首页 诗词 字典 板报 句子 名言 友答 励志 学校 网站地图
当前位置: 首页 > 教程频道 > 开发语言 > 编程 >

晓得创宇笔试题

2012-08-21 
知道创宇笔试题使用python编写一个网站爬虫程序,支持参数如下:spider.py -u url -d deep -f logfile -l lo

知道创宇笔试题

使用python编写一个网站爬虫程序,支持参数如下:

spider.py -u url -d deep -f logfile -l loglevel(1-5)?
--testself -thread number --dbfile? filepath? --key=”HTML5”

参数说明:

-u 指定爬虫开始地址

-d 指定爬虫深度

--thread 指定线程池大小,多线程爬取页面,可选参数,默认10

--dbfile 存放结果数据到指定的数据库(sqlite)文件中

--key 页面内的关键词,获取满足该关键词的网页,可选参数,默认为所有页面

-l 日志记录文件记录详细程度,数字越大记录越详细,可选参数,默认spider.log

--testself 程序自测,可选参数

?

功能描述:

1、指定网站爬取指定深度的页面,将包含指定关键词的页面内容存放到sqlite3数据库文件中

2、程序每隔10秒在屏幕上打印进度信息

3、支持线程池机制,并发爬取网页

4、代码需要详尽的注释,自己需要深刻理解该程序所涉及到的各类知识点

5、需要自己实现线程池

?

提示1:使用re? urllib/urllib2? beautifulsoaup/lxm2? threading optparse Queue? sqlite3 logger? testdoc等模块

提示2:注意是“线程池”而不仅仅是多线程

提示3:爬去sina.com.cn两级深度要能正常结束

?

建议程序可分阶段,逐步完成编写,例如:

版本1:Spider1.py -u url -d deep

版本2:Spider3.py -u url -d deep -f logfile -l loglevel(1-5)? --testself

版本3:Spider3.py -u url -d deep -f logfile -l loglevel(1-5)? --testself -thread number

版本4:剩下所有功能

?

以上题目事实上也是知道创宇技术岗位内部题目,入职第一周会再次考本题目,完不成将面临淘汰。
你可以通过看书、上网查资料、请教高人等任何方法完成,时间不限。

热点排行