，如有错误，请大家指点。

原文以及答案：

https://gitchat.csdn.net/activity/5cf8ca61da0c2c41ee4697ff?utm_source=blog0715

引言

最近在刷面试题,所以需要看大量的 Python 相关的面试题，从大量的题目中总结了很多的知识，同时也对一些题目进行拓展了，但是在看了网上的大部分面试题不是很满意，一个是有些部分还是 Python2 的代码，另一个就是回答的很简单，有些关键的题目，也没有点出为什么，最重要的是还有一些复制粘贴根本就跑不通，这种相信大家深有体会吧，这样就导致我们可能需要去找其他人发的类似的教程。难受啊，所以我决定针对市面上大多的 Python 题目做一个分析，同时也希望大家尽可能的做到举一反三，而不是局限于题目本身。大概就这样吧，有你看过的题目也有你没看到过的。

通过本场 Chat，你将获得如下知识点：

掌握 Python 的基础语法
语法常见的 Python 应用场景
掌握 Python 闭包的使用以及装饰器的使用
生成器和迭代器的使用
常见的设计模式的使用
深浅拷贝的区别
线程、进程、协程的使用
了解 Python 中的元编程和反射
常考的数据结构和算法
爬虫相关知识，网络编程基本知识等

所有题目

语言特性

1.谈谈对 Python 和其他语言的区别

Python 是一门语法简洁优美,功能强大无比,应用领域非常广泛,具有强大完备的第三方库，他是一门强类型的可移植、可扩展，可嵌入的解释型编程语言，属于动态语言。

语言特点：简洁、优雅，省略了各种大括号和分号，还有一些关键字，类型说明；
语言类型：解释型语言，运行的时候是一行一行的解释，并运行，所以调试代码很方便，开发效率很高；
第三方库：python是开源的，并且python的定位时任由其发展，应用领域很多比如Web，运维，自动化测试，爬虫，数据分析，人工智能。Python具有非常完备的第三方库；

Python和Java相比:

Python比Java要简单.Python是弱类型语言,而Java是强类型语言。

Python和C相比：

对于使用:Python的类库齐全并且使用简洁,很少代码实现的功能用C可能要很复杂。

对于速度:Python的运行速度相较于C,绝对是很慢了.Python和CPython解释器都是C语言编写。

强/弱类型是指类型检查的严格程度的。语言有无类型,弱类型和强类型三种。无类型的不检查,甚至不区分指令和数据。弱类型的检查很弱,仅能严格的区分指令和数据。强类型的则严格的在编译期进行检查。

2.简述解释型和编译型编程语言

解释型：就是边解释边执行；
编译性：编译后再执行

类型	原理	优点	缺点
编译型语言	通过专门的编译器，将所有源代码一次性转换成特定平台（Windows、Linux 等）执行的机器码（以可执行文件的形式存在）。	编译一次后，脱离了编译器也可以运行，并且运行效率高。	可移植性差，不够灵活。
解释型语言	由专门的解释器，根据需要将部分源代码临时转换成特定平台的机器码。	跨平台性好，通过不同的解释器，将相同的源代码解释成不同平台下的机器码。	一边执行一边转换，效率很低。

转载自http://c.biancheng.net/view/4136.html

3.Python 的解释器种类以及相关特点？

Python解释器主要有以下几个:

1、CPython

官方版本的解释器：CPython。这个解释器是用C语言开发的，所以叫CPython。在命令行下运行python就是启动CPython解释器。CPython是使用最广且被的Python解释器。

2、IPython

IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。

3、PyPy

PyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。

4、Jython

Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。

5、IronPython

IronPython和Jython类似，只不过IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。

4.说说你知道的Python3 和 Python2 之间的区别？

python2的默认编码是ASCII,python3的默认编码是Unicode
python2中range返回的是列表，xrange返回的是可迭代对象，而Python3中range返回的是可迭代对象
python2中整数分为int 和 lang，python3中统一归为int
python2不等于可以用！= 或者<>表示，在python3中只能用！=
python2 使用print语句，python3中使用print()函数
python2 输入用row_input() ,python3用input()
详情见https://www.cnblogs.com/qjx-2016/p/7991956.html

