Python爬蟲高頻率面試題有哪些

本篇內(nèi)容主要講解“Python爬蟲高頻率面試題有哪些”，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(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Python爬蟲高頻率面試題有哪些”吧!

1 . Request中包含什么呢？

1、請求方式：主要有GET和POST兩種方式,POST請求的參數(shù)不會包含在url里面
2、請求URL
URL：統(tǒng)一資源定位符，如一個網(wǎng)頁文檔、一張圖片、一個視頻等都可以用URL來唯一確定
3、請求頭信息,包含了User-Agent（瀏覽器請求頭）、Host、Cookies信息
4、請求體,GET請求時，一般不會有，POST請求時，請求體一般包含form-data

2 . Response中包含什么信息？

1、響應(yīng)狀態(tài)：狀態(tài)碼 正常響應(yīng)200 重定向
2、響應(yīng)頭：如內(nèi)容類型、內(nèi)容長度、服務(wù)器信息、設(shè)置cookie等
3、響應(yīng)體信息：響應(yīng)源代碼、圖片二進(jìn)制數(shù)據(jù)等等

3 . 常見的http狀態(tài)碼

200狀態(tài)碼 服務(wù)器請求正常
301狀態(tài)碼：被請求的資源已永久移動到新位置。服務(wù)器返回此響應(yīng)（對 GET 或 HEAD 請求的響應(yīng)）時，會自動將請求者轉(zhuǎn)到新位置。
302狀態(tài)碼：請求的資源臨時從不同的URI響應(yīng)請求，但請求者應(yīng)繼續(xù)使用原有位置來進(jìn)行以后的請求
401狀態(tài)碼：請求要求身份驗(yàn)證。 對于需要登錄的網(wǎng)頁，服務(wù)器可能返回此響應(yīng)。
403狀態(tài)碼：服務(wù)器已經(jīng)理解請求，但是拒絕執(zhí)行它。與401響應(yīng)不同的是，身份驗(yàn)證并不能提供任何幫助，而且這個請求也不應(yīng)該被重復(fù)提交。
404狀態(tài)碼：請求失敗，請求所希望得到的資源未被在服務(wù)器上發(fā)現(xiàn)。
500狀態(tài)碼：服務(wù)器遇到了一個未曾預(yù)料的狀況，導(dǎo)致了它無法完成對請求的處理。一般來說，這個問題都會在服務(wù)器的程序碼出錯時出現(xiàn)。
503狀態(tài)碼：由于臨時的服務(wù)器維護(hù)或者過載，服務(wù)器當(dāng)前無法處理請求。

4 . HTTP 的請求和響應(yīng)都包含哪些內(nèi)容

HTTP請求頭
Accept:瀏覽器能夠處理的內(nèi)容類型
Accept-Charset:瀏覽器能夠顯示的字符集
Accept-Encoding：瀏覽器能夠處理的壓縮編碼
Accept-Language：瀏覽器當(dāng)前設(shè)置的語言
Connection：瀏覽器與服務(wù)器之間連接的類型
Cookie：當(dāng)前頁面設(shè)置的任何Cookie
Host：發(fā)出請求的頁面所在的域
Referer：發(fā)出請求的頁面的URL
User-Agent：瀏覽器的用戶代理字符串
HTTP響應(yīng)頭部信息：
Date：表示消息發(fā)送的時間，時間的描述格式由rfc822定義
server:服務(wù)器名字。
Connection：瀏覽器與服務(wù)器之間連接的類型
content-type:表示后面的文檔屬于什么MIME類型
Cache-Control：控制HTTP緩存

5 . mysql的索引在什么情況下失效

1.如果條件中有or，即使其中有條件帶索引也不會使用(這也是為什么盡量少用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.對于多列索引，不是使用的第一部分，則不會使用索引
3.like查詢以%開頭
4.如果列類型是字符串，那一定要在條件中將數(shù)據(jù)使用引號引用起來,否則不使用索引
5.如果mysql估計(jì)使用全表掃描要比使用索引快,則不使用索引

