Web Scraping
BeautifulSoup, requests, HTML-parsing, XPath, CSS-selectors, API's, paginering, best practices
1Welke Python-bibliotheek wordt doorgaans gebruikt om HTTP-verzoeken te doen voordat HTML-inhoud wordt geparsed?
Welke Python-bibliotheek wordt doorgaans gebruikt om HTTP-verzoeken te doen voordat HTML-inhoud wordt geparsed?
Antwoord
De requests-bibliotheek is de standaard in Python voor het maken van HTTP-verzoeken op een eenvoudige en intuïtieve manier. Het maakt het mogelijk om GET-, POST- en andere HTTP-werkwoorden uit te voeren met een duidelijke API. BeautifulSoup maakt geen HTTP-verzoeken, het parseert alleen HTML zodra deze is opgehaald.
2Wat is de hoofdrol van BeautifulSoup in een web scraping-project?
Wat is de hoofdrol van BeautifulSoup in een web scraping-project?
Antwoord
BeautifulSoup is een HTML/XML-parsingbibliotheek waarmee je kunt navigeren, zoeken en gegevens uit een HTML-document kunt halen. Het maakt een documentboom die het zoeken naar elementen vergemakkelijkt via methoden zoals find() en find_all(). Het maakt geen HTTP-verzoeken.
3Welke BeautifulSoup-methode vindt alle elementen die voldoen aan een bepaald criterium?
Welke BeautifulSoup-methode vindt alle elementen die voldoen aan een bepaald criterium?
Antwoord
De methode find_all() retourneert een lijst van alle elementen die voldoen aan de opgegeven criteria (tag, attributen, klasse, enz.). De methode find() retourneert alleen het eerste overeenkomende element. select() gebruikt CSS-selectors en select_one() retourneert een enkel element met een CSS-selector.
Hoe een aangepaste User-Agent-header opgeven bij het doen van een verzoek met requests?
Welk attribuut van het Response-object retourneert de HTML-inhoud als tekst?
+15 gespreksvragen
Andere Data Science & ML-sollicitatieonderwerpen
Python-basisbeginselen
Python Objectgeoriënteerd Programmeren
Python-datastructuren
Git-Fundamenten
SQL-basisbeginselen
NumPy-grondbeginselen
Pandas-basis
Jupyter & Google Colab
SQL Joins & geavanceerde queries
Geavanceerd Pandas
Visualisatie met Matplotlib & Seaborn
Interactieve visualisaties met Plotly
Beschrijvende statistiek
Inferentiële statistiek
BigQuery & Cloud Data
Feature Engineering
Supervised ML: Regressie
Supervised ML: Classificatie
Beslissingsbomen & Ensembles
Ongesuperviseerd ML
ML Pipelines & Validatie
Tijdreeksen & Voorspelling
Fundamenten van Deep Learning
TensorFlow & Keras
CNN en beeldclassificatie
RNN & Reeksen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps en Deployment
Beheers Data Science & ML voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis