本篇內(nèi)容主要講解“Python的爬蟲面試題有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“Python的爬蟲面試題有哪些”吧!

站在用戶的角度思考問題，與客戶深入溝通，找到茂名網(wǎng)站設(shè)計與茂名網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設(shè)計與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：成都網(wǎng)站制作、成都網(wǎng)站設(shè)計、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、域名與空間、雅安服務(wù)器托管、企業(yè)郵箱。業(yè)務(wù)覆蓋茂名地區(qū)。

一、 Python 基本功

1、簡述Python 的特點和優(yōu)點

Python 是一門開源的解釋性語言，相比 Java C++ 等語言，Python 具有動態(tài)特性，非常靈活。

2、Python 有哪些數(shù)據(jù)類型？

Python 有 6 種內(nèi)置的數(shù)據(jù)類型，其中不可變數(shù)據(jù)類型是Number(數(shù)字), String(字符串), Tuple(元組)，可變數(shù)據(jù)類型是 List(列表)，Dict(字典)，Set(集合)。

3、列表和元組的區(qū)別

列表和元組都是可迭代對象，能夠?qū)ζ溥M(jìn)行循環(huán)、切片等，但元組 tuple 是不可變的。元組不可變的特性，使得它可以成為字典 Dict 中的鍵。

4、Python 是如何運行的

CPython:

Python 程序運行時，會先進(jìn)行編譯，將 .py 文件中的代碼編譯成字節(jié)碼(byte code)，編譯結(jié)果儲存在內(nèi)存的 PyCodeObject 中，然后由 Python 虛擬機解釋運行。當(dāng)程序運行結(jié)束后，Python 解釋器會將 PyCodeObject 保存到 pyc 文件中。每一次運行時 Python 都會先尋找與文件同名的 pyc 文件，如果 pyc 存在則比對修改記錄，根據(jù)修改記錄決定直接運行或再次編譯后運行，最后生成 pyc 文件 。

5、Python 運行速度慢的原因

a). Python 不是強類型的語言，所以解釋器運行時遇到變量以及數(shù)據(jù)類型轉(zhuǎn)換、比較操作、引用變量時都需要檢查其數(shù)據(jù)類型。

b). Python 的編譯器啟動速度比 JAVA 快，但幾乎每次都要啟動編譯。

c). Python 的對象模型會導(dǎo)致訪問內(nèi)存效率變低。Numpy 的指針指向緩存區(qū)數(shù)據(jù)的值，而 Python 的指針指向緩存對象，再通過緩存對象指向數(shù)據(jù)：

6、面對 Python 慢的問題，有什么解決辦法

a). 可以使用其他的解釋器，比如 PyPy 和 Jython 等。

b). 如果對性能要求較高且靜態(tài)類型變量較多的應(yīng)用程序，可以使用 CPython。

c). 對于 IO 操作多的應(yīng)用程序，Python 提供 asyncio 模塊提高異步能力。

7、描述一下全局解釋器鎖 GIL

每個線程在執(zhí)行時候都需要先獲取 GIL，保證同一時刻只有一個線程可以執(zhí)行代碼，即同一時刻只有一個線程使用 CPU，也就是說多線程并不是真正意義上的同時執(zhí)行。但是在 IO 操作時，是可以釋放鎖的（這也是 Python 能夠異步的原因）。而且如果想要利用多核 CPU，那么可以使用多進(jìn)程。

8、深拷貝 淺拷貝

深拷貝是將對象本身復(fù)制給另一個對象，淺拷貝則是將對象的引用復(fù)制給另一個對象。所以當(dāng)復(fù)制后的對象改變時，深拷貝的原對象值不會改變，而淺拷貝原對象的值會被改變。

9、is 和 == 的區(qū)別

is 表示的是對象標(biāo)示符（object identity），而 == 表示的是相等（equality）。

is 的作用是用來檢查對象的標(biāo)示符是否一致，也就是比較兩個對象在內(nèi)存中的地址是否一樣，而 == 是用來檢查兩個對象是否相等。但是為了提高系統(tǒng)性能，對于較小的字符串 Python 會保留其值的一個副本，當(dāng)創(chuàng)建新的字符串的時候直接指向該副本即可。如：

a = 8
b = 8
a is b

10、文件讀寫

簡述文件讀取時 read 、readline、readlines 的區(qū)別和作用

他們的區(qū)別除了讀取內(nèi)容范圍不同外，返回的內(nèi)容類型也不同。

read()會讀取整個文件，將讀取到底的文件內(nèi)容放到一個字符串變量，返回 str 類型。

readline()讀取一行內(nèi)容，放到一個字符串變量，返回 str 類型。

readlines() 讀取文件所有內(nèi)容，按行為單位放到一個列表中，返回 list 類型。

11、請用一行代碼實現(xiàn)

