Web Scraping
BeautifulSoup, requests, HTML ayrıştırma, XPath, CSS seçicileri, API'ler, sayfalama, en iyi uygulamalar
1HTML içeriğini ayrıştırmadan önce HTTP istekleri yapmak için tipik olarak hangi Python kütüphanesi kullanılır?
HTML içeriğini ayrıştırmadan önce HTTP istekleri yapmak için tipik olarak hangi Python kütüphanesi kullanılır?
Cevap
requests kütüphanesi, HTTP isteklerini basit ve sezgisel bir şekilde yapmak için Python'daki standarttır. Net bir API ile GET, POST ve diğer HTTP fiillerini gerçekleştirmeye olanak tanır. BeautifulSoup HTTP istekleri yapmaz, yalnızca alındıktan sonra HTML'yi ayrıştırır.
2Bir web scraping projesinde BeautifulSoup'un ana rolü nedir?
Bir web scraping projesinde BeautifulSoup'un ana rolü nedir?
Cevap
BeautifulSoup, bir HTML belgesinden veri gezinmeyi, aramayı ve çıkarmayı sağlayan bir HTML/XML ayrıştırma kütüphanesidir. find() ve find_all() gibi yöntemler kullanarak öğelerin aranmasını kolaylaştıran bir belge ağacı oluşturur. HTTP istekleri yapmaz.
3Verilen bir kritere uyan tüm öğeleri hangi BeautifulSoup yöntemi bulur?
Verilen bir kritere uyan tüm öğeleri hangi BeautifulSoup yöntemi bulur?
Cevap
find_all() yöntemi, belirtilen kriterlere (etiket, öznitelikler, sınıf, vb.) uyan tüm öğelerin bir listesini döndürür. find() yöntemi yalnızca eşleşen ilk öğeyi döndürür. select() CSS seçicileri kullanır ve select_one() bir CSS seçici ile tek bir öğe döndürür.
requests ile bir istek yaparken özel bir User-Agent başlığı nasıl belirtilir?
Response nesnesinin hangi özniteliği HTML içeriğini metin olarak döndürür?
+15 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL Temelleri
NumPy Temelleri
Pandas Temelleri
Jupyter & Google Colab
SQL Joins ve Gelişmiş Sorgular
İleri Pandas
Matplotlib & Seaborn ile Görselleştirme
Plotly ile Etkileşimli Görselleştirmeler
Tanımlayıcı İstatistik
Çıkarımsal İstatistik
BigQuery & Cloud Data
Feature Engineering
Denetimli ML: Regresyon
Denetimli ML: Sınıflandırma
Karar Ağaçları ve Topluluk Yöntemleri
Denetimsiz ML
ML Pipeline'ları & Doğrulama
Zaman Serileri & Tahminleme
Deep Learning Temelleri
TensorFlow & Keras
CNN ve görüntü sınıflandırma
RNN ve Diziler
Transformers ve Attention
NLP ve Hugging Face
GenAI ve LangChain
MLOps ve Dağıtım
Bir sonraki mülakatın için Data Science & ML'de uzmanlaş
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla