南开大学复习资料-网络爬虫与信息提取0001.docx

《网络爬虫与信息提取》课程是一门涵盖了网络数据抓取和处理的学科，主要针对计算机科学和技术领域的学生。这门课程的复习资料涉及到的知识点广泛，包括编程基础、网络爬虫原理、数据处理和Python语言特性等多个方面。 1. **Python编程基础** - 判断题中提到了Python中的浮点数计算、列表和元组的操作以及字符串切片等基本概念。 - Python中浮点数计算可能存在精度问题，如0.1+0.2不等于0.3。 - 列表是可变数据类型，可以添加和删除数据，而元组是不可变的，一旦创建，其内容无法更改。 - 字符串是不可变数据类型，切片后仍为字符串。 - 条件语句的逻辑运算符`and`和`or`的理解，`and`需要所有条件都为真，`or`只需一个为真即可。 2. **Python函数与返回值** - 函数可以返回多个值，使用逗号分隔即可。 - `findall`和`search`是正则表达式中的方法，`search`找到第一个匹配项，效率较高。 3. **文件操作** - 使用`with`语句打开文件，会自动进行关闭操作，确保资源释放。 - 写入CSV文件时，`writerow`接收一个列表，而`writerows`接收一个包含列表的列表。 4. **Python数据结构** - 列表用`append`方法在末尾添加元素，而非`add`、`plus`或`+`。 - `Object={'obj_1':'1', 'obj_2':'2'}`是字典，`Object={1, 2, 3, 4, 5}`是集合。 - 集合中的元素是唯一的，不重复。 - 字典可以通过键`key`获取值，使用`get`方法避免 KeyError，或者直接用索引`[]`。 5. **循环与控制流** - `range()`函数的使用，`range(10)`会执行10次循环。 - `while`循环中，`i<10`且每次循环`i`加1，同样执行10次。 6. **网络爬虫基础知识** - 通用搜索引擎主要基于关键字搜索，可能不支持复杂的语义查询。 - 网络爬虫的目标通常是提高网络覆盖率，但服务器资源与网络数据资源需合理匹配。 - 通用网络爬虫通常采用并行抓取以提高效率，而不是串行工作。 这些复习资料涵盖了Python编程、数据结构、文件操作以及网络爬虫的基础知识，是学习网络爬虫与信息提取课程的重要参考资料。掌握这些内容有助于理解网络数据的获取和处理过程，为进一步学习高级爬虫技术打下坚实基础。