請分別使用匿名函數(shù)和推導(dǎo)式這兩種方式將 [0, 1, 2, 3, 4, 5] 中的元素求乘積，并打印輸出元組。

print(tuple(map(lambda x: x * x, [0, 1, 2, 3, 4, 5])))
print(tuple(i*i for i in [0, 1, 2, 3, 4, 5]))

12、請用一行代碼實現(xiàn)

用 reduce 計算 n 的階乘（n!=1×2×3×...×n）

print(reduce(lambda x, y: x*y, range(1, n)))

13、請用一行代碼實現(xiàn)

篩選并打印輸出 100 以內(nèi)能被 3 整除的數(shù)的集合

print(set(filter(lambda n: n % 3 == 0, range(1, 100))))

14、請用一行代碼實現(xiàn)

text = 'Obj{"Name": "pic", "data": [{"name": "async", "number": 9, "price": "$3500"}, {"name": "Wade", "number": 3, "price": "$5500"}], "Team": "Hot"'

打印文本中的球員身價元組，如 ($3500, $5500)

print(tuple(i.get("price") for i in json.loads(re.search(r'[(.*)]', text).group(0))))

15、請寫出遞歸的基本骨架

def recursions(n):
 if n == 1:
 # 退出條件
 return 1
 # 繼續(xù)遞歸
 return n * recursions(n - 1)

16、切片

請寫出下方輸出結(jié)果

tpl = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
print(tpl[3:])
print(tpl[:3])
print(tpl[::5])
print(tpl[-3])
print(tpl[3])
print(tpl[::-5])
print(tpl[:])
del tpl[3:]
print(tpl)
print(tpl.pop())
tpl.insert(3, 3)
print(tpl)

[15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10]
[0, 25, 50, 75]
85
15
[95, 70, 45, 20]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10]
10
[0, 5, 3]

17、文件路徑

打印輸出當(dāng)前文件所在目錄路徑

import os
print(os.path.dirname(os.path.abspath(__file__)))

打印輸出當(dāng)前文件路徑

import os
print(os.path.abspath(__file__))

打印輸出當(dāng)前文件上兩層文件目錄路徑

import os
print(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

18、請寫出運行結(jié)果，并回答問題

tpl = (1, 2, 3, 4, 5)
apl = (6, 7, 8, 9)
print(tpl.__add__(apl))

問題：tpl 的值發(fā)生變化了嗎？

運行結(jié)果如下：

(1, 2, 3, 4, 5, 6, 7, 8, 9)

答：元組是不可變的，它是生成新的對象

19、請寫出運行結(jié)果，并回答問題

name = ('James', 'Wade', 'Kobe')
team = ['A', 'B', 'C']
tpl = {name: team}
print(tpl)
apl = {team: name}
print(apl)

問題：這段代碼能運行完畢嗎？為什么？它的運行結(jié)果是？

答：這段代碼不能完整運行，它會在 apl 處拋出異常，因為字典的鍵只能是不可變對象，而 list 是可變的，所以不能作為字典的鍵。運行結(jié)果是：

{('James', 'Wade', 'Kobe'): ['A', 'B', 'C']}
TypeError

20、裝飾器

請寫出裝飾器代碼骨架

def log(func):
 def wrapper(*args, **kw):
 print('call %s():' % func.__name__)
 return func(*args, **kw)
 return wrapper