5.Python3 和 Python2 中 int 和 long 区别？
6.xrange 和 range 的区别？

python2中，range返回的是列表，xrange返回的是可迭代对象

>>>xrange(8) 

xrange(8) 

>>> list(xrange(8)) 

[0, 1, 2, 3, 4, 5, 6, 7] 

>>> range(8) # range 使用

[0, 1, 2, 3, 4, 5, 6, 7]

python3中

>>> range(8) # range 使用

range(0, 8)

>>> list(range(0,8))

[0, 1, 2, 3, 4, 5, 6, 7]

总结，python3弃用了xrange，但python3的range功能和python2的xrange一样，都是一个生成器。

编码规范

7.什么是 PEP8?

pep8 通常会听别人提到，但是具体的指什么内容呢，简单介绍下。
《Python Enhancement Proposal #8》（8号python增强提案）又叫PEP8，他针对的python代码格式而编订的风格指南。

空白

使用space来表示缩进，而不要用tab
和语法相关的每一层缩进用4个空格来表示
每行的字符数不应超过79
文件中函数与类之间应该用两个空行隔开
在同一个类中，各方法之间应用一个空行隔开
在使用下表来获取列表元素、调用函数或给关键字参数赋值的时候，不要在两旁添加空格
为变量赋值的时候，赋值符号的左侧和右侧应该各自写上一个空格，而且只要一个就好

命名

函数、变量及属性应该用小写字母来拼写，各单词之间以下划线相连
类与异常，应该以每个单词首字母均大写的格式来命名
类中的实例方法，应该把首个参数命名为self,以表示该对象的自身
类方法的首个参数，应该命名为cls,以表示该类自身

表达式和语句

采用内联式的否定词，而不要把否定词放在整个表达式的前面，例如，应该写if a is not b 而不是if not a is b
不要通过检测长度的办法（如 if len(somelist) == 0）来判断somelist是否为空值，而是应该采用 if not somelist 这种写法来判断，他会假定：空值将自动评估为False
不要编写单行的if语句，for循环，while循环及except复合语句，而是应该把这些语句分成多行来书写，以示清晰
import语句应在总放在文件开头
文件中的哪些import语句应该按照顺序划分为三个部分，分别表示标准库模块，第三方模块以及自用模块

要点

当编写Python代码时，总应该遵循PEP8风格指南
与广大Python开发者采用同一套代码风格，可以使项目更利于多人协作
采用一直的风格来编写代码，可以领后续的修改工作变得更为容易

以上是摘自PEP8的部分，有兴趣可以查看http://www.python.org/dev/peps/pep-0008

原文转自：https://blog.csdn.net/sinat_21302587/article/details/53510759

8.了解 Python 之禅么？

在编辑器中查看。新建 .py 文件，文件名随便取，键入 import this，并运行代码，会有控制台输出 “Python之禅”的内容。
在解释器或命令窗口中查看。直接输入 import this并回车，需要注意的是命令窗口中得先输入python并回车，待看到 >>> 提示符时，才可输入 import this。回车后，下方会直接输出 “Python之禅”的内容。

9.了解 dosctring 么？
10.了解类型注解么？
11.例举你知道 Python 对象的命名规范，例如方法或者类等
12.Python 中的注释有几种？

答：总体来说分为两种，单行注释和多行注释。

单行注释在行首是 #。
多行注释可以使用三个单引号或三个双引号，包括要注释的内容。

13.如何优雅的给一个函数加注释？
14.如何给变量加注释？
15.Python 代码缩进中是否支持 Tab 键和空格混用。

答：不允许 tab 键和空格键混用，一般推荐使用 4 个空格替代 tab 键。

16.是否可以在一句 import 中导入多个库?

