Python网络爬虫与数据采集试卷及答案4套.docx

《Python网络爬虫与数据采集试卷及答案4套.docx》由会员分享，可在线阅读，更多相关《Python网络爬虫与数据采集试卷及答案4套.docx（27页珍藏版）》请在第一文库网上搜索。

1、一、选择题（每题2分）1、查看网站所用的技术可以使用以下的哪个模块（）A. WadB. Python-whoisC. RequestD. Urllib2、以下的XPath中用于选取所用N节点的表达式是（）A. NB. /NC./ND. N/N3、正则表达式R0-93,能匹配出以下哪个字符串（）A. R3B. R03C. R09D. R0934、以下数据库中不属于关系数据库的是（）A. MysqlB. RedisC. MongpDBD. PostgreSQL5、以下关于COOkie与SeSSiorl说法正确的是（）A. Cookie数据保存在服务器中B. Session数据保存在本地C.浏览器一

2、般将cookie数据保存在http的body中D. Session是指抽象的客户端-服务器交互模式6、以下re方法中用于替换字符串的是（）A. MatchB. SubC. Find_allD. Split7、以下哪一个PythOn库用于语言处理（）A. NumpyB. NLTKC. SympyD. Scipy8、前端页面向后端发送表单数据通常使用（）A. GetB. PostC. PutD. Delete9、PythOn的OPen方法中代表追加写内容的模式字符是（）A. rB. wC. aD. w+10、在SCraPy目录下，哪个文件负责存放爬虫文件（）A. spiders文件夹B. Item

3、.pyC. Pipeline.pyD. Setting.py二、判断题（每题2分）1、Mos通过同步加载的方式完成对内容的获取与呈现（）2、Requests比于urllib库更加简洁实用（）3、SeleniIlm相比于SPlaSh更加的节约资源（）4、DietReader可以将CSV的每一行作为一个字典来返回（）5、Fiumpy一般是被认为基于PandaS设计的（）6、APi与网页抓取共用许多概念与技术（）7、破解滑动验证码需要实现图像拼接与匀速滑动（）8、一般情况下ajax返回的数据是以Xml形式封装的（）9、Tag标签为a、img、audio时属性为SrC （）10、SeleniUm的We

4、bdriV6的版本必须和浏览器的版本相对应（）三、填空题（每题2分）1、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。2、CSV文件的分隔值是 o3、PythOn中内置的数据库模块是。4、python中主要使用 模块来实现序列化与反序列化。5、常用的中文文本分析工具有 o6、BeautifuISoup中,通过tag的content属性可以将tag子节点以 方式输出。7、字符串Str可以通过 方法来去除左右空格。8、用于re.findall函数中的 表达式用于提取http:开始的超链接。9、解释Robots协议：o10、表示匹配空行的正则表达式是 o四、简答题（每题4分）1、请简要说明

5、使用Selenium的大致流程。2、是否可以将自己的爬虫的User-agent设置为知名爬虫呢。3、请简要说明点击一个网页链接，会发生的一系列时间。4、请简要说明爬虫时应对图片验证码的主要思路有哪些。5、请简要说明cookie与session的区别。五、应用题（每题10分）1、使用requests模块，将,httpsphysicalstoreindexajaSearchStore,7storeCity= 州&storeProvince=江苏中的参数提取出来单独作为参数并访问这个url.2、使用requests模块访问并通过正则表达式获取标题。二、选择题（每题2分）IK查看网站所用的技术可以使用

6、以下的哪个模块（A）E. WadF. Python-whoisG. RequestH. Urllib12、以下的XPath中用于选取所用N节点的表达式是（C）E. NF. /NG./NH. N/N13、正则表达式R0-93,能匹配出以下哪个字符串（D）I. R3J. R03K. R09L. R09314、以下数据库中不属于关系数据库的是（B）M. MysqlN. RedisO. MongpDBP. PostgreSQL15、以下关于COOkie与SeSSion说法正确的是（D）E. Cookie数据保存在服务器中F. Session数据保存在本地G.浏览器一般将cookie数据保存在http的

7、body中H. Session是指抽象的客户端-服务器交互模式16、以下re方法中用于替换字符串的是（B）E. MatchF. SubG. Find_allH. Split17、以下哪一个PythOrl库用于语言处理（B）I. NumpyJ. NLTKK. SympyL. Scipy18、前端页面向后端发送表单数据通常使用（B）M. GetN. PostO. PutP. Delete19、PythOn的OPen方法中代表追加写内容的模式字符是（C）Q. rF. wG. aH. w+ 20、在SCraPy目录下，哪个文件负责存放爬虫文件（A）E. spiders文件夹F. Item.pyG. P

