1、前段時(shí)間快要畢業(yè)，而我又不想找自己的老本行Java開發(fā)了，所以面了很多Python爬蟲崗位。

因?yàn)槲以谀暇┥蠈W(xué)，所以我一開始只是在南京投了簡歷，我一共面試了十幾家企業(yè)，其中只有一家沒有給我發(fā)offer，其他企業(yè)都愿意給到10K的薪資，不要拿南京的薪資水平和北上深的薪資水平比較，結(jié)合面試常問的問題類型說一說我的心得體會(huì)。

第一點(diǎn)：Python

因?yàn)槊嬖嚨氖荘ython爬蟲崗位，面試官大多數(shù)會(huì)考察面試者的基礎(chǔ)的Python知識(shí)，包括但不限于：

Python2.x與Python3.x的區(qū)別

Python的裝飾器

Python的異步

Python的一些常用內(nèi)置庫，比如多線程之類的

第二點(diǎn)：數(shù)據(jù)結(jié)構(gòu)與算法

數(shù)據(jù)結(jié)構(gòu)與算法是對(duì)面試者尤其是校招生面試的一個(gè)很重要的點(diǎn)，當(dāng)然小公司不會(huì)太在意這些，從目前的招聘情況來看對(duì)面試者的數(shù)據(jù)結(jié)構(gòu)與算法的重視程度與企業(yè)的好壞成正比，那些從不問你數(shù)據(jù)結(jié)構(gòu)的你就要當(dāng)心他們是否把你當(dāng)碼農(nóng)用的，當(dāng)然以上情況不絕對(duì)，最終解釋權(quán)歸面試官所有。

第三點(diǎn)：Python爬蟲

最重要也是最關(guān)鍵的一點(diǎn)當(dāng)然是你的Python爬蟲相關(guān)的知識(shí)與經(jīng)驗(yàn)儲(chǔ)備，這通常也是面試官考察的重點(diǎn)，包括但不限于：

你遇到過的反爬蟲的策略有哪些？

你常用的反反爬蟲的方案有哪些？

你用過多線程和異步嗎？除此之外你還用過什么方法來提高爬蟲效率？

有沒有做過增量式抓?。?/p>

對(duì)Python爬蟲框架是否有了解？

第四點(diǎn)：爬蟲相關(guān)的項(xiàng)目經(jīng)驗(yàn)

爬蟲重在實(shí)踐，除了理論知識(shí)之外，面試官也會(huì)十分注重爬蟲相關(guān)的項(xiàng)目：

你做過哪些爬蟲項(xiàng)目？如果有Github最好

你認(rèn)為你做的最好的爬蟲項(xiàng)目是哪個(gè)？其中解決了什么難題？有什么特別之處？

以上是我在面試過程中，會(huì)碰到的一些技術(shù)相關(guān)的問題的總結(jié)，當(dāng)然面試中不光是技術(shù)這一點(diǎn)，但是對(duì)于做技術(shù)的，過了技術(shù)面基本上就是薪資問題了。

也許有人問我現(xiàn)在在哪家公司做爬蟲開發(fā)？很抱歉，最終我放棄了南京的所有機(jī)會(huì)到了上海做我更喜歡的崗位：數(shù)據(jù)工程師。

2、給你一點(diǎn)我的面經(jīng)吧。

初級(jí)的：

網(wǎng)絡(luò)基礎(chǔ)：cookie，session，https，headers常用的字段，代理使用等等

python基礎(chǔ)：這個(gè)網(wǎng)上搜到的面經(jīng)都得會(huì)，加上異步，多進(jìn)程，多線程等等

爬蟲：xpath，requests如何處理https，常見的反爬措施，舉例說一個(gè)最難的爬蟲過程，scrapy使用中的細(xì)節(jié)，例如代理，cookie，傳參等等。

數(shù)據(jù)庫：數(shù)據(jù)庫操作，并表之類的。

中級(jí)：

網(wǎng)絡(luò)：幾層網(wǎng)絡(luò)層的細(xì)節(jié)，比如說說udp/tcp/smtp區(qū)別，說說10.x.x.x/127.x.x.x/192.x.x.x的區(qū)別，說說DNS，談?wù)劼酚?a href="http://m.sdkjxy.cn/v/tag/1392/" target="_blank">交換機(jī)的區(qū)別

python：多重繼承，多態(tài)，單例用裝飾器的實(shí)現(xiàn)，數(shù)組/生成器/列表解析效率等等稍深入的細(xì)節(jié)

爬蟲：分布式爬蟲的實(shí)現(xiàn)，給你一個(gè)任務(wù)你馬上給出一個(gè)合理的架構(gòu)，驗(yàn)證碼的處理，增量數(shù)據(jù)爬取，寫爬蟲時(shí)有沒寫些輔助工具。

數(shù)據(jù)庫：sql nosql的細(xì)節(jié)，性能上的。

加分項(xiàng)：數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)，自然語言處理，能寫網(wǎng)站，熟練操作linux，github小星星

在學(xué)習(xí)python中有任何困難不懂的可以加入我的python交流學(xué)習(xí)qun ：227-435-450，多多交流問題，互幫互助，群里有不錯(cuò)的學(xué)習(xí)教程和開發(fā)工具。學(xué)習(xí)python有任何問題（學(xué)習(xí)方法，學(xué)習(xí)效率，如何就業(yè)）。

3、首先說說Python吧

爬蟲給人的感覺就是對(duì)于Python編程的知識(shí)要求并不高，確實(shí)，搞懂基本數(shù)據(jù)結(jié)構(gòu)、語句，會(huì)寫寫函數(shù)好像就OK了。

自己業(yè)余玩玩爬點(diǎn)數(shù)據(jù)還OK，但是你是要找工作成功爬蟲工程師的，扎實(shí)的編程基礎(chǔ)可不是會(huì)寫函數(shù)就夠了的。Python的高級(jí)特性、面向?qū)ο缶幊?、多線程、裝飾器等等你至少需要了解一下吧。

現(xiàn)在很多爬蟲工程師的面試，編程的基本功要求還是很高的。編程的功底，以及對(duì)語言的理解，從某種程度上可以看出你的學(xué)習(xí)能力、發(fā)展?jié)摿Α?/p>

爬蟲技術(shù)

HTTP必須要有很深刻的理解，這是你縱橫網(wǎng)絡(luò)的立身之本；

BeautifulSoup、xpath這些都是基礎(chǔ)操作了，一定要做到非常熟練；

Scrapy框架要會(huì)用，要能信手捏來寫個(gè)分布式爬蟲；

Webdriver、Selenium、PhantomJS至少也要會(huì)使用吧；

反爬蟲的技巧，重中之重，能不能搞回來數(shù)據(jù)，能高多少數(shù)據(jù)回來，很大程度依賴于此。抓包、cookie分析、代理池搭建、字體加密、驗(yàn)證碼處理等等，也都是常規(guī)操作了；

當(dāng)然數(shù)據(jù)庫也少不了啊。一般企業(yè)要求至少會(huì)一種SQL和一種noSQL。

了解布隆過濾器，會(huì)增量爬取。

加分項(xiàng)：

掌握Python web相關(guān)的一些東西，能夠進(jìn)行后端開發(fā)；

掌握數(shù)據(jù)分析或者數(shù)據(jù)挖掘的技能，能夠搞個(gè)算法模型，做個(gè)分析和預(yù)測(cè)。