答：可以是可以，但是不推荐。因为一次导入多个模块可读性不是很好，所以一行导入一个模块会比较好。同样的尽量少用 from modulename import *，因为判断某个函数或者属性的来源有些困难，不方便调试，可读性也降低了。
17.在给 Py 文件命名的时候需要注意什么?

答：给文件命名的时候不要和标准库库的一些模块重复，比如 abc。另外要名字要有意义，不建议数字开头或者中文命名
18.例举几个规范 Python 代码风格的工具

数据类型

字符串

19.列举 Python 中的基本数据类型？

python中6个常用数据类型：整型，字符串，元组，集合，列表，字典

20.如何区别可变数据类型和不可变数据类型

不可变：整型、字符串、元组

可变：集合、列表、字典

字典的键值必须是不可变类型。

从对象内存地址方向来说

可变数据类型：在内存地址不变的情况下，值可改变（列表和字典是可变类型，但是字典中的 key 值必须是不可变类型）
不可变数据类型：内存改变，值也跟着改变。（数字，字符串，布尔类型，都是不可变类型）可以通过 id() 方法进行内存地址的检测。

21.将"hello world"转换为首字母大写"Hello World"

str = "hello world"
str.title()

string.title()将每个单词首字母大写。

22.如何检测字符串中只含有数字?

Python isalnum() 方法检测字符串是否由字母和数字组成。

Python isdigit() 方法检测字符串是否只由数字组成。

Python isalpha() 方法检测字符串是否只由字母或文字组成。

23.将字符串"ilovechina"进行反转

给定一个字符串，然后将其翻转，逆序输出。

实例 1：使用字符串切片

str='Runoob'

print(str[::-1])

执行以上代码输出结果为：

boonuR

知识点：

利用索引进行切片操作时，可包含三个参数:

如对列表来说即：list[start_index: stop_index: step]。

起始位置 : start_index (空时默认为 0)。
终点位置: stop_index (空时默认为列表长度) 需要注意起点与终点索引的位置关系。
步长: step (空时默认为 1，不能为 0)。

实例 2：使用 reversed()

str='Runoob'

print(''.join(reversed(str)))

执行以上代码输出结果为：

boonuR

join的返回通过指定字符连接序列中元素后生成的新字符串。

#!/usr/bin/python3

s1 = "-"
s2 = ""
seq = ("r", "u", "n", "o", "o", "b") # 字符串序列
print (s1.join( seq ))
print (s2.join( seq ))


输出结果：
r-u-n-o-o-b
runoob

24.Python 中的字符串格式化方式你知道哪些？

1.使用"%"操作符

>>> print("我叫%s，今年%d岁了" % ("小李", 20))
我叫小李，今年20岁了

2.使用字符串对象的format()方法

1、正常使用

>>> print("我叫{}，今年{}岁了".format("小李", 20))
我叫小李，今年20岁了

2、还可以通过在括号里填写数字，修改格式化的顺序

>>> print("我叫{1}，今年{0}岁了".format("小李", 20))
我叫20，今年小李岁了

转载自https://www.cnblogs.com/hifelix/p/5881748.html

25.有一个字符串开头和末尾都有空格，比如“ adabdw ”,要求写一个函数把这个字符串的前后空格都去掉。

str = " adabdw "

方法1:str.replace(' ','')

方法2:str.strip()

知识点：

1、Python replace() 方法把字符串中的 old（旧字符串）替换成 new(新字符串)，如果指定第三个参数max，则替换不超过 max 次。关于 string 的 replace 方法，需要注意 replace 不会改变原 string 的内容。

str.replace(old, new[, max])

参数：

old -- 将被替换的子字符串。
new -- 新字符串，用于替换old子字符串。
max -- 可选字符串, 替换不超过 max 次

2、

Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。

注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。需要注意 strip会改变原 string 的内容。

26.获取字符串”123456“最后的两个字符。

str = '123456'

str[-2::]

