Python-面试题(面试)
本文已加密，请输入密码继续阅读。
Python-面试题(笔试)
本文已加密，请输入密码继续阅读。
爬虫-DrissionPage
这篇讲什么
- DrissionPage 把 HTTP 请求与浏览器控制放进同一个库：
SessionPage不执行 JavaScript，浏览器标签页读取渲染后的 DOM，WebPage/MixTab能切换两种模式。两条路线都可以结构化解析 HTML。 - 本篇以 DrissionPage 4.1.1.4、Python 3.14.10、Chrome 156 为实测环境，从官方入口讲到定位、元素、等待、配置、标签页、监听、cookie、上传下载、iframe 和异常，附完整代码与实跑输出。
- 重点区分「页面返回」与「业务数据出现」、「返回 False」与「抛异常」，并复现 CSS 裸标签多命中、
NoneElement和浏览器开关差异。在线数据、布局和浏览器版本会变化，数字与输出不保证永久不变。
爬虫-Crawl4AI
这篇讲什么
- Crawl4AI 0.9.5 在 Python 3.14.10 上逐条实测：它是一个面向 LLM 时代的异步抓取器——抓完直接给你 markdown，
AsyncWebCrawler.arun()一次调用就把「起浏览器、等 JS、滚动、抽正文、转 markdown」全做完。 - 本篇把每个参数面都按
inspect.signature打全并逐个实测：BrowserConfig44 个参数、CrawlerRunConfig100 个参数、CrawlResult29 个字段、CacheMode5 种、深度抓取策略与过滤器链、四种结构化抽取、markdown 生成器与两种内容过滤器、会话与 cookie、反检测的三个适配器。 - 三条只有实测才知道的坑：默认
cache_mode=BYPASS（不是「启用缓存」）；它自带一个结构性反爬判据，小页面会被误判成「被拦截」（success=False但正文其实抓到了，还会顺手打一行云广告）；robots.txt默认完全不遵守，check_robots_txt=True才拒绝。 - 与系列其它篇的口径差别：抓的靶站沿用 ssr1/spa1（外加本机靶站做协议级演示），但抓取对象是「一页 → 一段 markdown」，没有 Scrapy 的 Pipeline、也没有 Crawlee 的队列存储；要断点续爬得自己接
cache_mode与session_id。
爬虫-curl_cffi
这篇讲什么
- curl_cffi 0.17.0 在 Python 3.14.10 上逐条实测：它把 libcurl（curl-impersonate 版）封成一套 requests 风格的接口，
get/post/Session/AsyncSession都能用，卖点是一个impersonate参数就把 TLS 指纹、HTTP/2 帧、请求头顺序一起换成真实浏览器。 - 本篇的分工口径：这台机器的外网链路会掐掉带指纹的握手（五个在线站 × 两种指纹取法取样 20 次，16 次
Timeout、3 次SSLError、1 次侥幸 200），所以抓在线站只能走默认栈，指纹相关的取证全部放在局域网靶站和本机 ClientHello 嗅探里做，每条结论都跟着逐字输出。 - 三件必须先知道的事：
BrowserType枚举有 53 个成员但不含chrome这种别名（别名只在BrowserTypeLiteral的 63 个取值里）；Session默认timeout=30而不是 requests 的None；files=这个名字还在但一用就NotImplementedError，上传要走multipart=CurlMime。
爬虫-Crawlee
这篇讲什么
- Crawlee for Python 1.11.1 在 Python 3.14.10 上逐条实测：HTTP 类爬虫（Basic/Http/Parsel/BeautifulSoup/FileDownload）、浏览器爬虫（Playwright/AdaptivePlaywright）、
RequestQueue与Dataset的本地存储、enqueue_links四种策略、重试与错误处理、并发伸缩、代理与会话与指纹、robots.txt、停止与续爬。抓取对象沿用系列惯例：ssr1.scrape.center（服务端渲染）与spa1.scrape.center（前端渲染），协议级用本机靶站。 - 它是异步优先的框架：所有 handler 都是
