大数据采集与爬虫习题答案完整.docx

【大数据采集与爬虫习题答案解析】 一、程序设计语言 1. 程序设计语言分为机器语言、汇编语言和高级语言。解释语言虽然也是一种编程语言，但它不属于上述分类中的任何一种，因为它不需要预先编译成机器可执行代码。 2. 在Python中，正确的语句是A和D。选项A是条件表达式，D是无限循环语句。选项B是C/C++/Java中的三元运算符，在Python中不存在。选项C的正确写法应该是`if x > y: print(x)`。 3. 不能创建字典的语句是C，因为字典的键必须是不可变类型，而列表是可变类型。 二、爬虫技术 1. 爬虫技术可能带来的风险包括：大量占用目标网站资源、获取敏感信息、违背网站爬虫规则，所有选项都是正确的。 2. 在HTML中，表示文本类型的是<title>，用于定义网页的标题。 3. 在HTML的Tag中，最重要的属性不包括type，而是name、attributes和string。 4. 纵向爬虫通常针对特定主题或范围进行深度爬取，而不是大范围的精确信息爬取。 5. 每个文件在网络上都有唯一的URL，它指示了文件的位置和处理方式。 三、数据库系统 1. 数据库系统的特点包括数据共享、数据完整性和数据独立性高，而不包括数据冗余度高。 2. 数据独立性是指数据的逻辑结构和物理存储结构之间的独立，即更改一种不会影响另一种。 3. 数据结构可以分为线性结构和非线性结构，如数组、链表、树、图等。 4. 数据存储反映了静态数据，插入、删除和查找是基本数据结构操作，但不是每种数据结构都具备。 5. 每种数据库管理系统（DBMS）都试图减少数据冗余以提高数据一致性。 四、字符串和数据结构 1. 字符串是不可变的基本数据类型，一旦初始化就不能改变。 2. 可以切割字符串的方法是split()，它可以根据指定分隔符将字符串分割成多个子字符串。 3. String类的getBytes()方法将字符串转换为字节数组，方便进行编码和解码。 五、Web API和GitHub 1. WEB API允许创建基于HTTP服务，支持多种客户端，如浏览器、移动设备等。 2. GitHub是高效的版本控制系统，适用于各种大小项目，提供代码托管、协作开发等功能。 六、Ajax和验证码 1. Ajax的基本请求方式是GET和POST，GET用于获取数据，POST用于提交数据。 2. Ajax技术体系不包括DHTML，它由XMLHttpRequest、CSS、DOM等组成。 3. 调试JavaScript的工具中，Visual InterDev和Script Debugger是微软的，Venkman是Mozilla的，而Eclipse主要用于Java开发，不是专门的JavaScript调试器。 4. 动态数据的准备和系统切换时间有关，因为数据的准备会影响到系统的运行状态。 5. AJAX的GET和POST请求在处理方式上有显著差异，GET将数据附在URL后面，而POST将数据放在请求体中。 七、验证码和Web安全 1. 验证码类型包括单击式、图形、滑动等多种，目的是区分人机行为。 2. 加大验证码破解难度的方法包括扭曲、粘连、加干扰线、字母数字组合，但使用中文字符并不一定增加难度，反而可能导致用户使用困难。 3. 增加验证码功能可以增加自动化攻击的难度，但无法防止文件包含漏洞、缓冲溢出等其他类型的攻击。 4. 验证码是一种区分人机的手段，确保操作是由人类完成。 5. API的“参数说明”描述了接口接受和返回的数据类型和格式。 总结：这些知识点涵盖了编程语言的基础、Web爬虫的风险与实践、数据库管理、字符串操作、Web服务、JavaScript调试及Web安全。了解并掌握这些内容对于IT从业者来说至关重要，它们构成了现代Web开发和数据分析的基础。