簡述裝飾器在 Python 中的作用：

在不改動原函數(shù)代碼的情況下，為其增加新的功能。

21、多進(jìn)程 多線程

多進(jìn)程更穩(wěn)定還是多線程更穩(wěn)定？為什么？

多進(jìn)程更穩(wěn)定，它們是獨立運行的，不會因為一個崩潰而影響其他進(jìn)程。

多線程的致命缺點是什么？

因為所有線程共享進(jìn)程的內(nèi)存，所以任何一個線程掛掉都可能直接造成整個進(jìn)程崩潰。

進(jìn)程間通信有哪些方式？

共享變量、隊列、管道。

二、Python 細(xì)節(jié)問題

1、 連接字符串用join還是+

當(dāng)用操作符+連接字符串的時候，每執(zhí)行一次+都會申請一塊新的內(nèi)存，然后復(fù)制上一個+操作的結(jié)果和本次操作的右操作符到這塊內(nèi)存空間，因此用+連接字符串的時候會涉及好幾次內(nèi)存申請和復(fù)制。而join在連接字符串的時候，會先計算需要多大的內(nèi)存存放結(jié)果，然后一次性申請所需內(nèi)存并將字符串復(fù)制過去，這是為什么join的性能優(yōu)于+的原因。所以在連接字符串?dāng)?shù)組的時候，應(yīng)考慮優(yōu)先使用join。

2、Python 垃圾回收機制

參考 https://blog.csdn.net/xiongchengluo1129/article/details/80462651

Python中的垃圾回收是以引用計數(shù)為主，分代收集為輔。引用計數(shù)的缺陷是循環(huán)引用的問題。

在Python中，如果一個對象的引用數(shù)為0，Python虛擬機就會回收這個對象的內(nèi)存。

引用計數(shù)法的原理是每個對象維護(hù)一個ob_refcnt，用來記錄當(dāng)前對象被引用的次數(shù)，也就是來追蹤到底有多少引用指向了這個對象，當(dāng)對象被創(chuàng)建、對象被引用、對象被傳入函數(shù)、被存儲在容器中等四種情況時，該對象的引用計數(shù)器 +1

對象被創(chuàng)建 a=14

對象被引用 b=a

對象被作為參數(shù),傳到函數(shù)中 func(a)

對象作為一個元素，存儲在容器中 List={a,”a”,”b”,2}

與上述情況相對應(yīng)，當(dāng)發(fā)生對象別名被 del 銷毀時、對象的引用被賦予新對象時、漢書執(zhí)行完畢后、從容器中刪除時等四種情況，該對象的引用計數(shù)器-1

當(dāng)該對象的別名被顯式銷毀時 del a

當(dāng)該對象的引別名被賦予新的對象， a=26

一個對象離開它的作用域，例如 func函數(shù)執(zhí)行完畢時，函數(shù)里面的局部變量的引用計數(shù)器就會 -1（但是全局變量不會）。

將該元素從容器中刪除時，或者容器被銷毀時。

當(dāng)指向該對象的內(nèi)存的引用計數(shù)器為0的時候，該內(nèi)存將會被Python虛擬機釋放.

sys.getrefcount(a)可以查看 a 對象的引用計數(shù)，但是比正常計數(shù)大1，因為調(diào)用函數(shù)的時候傳入a，這會讓 a 的引用計數(shù)+1

引用計數(shù)的優(yōu)點:

1、高效

2、運行期沒有停頓：一旦沒有引用，內(nèi)存就直接釋放了。不用像其他機制等到特定時機。實時性還帶來一個好處：處理回收內(nèi)存的時間分?jǐn)偟搅似綍r。

3、對象有確定的生命周期

4、易于實現(xiàn)

引用計數(shù)的缺點:

1、維護(hù)引用計數(shù)消耗資源，維護(hù)引用計數(shù)的次數(shù)和引用賦值成正比，而不像mark and sweep等基本與回收的內(nèi)存數(shù)量有關(guān)。

2、無法解決循環(huán)引用的問題。A和B相互引用而再沒有外部引用A與B中的任何一個，它們的引用計數(shù)都為1，但顯然應(yīng)該被回收。

# 循環(huán)引用示例
list1 = []
list2 = []
list1.append(list2)
list2.append(list1)

為了解決這兩個缺點 Python 還引入了另外的機制:標(biāo)記清除和分代回收.