27.一个编码为 GBK 的字符串 S，要将其转成 UTF-8 编码的字符串，应如何操作？

S.decode('gbk').encode('utf8')

需要先进行解码，然后再进行编码

encode和decode分别指编码和解码

encode()方法为str对象的方法，用于将字符串转换成二进制数据(即bytes)，也称编码。encode()不会修改原字符串。

decode()方法为byte对象的方法，用于将二进制数据转换为字符串，即将使用encode()方法转换的结果再转换成字符串，也称为解码。

28.s="info:xiaoZhang 33 shandong",用正则切分字符串输出['info', 'xiaoZhang', '33', 'shandong']

import re

re.split(r'[ :| ]',s)

知识点：

正则表达式的() [] {}有不同的意思。

() 是为了提取匹配的字符串。表达式中有几个()就有几个相应的匹配字符串。

(\s*)表示连续空格的字符串。

[]是定义匹配的字符范围。比如 [a-zA-Z0-9] 表示相应位置的字符要匹配英文字符和数字。[\s*]表示空格或者*号。

{}一般用来表示匹配的长度，比如 \s{3} 表示匹配三个空格，\s[1,3]表示匹配一到三个空格。

(0-9) 匹配 '0-9′ 本身。 [0-9]* 匹配数字（注意后面有 *，可以为空）[0-9]+ 匹配数字（注意后面有 +，不可以为空）{1-9} 写法错误。

[0-9]{0,9} 表示长度为 0 到 9 的数字字符串。

正则表达式在线生成工具：
http://tools.jb51.net/regex/create_reg

27.怎样将字符串转换为小写？

string.lower()

28.单引号、双引号、三引号的区别？

当你用单引号' '定义字符串的时候，它就会认为你字符串里面的双引号" "是普通字符，从而不需要转义。反之当你用双引号定义字符串的时候，就会认为你字符串里面的单引号是普通字符无需转义。

python三引号允许一个字符串跨多行，字符串中可以包含换行符、制表符以及其他特殊字符；三引号可以表示为注释。

转载自https://blog.csdn.net/woainishifu/article/details/76105667

29.a = "你好中国 ",去除多余空格只留一个空格。

s = "你好中国 " print(" ".join(s.split()))

列表

30.已知 AList = [1,2,3,1,2],对 AList 列表元素去重，写出具体过程。

list(set(AList))

31.如何实现 "1,2,3" 变成 ["1","2","3"]

str = "1,2,3"
str.split(',')

32.给定两个 list，A 和 B，找出相同元素和不同元素

a = list(range(4))
b = list(range(5))

c = set(a)&set(b)
d = set(a)^set(b)

集合最常用的操作就是交集、并集、差集、对称差集运算。进行交集运算时使用‘&’符号，进行并集时使用‘|’符号，进行差集时使用‘-’符号，进行对称差集运算时使用‘^’符号。

图中分别为：并集、交集、差集、对称差集。

33.[[1,2],[3,4],[5,6]]一行代码展开该列表，得出[1,2,3,4,5,6]

a = [[1,2],[3,4],[5,6]]

final = [y for x in a for y in x]

print(final)

34.合并列表[1,5,7,9]和[2,2,6,8]

a = [1,5,7,9]
b = [2,2,6,8]

方法1:c = a+b
方法2:a.extend(b)

list.extend()该方法没有返回值，但会在已存在的列表中添加新的列表内容。

35.如何打乱一个列表的元素？

import random

a = [1,5,7,9]

random.shuffle(a)

shuffle() 方法将序列的所有元素随机排序

字典

36.字典操作中 del 和 pop 有什么区别

答：

del 可以根据索引（元素所在位置）来删除的，没有返回值。 pop 可以根据索引弹出一个值，然后可以接收它的返回值。

a = {'a':1,'b':2,'c':3,'d':4}

a.pop('b') #代表从a中删除key='b'的元素，返回值是与key对应的value;Python 字典 pop() 方法删除字典给定键 key 及对应的值，返回值为被删除的值。key 值必须给出。否则，返回 default 值。

a.clear() #代表清空a中的所有元素，原字典变成空字典

del a #代表删除字典a这个变量，删除整个字典

a.popitem() # popitem() 方法返回并删除字典中的最后一对键和值。

37.按照字典的内的年龄排序

d1 = [
    {'name':'alice', 'age':38},
{'name':'bob', 'age':18},
{'name':'Carl', 'age':28},
]

