1.列举python常用的数据结构
字典,集合,列表,字符串,元组
2.字典、集合、列表的区别
列表:
(1)任意对象的有序集合
列表是一组任意类型的值,按照一定顺序组合而成的
(2)通过偏移读取
组成列表的值叫做元素,每一个元素被标识一个索引,第一个索引是0,序列的功能都能实现
(3)可变长度,异构以及任意嵌套
列表中的元素可以是任意类型,甚至是列表类型,也就是说列表可以嵌套
(4)可变的序列
支持索引、切片、合并、删除等操作,塔门都是在原处进行修改列表
(5)对象引用数组
列表可以当成普通的数组,每当用到引用时,Python总是会将这个引用指向一个对象,所以程序只需要处理对象的操作。当把一个对象赋给一个数据结构元素或变量名时,Python总是会存储对象的引用,而不是一个对象的拷贝。
元组:
(1)任意对象的有序集合
与列表相同
(2)通过偏移存取
与列表相同
(3)属于不可变序列类型
类似于字符串,但元组是不可变的,不支持在列表中任何原处修改操作,不支持任何方法调用
(4)固定长度、异构、任意嵌套
固定长度即元组不可变,在不被拷贝的情况长度下固定,与其他同列表
和列表项比较
比列表操作速度快;对数据“写保护”;可用于字符串格式化中,可作为字典的key
字典
(1)通过键而不是偏移量来读取
字典就是一个关联数组,是一个通过关键字索引的对象的集合,使用键-值(key-value)进行存储,查找速度快
(2)任意对象的无序集合
字典中没有特定顺序,以键为象征
(3)可变长、异构、任意嵌套
同列表,嵌套可以包含列表和其他字典等
(4)属于可变映射类型
因为是无序,故不能进行序列操作,但可以在远处修改,通过映射到值。字典是唯一内置的映射类型(键映射到对象)
(5)对象引用表
字典存储的是对象引用,不是拷贝,和列表一样。字典的key是不能变的。list不能作为key,字符串、元组、整数等都可以
和列表相比较,字典的特性:
1.查找和插入的速度极快,不会随着key的增加而增加
2.需要占用大量的内存,内存浪费多
但是列表相反:
1.查找和插入的时间随着元素的增加而增加
2.占用空间小,浪费内存很少
所以字典是用空间来换取时间的一种方法
集合
1.是一组key的集合,但不存储value,并且key不能重复
2。重复元素在集合中自动被过滤
集合可以看成数学意义上的无序和无重复元素的集合,因此,两个集合可以做数学意义上的交集、并集等操作
和字典对比
1.集合和字典的唯一区别仅在于没有存储对应的value
2.集合的原理和字典一样,同样不可以放入可变对象,因为无法判断两个变对象是否相等,也就无法保证集合内部“不会有重复元素”
数据抓取时,常用的包和基础框架是什么
Requests
Selenium
Pyppetter
Aiohttp
Urlib
Gevent
Lxml
Pyquery等等
包:Scrapy Pysipder
HTTP是一个基于TCP/IP通信协议来传递数据,包括html文件、图像、结果等,即是一个客户端和服务器端请求和应答的标准
HTTP协议特点
1.http无连接:限制每次连结只处理一个请求,服务端完成客户端的请求后,即断开连接。(传输速度快,减少不必要的连结,但也意味着每一次访问都要建立一次连结,效率降低)
2.http无状态:对事物处理没有记忆能力。每一次请求都是独立的,不记录客户端任何行为(优点解放服务器,但可能每次请求会传输大量重复的内容信息)
3.客户端/服务端模型:客户端支持web浏览器或其他客户端,服务器通常是apache或list等
4.简单快捷
5.灵活:可以传输任何类型的数据
客户请求消息:
客户端发送一个请求到服务器的请求消息包括以下格式:
请求行,请求头部,空行,请求数据
服务器响应消息:
服务器响应包括如下格式:
状态行,消息报头,空行,响应正文
http协议常用的方法是:
1 | GET |
发送请求来获得服务器上的资源,请求体中不会包含请求数据,请求数据放在协议头中。另外get支持快取、缓存、可保留书签等。幂等 |
2 | POST |
和get一样很常见,向服务器提交资源让服务器处理,比如提交表单、上传文件等,可能导致建立新的资源或者对原有资源的修改。提交的资源放在请求体中。不支持快取。非幂等 |
3 | HEAD |
本质和get一样,但是响应中没有呈现数据,而是http的头信息,主要用来检查资源或超链接的有效性或是否可以可达、检查网页是否被串改或更新,获取头信息等,特别适用在有限的速度和带宽下。 |
4 | PUT |
和post类似,html表单不支持,发送资源与服务器,并存储在服务器指定位置,要求客户端事先知道该位置;比如post是在一个集合上(/province),而put是具体某一个资源上(/province/123)。所以put是安全的,无论请求多少次,都是在123上更改,而post可能请求几次创建了几次资源。幂等 |
5 | DELETE | 请求服务器删除某资源。和put都具有破坏性,可能被防火墙拦截。如果是https协议,则无需担心。幂等 |
6 | CONNECT |
HTTP/1.1协议中预留给能够将连接改为管道方式的代理服务器。就是把服务器作为跳板,去访问其他网页然后把数据返回回来,连接成功后,就可以正常的get、post了。 |
7 | OPTIONS | 获取http服务器支持的http请求方法,允许客户端查看服务器的性能,比如ajax跨域时的预检等。 |
8 | TRACE | 回显服务器收到的请求,主要用于测试或诊断。一般禁用,防止被恶意攻击或盗取信息。 |
get和post区别
GET | POST | |
点击返回/刷新按钮 | 没有影响 | 数据会重新提交 |
缓存/添加书签 | 可以 | 不可以 |
历史记录 | 有 | 没有 |
编码类型 | application/x-www-form-urlencoded |
application/x-www-form-urlencoded 或 multipart/form-data。为二进制数据使用 多重编码 |
是否幂等 | 幂等 | 非幂等 |
长度限制 |
http协议没有限制,但是实际浏览器或服务 器有(最大2048) |
理论上没有,可能会收到服务器配置或内存限制 |
数据类型限制 | 只能ASCII,非ascii都要编码传输 | 没有限制,允许二进制数据 |
安全性 | 数据全部展示在url中,不安全 | 相比get,通过request body传递数据,比较安全 |
可见效 | 可见 | 不可见 |
PATCH 和 PUT 比较
PATCH | PUT | |
是否幂等 | 非幂等 | 幂等 |
粒度 | 局部,最小粒度,节约网络带宽 | 所有 |
简单列举一下scrapy常用的组件
来源:https://www.cnblogs.com/Mmingworld/p/15966679.html
本站部分图文来源于网络,如有侵权请联系删除。