標(biāo)記清除

『標(biāo)記清除（Mark—Sweep）』算法是一種基于追蹤回收（tracing GC）技術(shù)實現(xiàn)的垃圾回收算法。它分為兩個階段：第一階段是標(biāo)記階段，GC會把所有的『活動對象』打上標(biāo)記，第二階段是把那些沒有標(biāo)記的對象『非活動對象』進(jìn)行回收。那么GC又是如何判斷哪些是活動對象哪些是非活動對象的呢？

對象之間通過引用（指針）連在一起，構(gòu)成一個有向圖，對象構(gòu)成這個有向圖的節(jié)點，而引用關(guān)系構(gòu)成這個有向圖的邊。從根對象（root object）出發(fā)，沿著有向邊遍歷對象，可達(dá)的（reachable）對象標(biāo)記為活動對象，不可達(dá)的對象就是要被清除的非活動對象。根對象就是全局變量、調(diào)用棧、寄存器。

在上圖中，我們把小黑圈視為全局變量，也就是把它作為root object，從小黑圈出發(fā)，對象1可直達(dá)，那么它將被標(biāo)記，對象2、3可間接到達(dá)也會被標(biāo)記，而4和5不可達(dá)，那么1、2、3就是活動對象，4和5是非活動對象會被GC回收。

標(biāo)記清除算法作為Python的輔助垃圾收集技術(shù)主要處理的是一些容器對象，比如list、dict、tuple，instance等，因為對于字符串、數(shù)值對象是不可能造成循環(huán)引用問題。

Python使用一個雙向鏈表將這些容器對象組織起來。不過，這種簡單粗暴的標(biāo)記清除算法也有明顯的缺點：清除非活動的對象前它必須順序掃描整個堆內(nèi)存，哪怕只剩下小部分活動對象也要掃描所有對象。

分代回收

分代回收同樣作為Python的輔助垃圾收集技術(shù)處理那些容器對象。

GC 的邏輯

分配內(nèi)存
-> 發(fā)現(xiàn)超過閾值了
-> 觸發(fā)垃圾回收
-> 將所有可收集對象鏈表放到一起
-> 遍歷, 計算有效引用計數(shù)
-> 分成 有效引用計數(shù)=0 和 有效引用計數(shù) > 0 兩個集合
-> 大于0的, 放入到更老一代
-> =0的, 執(zhí)行回收
-> 回收遍歷容器內(nèi)的各個元素, 減掉對應(yīng)元素引用計數(shù)(破掉循環(huán)引用)
-> 執(zhí)行-1的邏輯, 若發(fā)現(xiàn)對象引用計數(shù)=0, 觸發(fā)內(nèi)存回收
-> python底層內(nèi)存管理機制回收內(nèi)存

Python 中, 一個代就是一個鏈表, 所有屬于同一”代”的內(nèi)存塊都鏈接在同一個鏈表中用來表示“代”的結(jié)構(gòu)體是 gc_generation， 包括了當(dāng)前代鏈表表頭、對象數(shù)量上限、當(dāng)前對象數(shù)量。

Python默認(rèn)定義了三代對象集合，索引數(shù)越大，對象存活時間越長，新生成的對象會被加入第0代，前面_PyObject_GC_Malloc中省略的部分就是Python GC觸發(fā)的時機。每新生成一個對象都會檢查第0代有沒有滿，如果滿了就開始著手進(jìn)行垃圾回收。

分代回收是一種以空間換時間的操作方式，Python將內(nèi)存根據(jù)對象的存活時間劃分為不同的集合，每個集合稱為一個代，Python將內(nèi)存分為了3“代”，分別為年輕代（第0代）、中年代（第1代）、老年代（第2代），他們對應(yīng)的是3個鏈表，它們的垃圾收集頻率與對象的存活時間的增大而減小。新創(chuàng)建的對象都會分配在年輕代，年輕代鏈表的總數(shù)達(dá)到上限時，Python垃圾收集機制就會被觸發(fā)，把那些可以被回收的對象回收掉，而那些不會回收的對象就會被移到中年代去，依此類推，老年代中的對象是存活時間最久的對象，甚至是存活于整個系統(tǒng)的生命周期內(nèi)。同時，分代回收是建立在標(biāo)記清除技術(shù)基礎(chǔ)之上。

3、遞歸

Python 遞歸深度默認(rèn)是多少？遞歸深度限制的原因是什么？

Python 遞歸深度可以用內(nèi)置函數(shù)庫中的 sys.getrecursionlimit() 查看。

因為無限遞歸會導(dǎo)致的 C 堆棧溢出和 Python 崩潰。

到此，相信大家對“Python的爬蟲面試題有哪些”有了更深的了解，不妨來實際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！