20秋广东开放大学数据采集与管理行成性考核真题试题参考答案资料.pdfVIP

百年教育职业培训中心：/ 广东开放大学 终结性考核 参考资料 百年教育职业培训中心编制 百年教育职业培训中心：/ 选择题 题目： 通过 HTTP 或者 HTTPS 协议请求的资源由作( )来标识。 百年教育职业培训中心：/ 答案： A、HTML B、URL C、TCP D、 FTP 题目： 追求高数据质量是对大数据的一项重要要求，要消除某些数据的不可预测性，去掉一些“杂乱”的“脏”数据， 就涉及到( )技术。 答案： A、数据采集 B、 数据统计 C、数据清洗 D、 数据预测 题目： 网络数据采集一般是通过（ ）或网站公开API 等方式从网站上获取数据信息。 答案： A、网络爬虫 B、 网站日志 C、HTTP D、 表单 百年教育职业培训中心：/ 题目： 一次 HTTP 由（ ）组成。 答案： A、 一次请求 B、 一次响应 C、 一次请求和一次响应 D、 两次请求 题目： 单选 在 HTTP 请求中，通过（ ）方法发送的表单数据，会放在URL 之后，以?分割 URL 和传输数据，参数之 间以相连，可能会造成信息泄露问题。 答案： A、GET B、 POST C、 PUT D、 CONNECT 题目： HTTP 请求头中（ ）域的内容包含发出请求的用户信息，例如使用的客户端名称和版本号等。 百年教育职业培训中心：/ 答案： A、 Host B、 Referer C、User-Agent D、Content-Length 题目： 发送了一个 HTTP 请求后，客户端收到一个 200 的响应，这表示（ ）。 答案： A、拒绝访问 B、 登录失败 C、重定向到其他 URL D、 请求成功 题目： 单选 如果要采集指定的数据，则需要使用到（ ），又称主题网络爬虫，是指选择性地爬行那些与预先定义好 的主题相关页面的网络爬虫。 答案： A、增量式网络爬虫 B、 聚焦网络爬虫 C、DeepWeb 爬虫 D、 全网爬虫 百年教育职业培训中心：/ 题目： 单选 （ ）的搜索策略是指按照深度由低到高的顺序，依次访问下一级网页链接，直到不能再深入为止，比较 适合垂直搜索或站内搜索。 答案： A、 广度优先 B、深度优先 C、基于目标特征 D、 基于领域 题目： 单选 在使用 Java 实现网络爬虫时，由于 InputStream 类型默认是字节流，无法处理中文，将会出现乱码。要解 决中文乱码的问题，需将其转换为（ ），这样就可以读取中文。 答案： A、 无符号数字 B、 UNICODE 编码 C、字节流 D、字符流 题目： 在正则表达式中\d 匹配（ ） 百年教育职业培训中心：/ 答案： A、数字 B、 字母、数字、下划线 C、任意字符 D、转义字符 题目： 在正则表达式中 ? 匹配（ ） 答案： A、字符出现0 次以上 B、字符出现一次以上 C、字符出现 0 次或 1 次 D、 字符出现 1 次 题目： 使用正则表达式时，使用（ ）设置匹配规则。 答案： A、Matcher B、 Pattern C、 find D、group 百年教育职业培训中心：/ 题目： 单选 因数据库本身限制，在采集海量数据时存在性能瓶颈，因此海量数据建议用（ ）的方式保存，也方便与 大数据底层交互。 答案： A、文本 B、图像 C、 数字 D、 记录 题目： 以下哪些是 Matcher 类的方法（ ） 答案： A、start() B、end() C、 find() D、group() 题目： 在整站采集时，一般从源地址出发，使用（ ）算法实现。 答案： 百年教育职业培训中心：/ A、差分 B、 线性 C、分治 D、递归 题目： 整站采集的步骤一般是（ ） 答案： A、匹配 href 连接地址；与原本地址拼接；读取网页中的 A 标签；找到关 联网页并爬取 B、读取网页中的 A 标签；匹配 href 连接地址；与原本地址拼接；找到关 联网页并爬取 C、 找到关联网页并爬取；读取网页中的 A 标签；与原本地址拼接；匹配 href 连接地址 D、找到关联网页并爬取；与原本地址拼接；匹配 href 连接地址；读取网页 中的A 标签 题目： 保存采集的数据的方式有（ ） 答案： A、文本 B