搞定這套Python爬蟲面試題(面試會so easy)

先來一份完整的爬蟲工程師面試考點:

一、 Python 基本功

1、簡述Python 的特點和優點

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

2、Python 有哪些數據類型？

Python 有 6 種內置的數據類型，其中不可變數據類型是Number(數字), String(字符串), Tuple(元組)，可變數據類型是 List(列表)，Dict(字典)，Set(集合)。

3、列表和元組的區別

列表和元組都是可迭代對象，能夠對其進行循環、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，會先進行編譯，將 .py 文件中的代碼編譯成字節碼(byte code)，編譯結果儲存在內存的 PyCodeObject 中，然后由 Python 虛擬機解釋運行。當程序運行結束后，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據類型轉換、比較操作、引用變量時都需要檢查其數據類型。

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 的對象模型會導致訪問內存效率變低。Numpy 的指針指向緩存區數據的值，而 Python 的指針指向緩存對象，再通過緩存對象指向數據：

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類型變量較多的應用程序，可以使用 CPython。

c). 對于 IO 操作多的應用程序，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，那么可以使用多進程。

8、深拷貝 淺拷貝

深拷貝是將對象本身復制給另一個對象，淺拷貝則是將對象的引用復制給另一個對象。所以當復制后的對象改變時，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 == 的區別

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

is 的作用是用來檢查對象的標示符是否一致，也就是比較兩個對象在內存中的地址是否一樣，而 == 是用來檢查兩個對象是否相等。但是為了提高系統性能，對于較小的字符串 Python 會保留其值的一個副本，當創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 的區別和作用

他們的區別除了讀取內容范圍不同外，返回的內容類型也不同。

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

readline()讀取一行內容，放到一個字符串變量，返回 str 類型。

readlines() 讀取文件所有內容，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

請分別使用匿名函數和推導式這兩種方式將 [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

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

篩選并打印輸出 100 以內能被 3 整除的數的集合

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

14、請用一行代碼實現

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 (  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
 # 繼續遞歸
 return n * recursions(n - 1)

16、切片

請寫出下方輸出結果

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

打印輸出當前文件所在目錄路徑

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

打印輸出當前文件路徑

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

打印輸出當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 的值發生變化了嗎？

運行結果如下：

(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：

在不改動原函數代碼的情況下，為其增加新的功能。

21、多進程 多線程

多進程更穩定還是多線程更穩定？為什么？

多進程更穩定，它們是獨立運行的，不會因為一個崩潰而影響其他進程。

多線程的致命缺點是什么？

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

進程間通信有哪些方式？

共享變量、隊列、管道。

好了，本文就給大家介紹到這里，祝大家面試so easy！