6 . MySQL 有什么引擎，各引擎之間有什么區(qū)別？

主要 MyISAM 與 InnoDB 兩個引擎，其主要區(qū)別如下：
1、InnoDB 支持事務(wù)，MyISAM 不支持，這一點(diǎn)是非常之重要。事務(wù)是一種高級的處理方式，如在一些列增刪改中只要哪個出錯還可以回滾還原，而 MyISAM就不可以了；
2、MyISAM 適合查詢以及插入為主的應(yīng)用，InnoDB 適合頻繁修改以及涉及到安全性較高的應(yīng)用；
3、InnoDB 支持外鍵，MyISAM 不支持；
4、MyISAM 是默認(rèn)引擎，InnoDB 需要指定；
5、InnoDB 不支持 FULLTEXT 類型的索引；
6、InnoDB 中不保存表的行數(shù)，如 select count() from table 時，InnoDB；需要掃描一遍整個表來計(jì)算有多少行，但是 MyISAM 只要簡單的讀出保存好的行數(shù)即可。注意的是，當(dāng) count()語句包含 where 條件時 MyISAM 也需要掃描整個表；
7、對于自增長的字段，InnoDB 中必須包含只有該字段的索引，但是在 MyISAM表中可以和其他字段一起建立聯(lián)合索引；
8、清空整個表時，InnoDB 是一行一行的刪除，效率非常慢。MyISAM 則會重建表；
9、InnoDB 支持行鎖（某些情況下還是鎖整表，如 update table set a=1 where user like '%lee%'

7 . Scrapy優(yōu)缺點(diǎn)：

優(yōu)點(diǎn)：
scrapy 是異步的
采取可讀性更強(qiáng)的xpath代替正則
強(qiáng)大的統(tǒng)計(jì)和log系統(tǒng)
同時在不同的url上爬行
支持shell方式，方便獨(dú)立調(diào)試
寫middleware,方便寫一些統(tǒng)一的過濾器
通過管道的方式存入數(shù)據(jù)庫
缺點(diǎn)：基于python的爬蟲框架，擴(kuò)展性比較差
基于twisted框架，運(yùn)行中的exception是不會干掉reactor，并且異步框架出錯后是不會停掉其他任務(wù)的，數(shù)據(jù)出錯后難以察覺。

8 . HTTPS 是如何實(shí)現(xiàn)安全傳輸數(shù)據(jù)的

客戶端（通常是瀏覽器）先向服務(wù)器發(fā)出加密通信的請求
服務(wù)器收到請求,然后響應(yīng)
客戶端收到證書之后會首先會進(jìn)行驗(yàn)證
服務(wù)器收到使用公鑰加密的內(nèi)容，在服務(wù)器端使用私鑰解密之后獲得隨機(jī)數(shù)pre-master secret，然后根據(jù)radom1、radom2、pre-master secret通過一定的算法得出session Key和MAC算法秘鑰，作為后面交互過程中使用對稱秘鑰。同時客戶端也會使用radom1、radom2、pre-master secret，和同樣的算法生成session Key和MAC算法的秘鑰。
然后再后續(xù)的交互中就使用session Key和MAC算法的秘鑰對傳輸?shù)膬?nèi)容進(jìn)行加密和解密。

9 . 描述下scrapy 框架運(yùn)行的機(jī)制？

從start_urls里獲取第一批url并發(fā)送請求，請求由引擎交給調(diào)度器入請求隊(duì)列，獲取完畢后，調(diào)度器將請求隊(duì)列里的請求交給下載器去獲取請求對應(yīng)的響應(yīng)資源，并將響應(yīng)交給自己編寫的解析方法做提取處理：
如果提取出需要的數(shù)據(jù)，則交給管道文件處理；
如果提取出url，則繼續(xù)執(zhí)行之前的步驟（發(fā)送url請求，并由引擎將請求交給調(diào)度器入隊(duì)列...)，直到請求隊(duì)列里沒有請求，程序結(jié)束。

到此，相信大家對“Python爬蟲高頻率面試題有哪些”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(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)！