Python网络爬虫与数据采集试卷及答案4套.docxVIP

Python网络爬虫与数据采集

选择题（每题2分）

查看网站所用的技术可以使用以下的哪个模块（）

Wad

Python-whois

Request

Urllib

以下的XPath中用于选取所用N节点的表达式是（）

N

/N

//N

N/N

正则表达式R[0-9]{3}，能匹配出以下哪个字符串（）

R3

R03

R09

R093

以下数据库中不属于关系数据库的是（）

Mysql

Redis

MongpDB

PostgreSQL

以下关于cookie与session说法正确的是（）

Cookie数据保存在服务器中

Session数据保存在本地

浏览器一般将cookie数据保存在http的body中

Session是指抽象的客户端-服务器交互模式

以下re方法中用于替换字符串的是（）

Match

Sub

Find_all

Split

以下哪一个python库用于语言处理（）

Numpy

NLTK

Sympy

Scipy

前端页面向后端发送表单数据通常使用（）

Get

Post

Put

Delete

python的open方法中代表追加写内容的模式字符是（）

r

w

a

w+

在scrapy目录下，哪个文件负责存放爬虫文件（）

spiders文件夹

Item.py

Pipeline.py

Setting.py

判断题（每题2分）

axios通过同步加载的方式完成对内容的获取与呈现（）

Requests比于urllib库更加简洁实用（）

Selenium相比于Splash更加的节约资源（）

DictReader可以将CSV的每一行作为一个字典来返回（）

numpy一般是被认为基于pandas设计的（）

Api与网页抓取共用许多概念与技术（）

破解滑动验证码需要实现图像拼接与匀速滑动（）

一般情况下ajax返回的数据是以xml形式封装的（）

Tag标签为a、img、audio时属性为src（）

Selenium的webdriver的版本必须和浏览器的版本相对应（）

填空题（每题2分）

爬虫前我们应该了解网站的文件信息以被反爬虫封禁的风险。

CSV文件的分隔值是。

Python中内置的数据库模块是。

python中主要使用模块来实现序列化与反序列化。

常用的中文文本分析工具有。

BeautifulSoup中，通过tag的content属性可以将tag子节点以方式输出。

字符串str可以通过方法来去除左右空格。

用于re.findall函数中的?表达式用于提取http://开始的超链接。

解释Robots协议：。

表示匹配空行的正则表达式是。

简答题（每题4分）

请简要说明使用Selenium的大致流程。

是否可以将自己的爬虫的User-agent设置为知名爬虫呢。

请简要说明点击一个网页链接，会发生的一系列时间。

请简要说明爬虫时应对图片验证码的主要思路有哪些。

请简要说明cookie与session的区别。

应用题（每题10分）

1、使用requests模块，将/physicalstore/index/ajaxSearchStore/?storeCity=苏州storeProvince=江苏中的参数提取出来单独作为参数并访问这个url.

使用requests模块访问并通过正则表达式获取标题。

Python网络爬虫与数据采集答案

选择题（每题2分）

查看网站所用的技术可以使用以下的哪个模块（A）

Wad

Python-whois

Request

Urllib

以下的XPath中用于选取所用N节点的表达式是（C）

N

/N

//N

N/N

正则表达式R[0-9]{3}，能匹配出以下哪个字符串（D）

R3

R03

R09

R093

以下数据库中不属于关系数据库的是（B）

Mysql

Redis

MongpDB

PostgreSQL

以下关于cookie与session说法正确的是（D）

Cookie数据保存在服务器中

Session数据保存在本地

浏览器一般将cookie数据保存在http的body中

Session是指抽象的客户端-服务器交互模式

以下re方法中用于替换字符串的是（B）

Match

Sub

Find_all

Split

以下哪一个python库用于语言处理（B）

Numpy

NLTK

Sympy

Scipy

前端页面向后端发送表单数据通常使用（B）

Get

Post

Put

Delete

python的open方法中代表追加写内容的模式字符是（C）

r

w

a

w+