《Python爬虫大数据采集与挖掘》期末考试考题汇总带答案.doc
版权申诉
5星 · 超过95%的资源 191 浏览量
2021-11-25
11:37:25
上传
评论 2
收藏 134KB DOC 举报 
第 1 页 共 10 页
《Pyth on 爬虫大数据采集与挖掘》期末考试考题汇总带答案
一、填空题
、爬虫技术的应用可以分为两大类：采集型爬虫、监测型爬虫。
、根据 页面组成结构中的信息内容的生成方式不同，可以将 页面分为静态页
面、动态页面、以及伪静态页面三大类。
、协议为了给 网站提供灵活的控制方式来决定页面是否能够被爬虫采集。
、在浏览器中打开网站后，在网站首页的地址后面添加“，如果网站设置了
访问许可，按回车就可以看到网站的 协议，即 文件内容。
、信息提取包含 页面中的超链接提取和 内容提取两大部分。
、页面它具有一定的结构，即由 标签构成的树型结构。
、目前有多种 解析器的开源框架如 等，大都集成了 !"树的
解析。
#、$状态码（$%&）是用来表示网页服务器 $响应状态的 位
数字代码。 状态码包含了五种类别，即消息、成功、重定向、请求错误和服务器错误。
'、用于 ()&函数中的 * +,-./-01-'2-34表达式用于提取 * +开始的超链
接。
1、5标签为 时属性为 *。5标签为资源名称时，例如 65、&，属性为
7。
、互联网上的 页面可以抽象化为一张有向图。图的遍历就是用来解决节点的访问
顺序问题。图的遍历算法有两种，即深度优先算法 !8和宽度优先算法 8。
、宽度优先的策略使用队列作为存储结构。深度优先的策略，需要采用堆栈作为存储结
构。
、按照链接的形式不同，可以分为绝对链接、相对链接和书签。
、按照链接的路径指向不同，可以分为内部链接，锚点链接和外部链接。
、按照超链接指向的资源不同，分为 页面超链接、图片超链接、视频超链接等。
我慢慢地也过来了
- 粉丝: 5806
- 资源: 3719
- 1
- 2
- 3
前往页