答：

d1.sort(key = lambda x: x['age'],reverse = False)

参考：在Python中，字典按值排序 https://blog.csdn.net/cxcxrs/article/details/82459800

38.请合并下面两个字典 a = {"A":1,"B":2},b = {"C":3,"D":4}

答：

# 需求 3： 把字典的 key 和 value 值调换；
d = {'a':'1', 'b':'2'}

print({v:k for k,v in d.items()})

39.如何使用生成式的方式生成一个字典，写一段功能代码。
40.如何把元组("a","b")和元组(1,2)，变为字典{"a":1,"b":2}

答：

a = ("a","b")
b = (1,2)
dict(zip(a,b))

知识点：zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

综合

41.Python 常用的数据结构的类型及其特性？

A：{1:0,2:0,3:0}
B：{"a":0, "b":0, "c":0}
C: {(1,2):0, (2,3):0}
D: {[1,2]:0, [2,3]:0}

42.如何将元组("A","B")和元组(1,2),合并成字典{"A":1,"B":2}

a = ("A","B")
b = (1,2)
dict(zip(a,b))

43.Python 里面如何实现 tuple 和 list 的转换？

Python 中的类型转换，一般通过类型强转即可完成 tuple 转 list 是 list() 方法 list 转 tuple 使用 tuple() 方法

44.我们知道对于列表可以使用切片操作进行部分元素的选择，那么如何对生成器类型的对象实现相同的功能呢？
45.请将[i for i in range(3)]改成生成器
46.a="hello"和 b="你好"编码成 bytes 类型
47.下面的代码输出结果是什么？

a = (1,2,3,[4,5,6,7],8)
a[2] = 2

48.下面的代码输出的结果是什么?

a = (1,2,3,[4,5,6,7],8)
a[5] = 2

操作类题目

49.Python 交换两个变量的值
50.在读文件操作的时候会使用 read、readline 或者 readlines，简述它们各自的左右
51.json 序列化时，可以处理的数据类型有哪些？如何定制支持 datetime 类型？
52.json 序列化时，默认遇到中文会转换成 unicode，如果想要保留中文怎么办？
53.有两个磁盘文件 A 和 B，各存放一行字母，要求把这两个文件中的信息合并(按字母顺序排列)，输出到一个新文件 C 中。
54.如果当前的日期为 20190530，要求写一个函数输出 N 天后的日期，(比如 N 为 2，则输出 20190601)。
55.写一个函数，接收整数参数 n，返回一个函数，函数的功能是把函数的参数和 n 相乘并把结果返回。
56.下面代码会存在什么问题，如何改进？

def strappend(num):
    str='first'
    for i in range(num):
        str+=str(i)
    return str

57.一行代码输出 1-100 之间的所有偶数。

答：list(range(2,101,2))

58.with 语句的作用，写一段代码？
59.python 字典和 json 字符串相互转化方法
60.请写一个 Python 逻辑，计算一个文件中的大写字母数量

高级特效

70.函数装饰器有什么作用？请列举说明？
71.Python 垃圾回收机制？
72.魔法函数 __call__怎么使用?
73.如何判断一个对象是函数还是方法？
74.@classmethod 和@staticmethod 用法和区别
75.Python 中的接口如何实现？
76.Python 中的反射了解么?
77.metaclass 作用？以及应用场景？
78.hasattr() getattr() setattr()的用法
79.请列举你知道的 Python 的魔法方法及用途。
80.如何知道一个 Python 对象的类型？
81.Python 的传参是传值还是传址？
82.Python 中的元类(metaclass)使用举例
83.简述 any()和 all()方法
84.filter 方法求出列表所有奇数并构造新列表，a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
85.什么是猴子补丁？
86.在 Python 中是如何管理内存的？
87.当退出 Python 时是否释放所有内存分配？

