搞定这套Python爬虫面试题(面试会so easy)

先来一份完整的爬虫工程师面试考点:

一、 python 基本功

1、简述python 的特点和优点

python 是一门开源的解释性语言，相比 java c++ 等语言，python 具有动态特性，非常灵活。

2、python 有哪些数据类型？

python 有 6 种内置的数据类型，其中不可变数据类型是number(数字), string(字符串), tuple(元组)，可变数据类型是 list(列表)，dict(字典)，set(集合)。

3、列表和元组的区别

列表和元组都是可迭代对象，能够对其进行循环、切片等，但元组 tuple 是不可变的。元组不可变的特性，使得它可以成为字典 dict 中的键。

4、python 是如何运行的

cpython:

python 程序运行时，会先进行编译，将 .py 文件中的代码编译成字节码(byte code)，编译结果储存在内存的 pycodeobject 中，然后由 python 虚拟机解释运行。当程序运行结束后，python 解释器会将 pycodeobject 保存到 pyc 文件中。每一次运行时 python 都会先寻找与文件同名的 pyc 文件，如果 pyc 存在则比对修改记录，根据修改记录决定直接运行或再次编译后运行，最后生成 pyc 文件 。

5、python 运行速度慢的原因

a). python 不是强类型的语言，所以解释器运行时遇到变量以及数据类型转换、比较操作、引用变量时都需要检查其数据类型。

b). python 的编译器启动速度比 java 快，但几乎每次都要启动编译。

c). python 的对象模型会导致访问内存效率变低。numpy 的指针指向缓存区数据的值，而 python 的指针指向缓存对象，再通过缓存对象指向数据：

6、面对 python 慢的问题，有什么解决办法

a). 可以使用其他的解释器，比如 pypy 和 jython 等。

b). 如果对性能要求较高且静态类型变量较多的应用程序，可以使用 cpython。

c). 对于 io 操作多的应用程序，python 提供 asyncio 模块提高异步能力。

7、描述一下全局解释器锁 gil

每个线程在执行时候都需要先获取 gil，保证同一时刻只有一个线程可以执行代码，即同一时刻只有一个线程使用 cpu，也就是说多线程并不是真正意义上的同时执行。但是在 io 操作时，是可以释放锁的（这也是 python 能够异步的原因）。而且如果想要利用多核 cpu，那么可以使用多进程。

8、深拷贝 浅拷贝

深拷贝是将对象本身复制给另一个对象，浅拷贝则是将对象的引用复制给另一个对象。所以当复制后的对象改变时，深拷贝的原对象值不会改变，而浅拷贝原对象的值会被改变。

9、is 和 == 的区别

is 表示的是对象标示符（object identity），而 == 表示的是相等（equality）。

is 的作用是用来检查对象的标示符是否一致，也就是比较两个对象在内存中的地址是否一样，而 == 是用来检查两个对象是否相等。但是为了提高系统性能，对于较小的字符串 python 会保留其值的一个副本，当创建新的字符串的时候直接指向该副本即可。如：

a = 8
b = 8
a is b

10、文件读写

简述文件读取时 read 、readline、readlines 的区别和作用

他们的区别除了读取内容范围不同外，返回的内容类型也不同。

read()会读取整个文件，将读取到底的文件内容放到一个字符串变量，返回 str 类型。

readline()读取一行内容，放到一个字符串变量，返回 str 类型。

readlines() 读取文件所有内容，按行为单位放到一个列表中，返回 list 类型。

11、请用一行代码实现

请分别使用匿名函数和推导式这两种方式将 [0, 1, 2, 3, 4, 5] 中的元素求乘积，并打印输出元组。

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、请用一行代码实现

用 reduce 计算 n 的阶乘（n!=1×2×3×...×n）

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

13、请用一行代码实现

筛选并打印输出 100 以内能被 3 整除的数的集合

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

14、请用一行代码实现

text = 'obj{"name": "pic", "data": [{"name": "async", "number": 9, "price": "$3500"}, {"name": "wade", "number": 3, "price": "$5500"}], "team": "hot"'

打印文本中的球员身价元组，如 (  5500)

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

15、请写出递归的基本骨架

def recursions(n):
 if n == 1:
 # 退出条件
 return 1
 # 继续递归
 return n * recursions(n - 1)

16、切片

请写出下方输出结果

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、文件路径

打印输出当前文件所在目录路径

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

打印输出当前文件路径

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

打印输出当前文件上两层文件目录路径

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

18、请写出运行结果，并回答问题

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

问题：tpl 的值发生变化了吗？

运行结果如下：

(1, 2, 3, 4, 5, 6, 7, 8, 9)

答：元组是不可变的，它是生成新的对象

19、请写出运行结果，并回答问题

name = ('james', 'wade', 'kobe')
team = ['a', 'b', 'c']
tpl = {name: team}
print(tpl)
apl = {team: name}
print(apl)

问题：这段代码能运行完毕吗？为什么？它的运行结果是？

答：这段代码不能完整运行，它会在 apl 处抛出异常，因为字典的键只能是不可变对象，而 list 是可变的，所以不能作为字典的键。运行结果是：

{('james', 'wade', 'kobe'): ['a', 'b', 'c']}
typeerror

20、装饰器

请写出装饰器代码骨架

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

简述装饰器在 python 中的作用：

在不改动原函数代码的情况下，为其增加新的功能。

21、多进程 多线程

多进程更稳定还是多线程更稳定？为什么？

多进程更稳定，它们是独立运行的，不会因为一个崩溃而影响其他进程。

多线程的致命缺点是什么？

因为所有线程共享进程的内存，所以任何一个线程挂掉都可能直接造成整个进程崩溃。

进程间通信有哪些方式？

共享变量、队列、管道。

好了，本文就给大家介绍到这里，祝大家面试so easy！