Python爬虫基础面试题！为2019年毕业季大学生就业做准备
前言
之所以在这里写下python爬虫常见面试题及解答，
一是用作笔记，方便日后回忆；
二是给自己一个和大家交流的机会，互相学习、进步，希望不正之处大家能给予指正；
三是我也是互联网寒潮下岗的那批人之一，为了找工作而做准备。
一、题目部分
1、python中常用的数据结构有哪些？请简要介绍一下。
python中常见的数据结构有：列表(list)，字典(dict)，元组(tuple)，字符串(string)，集合(set)，数字（int或long或float。。。）等。
其中，列表，元祖和字符串可以统一归为序列类，即这三种数据结构中的元素是有序的。比如，他们都有索引（下标）操作，还有切片、相加和长度(len)，最大值(max)，最小值(min)操作。这是他们的共同点。
补充：python中常见的数据结构可以统称为容器（container）。序列（如列表和元组）、映射（如字典）以及集合（set）是三类主要的容器。
另外，关于这个问题，面试官很容易引出另一个问题：python中的哪些数据类型是可变的，哪些是不可变的？
首先，可变/不可变是针对该对象所指向的内存中的值是否可变来判断的。如可变类型的数据类型有列表和字典，还有集合不可变类型的数据类型有字符串，元组，数字。
就举个最简单的数字的例子，python中有小整数池的概念，即[-5,256]范围内的整数，python解释器对他们做了特殊处理，都放在内存中的固定位置，不会因为你的操作二发生变化。
现在：a = 1 ，然后我们又重新对a赋值，a = 2，在重新赋值的过程中，整数1所对应的内存地址没有和数字的大小都没有发生变化，还在内存中的固定位置。整数2也是如此。变化的是a的指针（这里引用C中的概念）从指向数字1变成数字2。a对象指向的内存中的值没有发生变化，因此数字是不可变类型的数据类型。字符串，集合也是同理。
2、简要描述python中单引号、双引号、三引号的区别。
首先，单引号和双引号在使用时基本上没有什么区别；
唯一需要注意的是：
当字符串中有单引号时，最好在外面使用双引号；
当有双引号时，最好在外面使用单引号。
三引号一般不常用，除了用来做注释之外，还可以用来打印多行字符串。特殊用途，是可以打印多行字符串。
3、如何在一个function里设置一个全局的变量。
先说概念，全局变量是指定义在函数外部的变量。全局变量的作用域为全局。
局部变量是指定义在函数内部的变量。局部变量的作用域为函数内，除了函数就无效了。
这里举个例子，如果把函数比作国家，那么全局就是全球，全局变量好比是阿拉伯数字，每个国家都认识。
4、python里面如何拷贝一个对象？（赋值、浅拷贝、深拷贝的区别）
在python中如何拷贝一个对象是需要根据具体的需求来定的。
（1）赋值：其实就是对象的引用。相当于C的指针，修改了其中一个对象，另一个跟着改变。注意对于不可变对象而言，如果修改了其中一个对象，就相当于修改它的指针指向，另一个对象是不会跟着变化的。
（2）浅拷贝：拷贝父对象，但是不会拷贝父对象的子对象。（具体的方法有：b = copy.copy(a)，切片如b = a[1:4]）
（3）深拷贝：完全拷贝了父对象和子对象（具体的方法有：b = copy.deepcopy(a)）
下面是图解：
1、b = a: 赋值引用，a 和 b 都指向同一个对象。
2、b = a.copy():浅拷贝, a 和 b 是一个独立的对象，但他们的子对象还是指向统一对象（是引用）。
3、b = copy.deepcopy(a):深度拷贝, a 和 b 完全拷贝了父对象及其子对象，两者是完全独立的。
总结：
（1）当对象为不可变类型时，不论是赋值，浅拷贝还是深拷贝，那么改变其中一个值时，另一个都是不会跟着变化的。
（2）当对象为可变对象时，如果是赋值和浅拷贝，那么改变其中任意一个值，那么另一个会跟着发生变化的；如果是深拷贝，是不会跟着发生改变的。
5、如果custname字符串的编码格式为uft-8,如何将custname的内容转化为gb18030的字符串？
先将custname编码格式转换为unicode，在转换为gb18030。即custname.decode('utf-8').encode('gb18030')。
注意：unicode编码是一种二进制编码，是转换编码的中间桥梁。比如需要将utf-8转换为gbk，那么就需要先转换为unicode（decode），再转为gbk（encode）。
6、请写出一段python代码实现删除list中的重复元素。
两种方法：
（1）利用字典的fromkeys来自动过滤重复值
（2）利用集合set的特性，元素是非重复的
方法一：
方法二：
7、这两个参数是什么意思？args和 kwargs。
首先，我想说的是*args和**kwargs并不是必须这样写，只有前面的*和**才是必须的。你可以写成*var和**vars。而写成*args和**kwargs只是约定俗称的一个命名规定。
*args和**kwargs主要用于函数定义，你可以将不定量的参数传递给一个函数。其中，*args是用来发送一个非键值对的可变数量的参数列表给一个函数；**kwargs允许你将不定长度的键值对, 作为参数传递给一个函数。 如果你想要在一个函数里处理带名字的参数, 你应该使用**kwargs。
这里传递了3个参数，按位置传参，'123'为test传参，'hello'和'2019'为*args传参，这里传了2个参数。
注意，看下面的*args的另一种用法：用来解压数据。
这段代码和上面的效果是一样的，但是这里第8行的*args和第1行的*args可是不一样的。第一行是表示函数可以接受不定数量的非键值对的参数，用来传参使用的。第八行是用来解压列表
['hello', '2019']的每一项数据的，用来解压参数的。这是*args的两种用法，也可说是*的两种用法，因为args是可变的。
接下来说说**kwargs。
**kwargs用来传递带键值对的参数，而**也是用来解压字典容器内的参数。
总结：
*args和**kwargs都是用于函数中传递参数的，*args传递的是非键值对的参数，**kwargs传递的是带键值对的参数，如果还有普通参数需要传递，那么应该先传递普通的参数。
8、
（1）统计如下list单词及其出现的次数。
方法一：
利用字典。
方法二：
利用python的collections包。
（2）给列表中的字典排序：例如有如下list对象：
利用list的内建函数，list.sort()来进行排序。
（3）写出下列代码的运行结果
第一段代码的运行结果为：1
分析，在函数外面定义了一个全局变量a为1，在函数内部定义了一个局部变量a为2。局部变量在离开函数后就失效了。
所以，结果为全局变量的a的值。如果在a=2之前加上global a，声明为全局变量，那么结果为2。
第二段代码的运行结果为：[1]
这是因为，将a传入到function中，这相当于对a进行赋值引用。由于a是可变类型的，所以在函数内部修改a的时候，外部的全局变量a也跟着变化。
第三段代码的运行结果为：
Bob
Lily
Lily
最后柠檬为大家准备了一些python的学习教程分享，希望可以帮助到大家。