正则表达式

88.使用正则表达式匹配出<html><h1>www.baidu.com</html>中的地址
a="张明 98 分"，用 re.sub，将 98 替换为 100

答：

pattern = 'h1>(.*?)<'

str = '<html><h1>www.baidu.com</html>

results = re.search(pattern,str)

results.group(1)

pattern = '([0-9]{2})'

re.sub(pattern,'100',a)

89.正则表达式匹配中(.)和(.?)匹配区别？

(.*)表示贪心算法，表示尽可能多的配对

(.*?)表示非贪心算法，表示要精确的配对

.*具有贪婪的性质，首先匹配到不能匹配为止，根据后面的正则表达式，会进行回溯。.*？则相反，一个匹配以后，就往下进行，所以不会进行回溯，具有最小匹配的性质。

表达式 .* 就是单个字符匹配任意次，即贪婪匹配。
表达式 .*? 是满足条件的情况只匹配一次，即最小匹配.

90.写一段匹配邮箱的正则表达式

答：

\w 匹配英文字母或数字或下划线或汉字。(以前把汉字忽略掉了)

其他内容

91.解释一下 python 中 pass 语句的作用？

答：

pass表示空语句，不做任何事情，一般起到占位作用

for x in range(1,10):
    if x % 2 == 0:
        print(x,end = ' ')
    else:
        pass

print（）函数里面是默认换行的，具体换行参数是end="\n"。所以,如果我们把参数end="\n"换成end=' '相当于取消了换行符

92.简述你对 input()函数的理解

答：input()用于接收用户的键盘输入

var = input('提示文字:')

在Python 3.x 中，无论输入的是字符串还是数字，都将被当作字符串进行读取。如果想要接收数值，则需要对接收到的字符串进行类型转换。

在Python2.x中，input()函数接收内容时，数值直接输入即可，并且接收后的内容作为数字类型；而如果要输入字符串类型的的内容，需要将对应的字符串使用引号括起来，否则会报错。

93.python 中的 is 和==
94.Python 中的作用域
95.三元运算写法和应用场景？
96.了解 enumerate 么？
97.列举 5 个 Python 中的标准模块
98.如何在函数中设置一个全局变量
99.pathlib 的用法举例
100.Python 中的异常处理，写一个简单的应用场景
101.Python 中递归的最大次数，那如何突破呢？
102.什么是面向对象的 mro
103.isinstance 作用以及应用场景？
104.什么是断言？应用场景？
105.lambda 表达式格式以及应用场景？
106.新式类和旧式类的区别
107.dir()是干什么用的？
108.一个包里有三个模块，demo1.py, demo2.py, demo3.py，但使用 from tools import *导入模块时，如何保证只有 demo1、demo3 被导入了。
109.列举 5 个 Python 中的异常类型以及其含义
110.copy 和 deepcopy 的区别是什么？
111.代码中经常遇到的*args, **kwargs 含义及用法。
112.Python 中会有函数或成员变量包含单下划线前缀和结尾，和双下划线前缀结尾，区别是什么?
113.w、a+、wb 文件写入模式的区别
114.举例 sort 和 sorted 的区别
115.什么是负索引？
116.pprint 模块是干什么的？
117.解释一下 Python 中的赋值运算符
118.解释一下 Python 中的逻辑运算符
119.讲讲 Python 中的位运算符
120.在 Python 中如何使用多进制数字？
121.怎样声明多个变量并赋值？