8、ipeline.pyH. Setting.py六、判断题（每题2分）11、axios通过同步加载的方式完成对内容的获取与呈现（x）12、Requests比于urllib库更加简洁实用（J）13、SeleniIIm相比于SPlaSh更加的节约资源（x）14、DiCtReader可以将CSV的每一行作为一个字典来返回（）15、numpy一般是被认为基于PandaS设计的（x）16、APi与网页抓取共用许多概念与技术（）17、破解滑动验证码需要实现图像拼接与匀速滑动（X）18、一般情况下ajax返回的数据是以Xml形式封装的（V）19、Tag 标签为 a、img、audio 时属性为 SrC （x）

9、20、Selenium的webdriver的版本必须和浏览器的版本相对应（J）七、填空题（每题2分）IK爬虫前我们应该了解网站的robots.txt文件信息以被反爬虫封禁的风险。12、CSV文件的分隔值是逗号 13、PVthOn中内置的数据库模块是SqIit。14、python中主要使用PiCkIe 模块来实现序列化与反序列化。15、常用的中文文本分析工具有iieba、SnOWNLP。16、BeautifuISoup中，通过tag的content属性可以将tag子节点以 列表 方式输出。17、字符串Str可以通过StriP 方法来去除左右空格。18、用于re.findall函数中的 http:

10、a-zA-Z0-9.-*表达式用于提取 http: 开始的超链接。19、解释Robots协议：网络爬虫排除协议 o20、表示匹配空行的正则表达式是是 。八、简答题（每题4分）6、请简要说明使用Selenium的大致流程。1 J d2(3(4创建浏览器对象访问页面定位网页元素网页交互7、是否可以将自己的爬虫的User-agent设置为知名爬虫呢。从代码的角度看，没有人会限制你使用什么样的User-agent,就是上面的例 子。实际上，不断变换User-agent的值也是很多不友好爬虫为了躲避服务器的 检测的常用做法。但是这种做法是非常不可取的，它扰乱了 Web服务器的正常 判断，就可能使得某种知

11、名爬虫被检测出来不遵守Robots协议而产生纠纷。8、请简要说明点击一个网页链接，会发生的一系列时间。浏览器响应点击事件，解析url,发起Web请求，建立与服务端的连接，服务端响应请求，服务端返回请示结果，浏览器处理返回的结果。9、请简要说明爬虫时应对图片验证码的主要思路有哪些。通过程序识别图片再转化为文字并输入。手动打码，避开程序破解验证码环节。使用人工打码平台服务。10、请简要说明cookie与session的区别。Cookie数据保存在本地，而SeSSiOn数据保存在服务器。SeSSion是指象的客 户端-服务器交互模式，而cookie是session的一个具体实现手段。九、应用题(每题

12、10分)1、使用requests模块，将,httpsphysicalstoreindexajaxSearchStore,7storeCity= 州 &storeProvince=江苏，中的参数提取出来单独作为参数并访问这个url.import requestsurl = params = storeCity: 苏州，“storeProvince“ ： “江苏“res = requests.get(url7 params = params)print(res.status_code)3、使用requests模块访问并通过正则表达式获取标题。 import requests,rer = reque

13、sts.get(,).content.decode(utf-8)pt = pile()(Ss+)()print(pt.search(r).group(2)三、选择题（每题2分）21、Python中，可以用来存储数据的文件类型包括（）I. txtJ. csvK. jsonL.以上所有22、可以用来解析XML文档的库有哪些（）I. BeautifuISoupJ. IxmlK. html.parserI.以上所有23、JUPyterNOtebook 对 PythOn 开发有什么帮助（）I.插入数学公式J.制作演示文稿K.输入特殊关键字L.以上所有24、Python中用于进行自然语言处理的第三方库是（

14、）。A. nltkB.spacyC. gensimD. jieba25、通用网络爬虫主要由哪些机构或者服务商使用（）I.电商平台J .搜索引擎K.金融机构L.媒体平台26、使用Urllib.request.urlopen（）方法请求网页时，如果需要添加请求头信息，应 该使用哪个对象（）I. ResquestJ. ResponseK. OpenerL. Handler27、使用SeIeniUm库进行动态页面抓取时，需要安装哪个组件（）A.Chrome浏览器B.Chrome 插件C.Chrome分区动D.Chrome 扩展28、使用SeIeniUm库进行动态页面抓取时,可以使用哪个方法模拟鼠标点击（）I. click（）J. press（）K. tap（）L. touch（）29、python的爬虫框架包括（）I. scrapyJ. PySpider