async def，本地存储是storage/目录下的 JSON 文件，没有 Scrapy 的 Pipeline/中间件那套，也没有 feapder 的任务表与批次表。 - 装的时候
extras决定你能用哪些类（裸装只有HttpCrawler，报错原文见下一节），跑起来还有三个只有实测才知道的坑：默认队列会记住处理过的 URL，同一个 URL 第二次跑什么都不抓；enqueue_links(strategy=...)只认四个小写值，写错不校验、把请求重试到失败；ConcurrencySettings(max_concurrency=1)单独写会ValueError，因为desired_concurrency默认是 10。
爬虫-Feapder
这篇讲什么
- feapder 1.9.3 在 Python 3.14.10 上逐条实测：四种爬虫（AirSpider / Spider / TaskSpider / BatchSpider）、命令行脚手架、Item 与数据管道、去重、代理、浏览器渲染、失败重试与报警，抓取对象统一换成公开练习站
ssr1.scrape.center与spa1.scrape.center，输出全部逐字贴出。 - 装它必须单独开虚拟环境：它锁
redis<4.0.0，pip install --dry-run显示会把已有的 redis 8.1.0 悄悄换成 3.5.3，一个 warning 都不给；Python 3.12 起标准库删掉distutils，不装setuptools连import feapder都过不去。 - 断点续爬和任务防丢做了破坏性实验：抓到第 8 条时
os._exit硬退出，redis 里同时留下score=300（待做）和score=当前时间+600（取出中）两类任务，重启后打印「检查到有待做任务 9 条，不重下发新任务，将接着上回异常终止处继续抓取」。 - 与 Scrapy 的取舍写在最后：feapder 把 redis、mysql、渲染、去重、报警都封装好了，上手代价是要读懂它自己的目录约定；另外它的文档有几处和源码对不上（默认重试次数、redis 键名拼写），本篇以实测为准。
FastAPI-WebSocket、测试与部署
这篇讲什么
- 三块内容：WebSocket（含鉴权、广播、关闭码、
--ws-max-size）、测试（TestClient与httpx.AsyncClient两条路）、部署（uvicorn / gunicorn / nginx / Docker，含代理头与并发上限的实测坑）。 - 部署侧最值得记的一条实测结论：
--limit-concurrency是按「连接」算的，空闲的 keep-alive 连接也占额度——3 条闲置连接就能把第 4 个请求顶成 503，而且它是硬拒、不排队。 - WebSocket 走 nginx 必须显式转发
Upgrade/Connection，实测配了是 101、没配是 404。
FastAPI-安全与认证
这篇讲什么
- 一条完整的认证链：密码哈希 → 登录发 JWT →
OAuth2PasswordBearer解 token →Security查 scopes，每一步都在本机跑通并贴了实测输出。 - 官方教程现在推荐
pwdlib，不再推荐passlib：实测passlib 1.7.4配bcrypt 5.0.0直接ValueError，一次哈希都做不出来；pwdlib 0.3.1的verify()返回布尔值，还有verify_and_update()支持换算法。 - JWT 用 PyJWT 就够（
python-jose实测也能跑，但已不是首选）；decode()必须显式传algorithms，短密钥会告警，过期抛ExpiredSignatureError。
FastAPI-数据库
这篇讲什么
- FastAPI 不绑 ORM，官方姿势是 SQLAlchemy 2.x + 一个
yield依赖发 session。这篇以 MySQL + mysqlclient 为主路径，并用本机 WSL 的 PostgreSQL 18.6 做异步对照。 - 三条实测结论：异步能力是
sqlalchemy[asyncio]这个 extra，不装就没有greenlet，import直接失败；expire_on_commit=True在异步下会让 commit 后读属性抛MissingGreenlet；session 依赖必须try/finally，否则异常路径不收尾。 - 本地小查询下异步并不比同步快（20 次
select 1：同步 0.041s、异步串行 0.054s、异步并发 0.052s），异步的收益在慢数据库和高并发等待。