Web Scraping
BeautifulSoup, requests, phân tích HTML, XPath, bộ chọn CSS, API, phân trang, các phương pháp tốt nhất
1Thư viện Python nào thường được sử dụng để thực hiện các yêu cầu HTTP trước khi phân tích nội dung HTML?
Thư viện Python nào thường được sử dụng để thực hiện các yêu cầu HTTP trước khi phân tích nội dung HTML?
Câu trả lời
Thư viện requests là tiêu chuẩn trong Python để thực hiện các yêu cầu HTTP một cách đơn giản và trực quan. Nó cho phép thực hiện các yêu cầu GET, POST và các động từ HTTP khác với API rõ ràng. BeautifulSoup không thực hiện các yêu cầu HTTP, nó chỉ phân tích HTML sau khi được lấy về.
2Vai trò chính của BeautifulSoup trong một dự án web scraping là gì?
Vai trò chính của BeautifulSoup trong một dự án web scraping là gì?
Câu trả lời
BeautifulSoup là một thư viện phân tích HTML/XML cho phép điều hướng, tìm kiếm và trích xuất dữ liệu từ một tài liệu HTML. Nó tạo ra một cây tài liệu giúp dễ dàng tìm kiếm các phần tử thông qua các phương thức như find() và find_all(). Nó không thực hiện các yêu cầu HTTP.
3Phương thức BeautifulSoup nào tìm tất cả các phần tử khớp với một tiêu chí nhất định?
Phương thức BeautifulSoup nào tìm tất cả các phần tử khớp với một tiêu chí nhất định?
Câu trả lời
Phương thức find_all() trả về một danh sách tất cả các phần tử khớp với tiêu chí được chỉ định (tag, thuộc tính, lớp, v.v.). Phương thức find() chỉ trả về phần tử khớp đầu tiên. select() sử dụng bộ chọn CSS và select_one() trả về một phần tử duy nhất với bộ chọn CSS.
Cách chỉ định header User-Agent tùy chỉnh khi thực hiện yêu cầu với requests?
Thuộc tính nào của đối tượng Response trả về nội dung HTML dưới dạng văn bản?
+15 câu hỏi phỏng vấn
Các chủ đề phỏng vấn Data Science & ML khác
Cơ bản về Python
Lập trình Hướng đối tượng Python
Cấu trúc dữ liệu Python
Kiến Thức Cơ Bản về Git
Cơ bản về SQL
Kiến thức cơ bản về NumPy
Cơ bản về Pandas
Jupyter & Google Colab
SQL Joins & Truy vấn nâng cao
Pandas nâng cao
Trực quan hóa với Matplotlib & Seaborn
Trực quan hóa tương tác với Plotly
Thống kê mô tả
Thống kê suy luận
BigQuery & Cloud Data
Feature Engineering
ML Có Giám Sát: Hồi Quy
ML Có Giám Sát: Phân Loại
Cây Quyết định & Ensemble
ML Không Giám Sát
Pipeline ML & Xác thực
Chuỗi thời gian & Dự báo
Cơ Bản Về Deep Learning
TensorFlow & Keras
CNN và phân loại hình ảnh
RNN & Chuỗi
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps và Triển khai
Nắm vững Data Science & ML cho lần phỏng vấn tiếp theo
Truy cập tất cả câu hỏi, flashcards, bài kiểm tra kỹ thuật, bài tập code review và mô phỏng phỏng vấn.
Bắt đầu miễn phí