算法和数据结构

122.已知：

AList = [1,2,3]
BSet = {1,2,3}

(1) 从 AList 和 BSet 中查找 4，最坏时间复杂度那个大？
(2) 从 AList 和 BSet 中插入 4，最坏时间复杂度那个大？
123.用 Python 实现一个二分查找的函数
124.python 单例模式的实现方法
125.使用 Python 实现一个斐波那契数列
126.找出列表中的重复数字
127.找出列表中的单个数字
128.写一个冒泡排序
129.写一个快速排序
130.写一个拓扑排序
131.python 实现一个二进制计算
132.有一组“+”和“-”符号，要求将“+”排到左边，“-”排到右边，写出具体的实现方法。
133.单链表反转
134.交叉链表求交点
135.用队列实现栈
136.找出数据流的中位数
137.二叉搜索树中第 K 小的元素

爬虫相关

138.在 requests 模块中，requests.content 和 requests.text 什么区别

答： requests.content 获取的是字节，requests.text 获取的是文本内容。

.text是现成的字符串，.content还要编码，但是.text不是所有时候显示都正常，这是就需要用.content进行手动编码。

通过例子即可理解：
通过.text
在这里插入图片描述 通过.content
返回的为bytes，通过decode对bytes进行解码—>str

原文链接：https://blog.csdn.net/qq_39591494/article/details/89711582

139.简要写一下 lxml 模块的使用方法框架

140.说一说 scrapy 的工作流程

首先还是先看张图

enter image description here

已 www.baidu.com 为例：首先需要知道的事各个模块之间调用都是通过引擎进行的。

spider 把百度需要下载的第一个 url：www.baidu.com 交给引擎。
引擎把 url 交给调度器排序入队处理。
调度器把处理好的 request 返回给引擎。
通过引擎调动下载器，按照下载中间件的设置下载这个 request。
下载器下载完毕结果返回给引擎（如果失败：不好意思，这个 request 下载失败，然后引擎告诉调度器，这个 request 下载失败了，你记录一下，我们待会儿再下载。）
引擎调度 spider，把按照 Spider 中间件处理过了的请求，交给 spider 处理。
spider 把处理好的 url 和 item 传给引擎。
引擎根据不同的类型调度不同的模块，调度 Item Pipeline 处理 item。
把 url 交给调度器。然后从第 4 步开始循环，直到获取到你需要的信息，

注意！只有当调度器中不存在任何 request 了，整个程序才会停止。

141.scrapy 的去重原理
142.scrapy 中间件有几种类，你用过哪些中间件

答： scrapy 的中间件理论上有三种(Schduler Middleware,Spider Middleware,Downloader Middleware)。在应用上一般有以下两种

爬虫中间件 Spider Middleware：主要功能是在爬虫运行过程中进行一些处理。
下载器中间件 Downloader Middleware：这个中间件可以实现修改 User-Agent 等 headers 信息，处理重定向，设置代理，失败重试，设置 cookies 等功能。

143.你写爬虫的时候都遇到过什么？反爬虫措施，你是怎么解决的？
144.为什么会用到代理？

答：如果使用同一个 ip 去不断的访问的网站的话,会很容易被封 ip，严重的永久封禁，导致当前的访问不了该网站。不只是通过程序，通过浏览器也无法访问。

145.代理失效了怎么处理？

答：一般通过大家代理池来实现代理切换等操作，来实现时时使用新的代理 ip，来避免代理失效的问题。

146.列出你知道 header 的内容以及信息
147.说一说打开浏览器访问 www.baidu.com 获取到结果，整个流程。
148.爬取速度过快出现了验证码怎么处理
149.scrapy 和 scrapy-redis 有什么区别？为什么选择 redis 数据库？
150.分布式爬虫主要解决什么问题
151.写爬虫是用多进程好？还是多线程好？为什么？
152.解析网页的解析器使用最多的是哪几个
153.需要登录的网页，如何解决同时限制 ip，cookie,session（其中有一些是动态生成的）在不使用动态爬取的情况下？
154.验证码的解决（简单的：对图像做处理后可以得到的，困难的：验证码是点击，拖动等动态进行的？）
155.使用最多的数据库（mysql，mongodb，redis 等），对他的理解？

