python實戰之爬蟲面試必備題目

我們在上學時，如果面試考試，最希望的是有一份知識點可以用來複習，雖然不一定全部和試卷吻合，但起碼有了去考試的信心，這點小編也是深有體會的。考慮到學習中有一部分小夥伴在找工作，小編特意整理出一份爬蟲面試的必備題目，當然以下內容僅作為參考，小夥伴們可以照著題目記一記。

1、Python 有哪些資料型別？

Python 有 6 種內建的資料型別，其中不可變資料型別是Number(數字), String(字串), Tuple(元組)，可變資料型別是 List(列表)，Dict(字典)，Set(集合)。

 

2、列表和元組的區別

列表和元組都是可迭代物件，能夠對其進行迴圈、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。

 

3、Python 是如何執行的CPython:

Python 程式執行時，會先進行編譯，將 .py 檔案中的程式碼編譯成位元組碼(byte code)，編譯結果儲存在記憶體的 PyCodeObject 中，然後由 Python 虛擬機器解釋執行。當程式執行結束後，Python 直譯器會將 PyCodeObject 儲存到 pyc 檔案中。每一次執行時 Python 都會先尋找與檔案同名的 pyc 檔案，如果 pyc 存在則比對修改記錄，根據修改記錄決定直接執行或再次編譯後執行，最後生成 pyc 檔案 。

 

4、Python 執行速度慢的原因

a). Python 不是強型別的語言，所以直譯器執行時遇到變數以及資料型別轉換、比較操作、引用變數時都需要檢查其資料型別。

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 的物件模型會導致訪問記憶體效率變低。Numpy 的指標指向快取區資料的值，而 Python 的指標指向快取物件，再透過快取物件指向資料：

 

5.搜尋引擎的工作流程（通用爬蟲的工作流程）

（1）抓取網頁：透過搜尋引擎將待爬取的URL加入到通用爬蟲的URL佇列中，進行網頁內容的爬取。

（2）資料儲存：將爬取下來的網頁儲存到本地，這個過程會有一定的去重操作，如果某個網頁的內 容大部分內容都會重複，搜尋引擎可能不會儲存。

（3）預處理：提取文字，中文分詞，消除噪音（比如版權宣告文字，導航條，廣告等）。

（4）設定網站排名，為使用者提供服務。

 

6、什麼是棧溢位?怎麼解決?

因為棧一般預設為1-2m，一旦出現死迴圈或者是大量的遞迴呼叫，在不斷的壓棧過程中，造成棧容量超過1m而導致溢位。

棧溢位的情況有兩種：1)區域性陣列過大。當函式內部陣列過大時，有可能導致堆疊溢位。2)遞迴呼叫層次太多。遞迴函式在執行時會執行壓棧操作，當壓棧次數太多時，也會導致堆疊溢位。

解決方法：1)用棧把遞迴轉換成非遞迴。2)增大棧空間。

 

7、 MySQL的索引在什麼情況下失效?

1)如果條件中有or，即使其中有條件帶索引也不會使用(這也是為什麼儘量少用or的原因)

要想使用or，又想讓索引生效，只能將or條件中的每個列都加上索引。

2)對於多列索引，不是使用的第一部分，則不會使用索引。

3)like查詢以%開頭。

4)如果列型別是字串，那一定要在條件中將資料使用引號引用起來，否則不使用索引。

5)如果MySQL估計使用全表掃描要比使用索引快，則不使用索引。

 

8、 HTTPS是如何實現安全傳輸資料的?

客戶端(通常是瀏覽器)先向伺服器發出加密通訊的請求;

伺服器收到請求,然後響應;

客戶端收到證照之後會首先會進行驗證;

伺服器收到使用公鑰加密的內容，在伺服器端使用私鑰解密之後獲得隨機數pre-master secret，然後根據radom1、radom2、pre-master secret透過一定的演算法得出session Key和MAC演算法秘鑰，作為後面互動過程中使用對稱秘鑰。同時客戶端也會使用radom1、radom2、pre-master secret，和同樣的演算法生成session Key和MAC演算法的秘鑰。

然後再後續的互動中就使用session Key和MAC演算法的秘鑰對傳輸的內容進行加密和解密。

以上的內容只是一些基本的爬蟲知識點，更多的還是需要小夥伴們自己挖掘。小編考慮到如果內容過大，大家也不能一下子學會，所以學習還是循序漸進的好一些。更多Python學習推薦:。