Web Scraping
BeautifulSoup, requests, parsing HTML, XPath, selector CSS, API, paginasi, best practices
1Library Python mana yang biasanya digunakan untuk membuat permintaan HTTP sebelum parsing konten HTML?
Library Python mana yang biasanya digunakan untuk membuat permintaan HTTP sebelum parsing konten HTML?
Jawaban
Library requests adalah standar di Python untuk membuat permintaan HTTP dengan cara yang sederhana dan intuitif. Memungkinkan melakukan permintaan GET, POST dan verba HTTP lainnya dengan API yang jelas. BeautifulSoup tidak membuat permintaan HTTP, hanya parsing HTML setelah diambil.
2Apa peran utama BeautifulSoup dalam proyek web scraping?
Apa peran utama BeautifulSoup dalam proyek web scraping?
Jawaban
BeautifulSoup adalah library parsing HTML/XML yang memungkinkan navigasi, pencarian dan ekstraksi data dari dokumen HTML. Library ini membuat pohon dokumen yang memudahkan pencarian elemen melalui metode seperti find() dan find_all(). Tidak membuat permintaan HTTP.
3Metode BeautifulSoup mana yang menemukan semua elemen yang cocok dengan kriteria tertentu?
Metode BeautifulSoup mana yang menemukan semua elemen yang cocok dengan kriteria tertentu?
Jawaban
Metode find_all() mengembalikan daftar semua elemen yang cocok dengan kriteria yang ditentukan (tag, atribut, kelas, dll). Metode find() hanya mengembalikan elemen pertama yang cocok. select() menggunakan selektor CSS dan select_one() mengembalikan satu elemen dengan selektor CSS.
Bagaimana cara menentukan header User-Agent kustom saat membuat permintaan dengan requests?
Atribut mana dari objek Response yang mengembalikan konten HTML sebagai teks?
+15 pertanyaan wawancara
Topik wawancara Data Science & ML lainnya
Dasar-dasar Python
Pemrograman Berorientasi Objek Python
Struktur Data Python
Dasar-Dasar Git
Dasar-dasar SQL
Dasar-Dasar NumPy
Dasar-dasar Pandas
Jupyter & Google Colab
SQL Joins & Kueri Lanjutan
Pandas Lanjutan
Visualisasi dengan Matplotlib & Seaborn
Visualisasi Interaktif dengan Plotly
Statistik Deskriptif
Statistik Inferensial
BigQuery & Cloud Data
Feature Engineering
ML Terbimbing: Regresi
ML Terbimbing: Klasifikasi
Pohon Keputusan & Ensemble
ML Tanpa Pengawasan
Pipeline ML & Validasi
Deret Waktu & Peramalan
Dasar-Dasar Deep Learning
TensorFlow & Keras
CNN dan klasifikasi gambar
RNN & Sekuens
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps dan Deployment
Kuasai Data Science & ML untuk wawancara berikutnya
Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.
Mulai gratis