网络编程

156.TCP 和 UDP 的区别？

•TCP是面向连接的、可靠的，但是它是以牺牲通信量来实现的，也就是会降低传输速率。如果传输的数据量不多，对传输速度要求不高，但是对可靠性要求较高的时候，则用TCP。

•UDP是无连接的、不可靠的，但是它可以实现高速传输。如果传输的数据量大，要求传输速度快，但对可靠性要求不高，或者已知网络是可靠的情况下，可以用UDP。

157.简要介绍三次握手和四次挥手

TCP的三次握手

过程描述

①首先 Client 端发送连接请求报文

②Server 段接受连接后回复 ACK 报文，并为这次连接分配资源。

③Client 端接收到 ACK 报文后也向 Server 段发生 ACK 报文，并分配资源，这样 TCP 连接就建立了。

在这里插入图片描述

那你是否思考过为什么需要第三次通信？

1、在第一次通信过程中，A向B发送信息之后，B收到信息后可以确认自己的收信能力和A的发信能力没有问题。

2、在第二次通信中，B向A发送信息之后，A可以确认自己的发信能力和B的收信能力没有问题，但是B不知道自己的发信能力到底如何，所以就需要第三次通信。

3、在第三次通信中，A向B发送信息之后，B就可以确认自己的发信能力没有问题。

4、小结：3次握手完成两个重要的功能，既要双方做好发送数据的准备工作(双方都知道彼此已准备好)，也要允许双方就初始序列号进行协商，这个序列号在握手过程中被发送和确认。

四次挥手第一次挥手：当主机 A 发送数据完毕后，发送 FIN 结束报文段。第二次挥手：主机 B 收到 FIN 报文段后，向主机 A 发送一个确认序号 ACK（为了防止在这段时间内，对方重传 FIN 报文段）。第三次挥手：主机 B 准备关闭连接，向主机 A 发送一个 FIN 结束报文段。第四次挥手：主机 A 收到 FIN 结束报文段后，进入 TIME_WAIT 状态。并向主机 B 发送一个 ACK 表示连接彻底释放。

除此之外经常看的问题还有，为什么 2、3 次挥手不能合在一次挥手中？那是因为此时 A 虽然不再发送数据了，但是还可以接收数据，B 可能还有数据要发送给 A，所以两次挥手不能合并为一次。

158.什么是粘包？ socket 中造成粘包的原因是什么？哪些情况会发生粘包现象？

并发

159.举例说明 conccurent.future 的中线程池的用法
160.说一说多线程，多进程和协程的区别。

161.简述 GIL
162.进程之间如何通信
163.IO 多路复用的作用？
164.select、poll、epoll 模型的区别？
165.什么是并发和并行？
167.解释什么是异步非阻塞？
168.threading.local 的作用？

Git 面试题

169.说说你知道的 git 命令

答：git init：该命令将创建一个名为 .git 的子目录,这个子目录含有你初始化的 Git 仓库中所有的必须文件,这些文件是 Git 仓库的骨干 git clone url：将服务器代码下载到本地 git pull：将服务器的代码拉到本地进行同步，如果本地有修改会产生冲突。 git push：提交本地修改的代码到服务器 git checkout -b branch：创建并切换分支 git status：查看修改状态 git add 文件名：提交到暂存区 git commit -m "提交内容"：输入提交的注释内容 git log：查看提交的日志情况
170.git 如何查看某次提交修改的内容x

Change__

关注

3
点赞
踩
16

收藏

觉得还不错? 一键收藏
0
评论
关于Python爬虫面试170道题

背景本文为转载170道题目，无答案。用做复习记录，如有错误，请大家指点。原文以及答案：https://gitchat.csdn.net/activity/5cf8ca61da0c2c41ee4697ff?utm_source=blog0715引言最近在刷面试题,所以需要看大量的 Python 相关的面试题，从大量的题目中总结了很多的知识，同时也对一些题目进行拓展了，但是在看了网...
复制链接

扫一扫