15.python面试之爬虫

发表于 更新于 分类于 ， Changyan： 本文字数： 700 阅读时长 ≈ 3 分钟

Python爬虫是Python开发路线较大的分支。

Python拥有健全的网络支持库以及有相关的框架。

python最新面试宝典系列文章

列举您使用过的Python网络爬虫所用到的网络数据包?

requests, urllib,urllib2, httplib2

你用过的爬虫框架或者模块有哪些？优缺点？

  • Python自带：urllib,urllib2
    urllib 和urllib2模块都做与请求URL相关的操作，但他们提供不同的功能。

    urllib2: urllib2.urlopen可以接受一个Request对象或者url,(在接受Request对象时，并以此可以来设置一个URL的headers),urllib.urlopen只接收一个url。

    urllib 有urlencode,urllib2没有，因此总是urllib, urllib2常会一起使用的原因

  • 第三方：requests
    requests是一个HTTP库，它只是用来请求，它是一个强大的库，下载，解析全部自己处理，灵活性高

  • 框架： Scrapy
    scrapy是封装起来的框架，他包含了下载器，解析器，日志及异常处理，基于多线程，twisted的方式处理，对于固定单个网站的爬取开发，有优势，但是对于多网站爬取100个网站，并发及分布式处理不够灵活，不便调整与扩展

    Scrapy优点：异步，xpath，强大的统计和log系统，支持不同url。shell方便独立调试。写middleware方便过滤。通过管道存入数据库

python最新面试宝典系列文章