11月数据采集1+x中级习题含参考答案.docxVIP

11月数据采集1+x中级习题含参考答案

一、单选题（共20题，每题1分，共20分）

1.试题：哪个匹配禁止输入含有~的字符？

选项A．都可以

选项B．[^~\x22]+

选项C．[^~22]+

选项D．[^~x22]

正确答案：B

说明：选项A中使用的是中文字符“、”，这在正则表达式的字符类定义中是不符合规范的写法，通常字符类中使用的是英文半角字符。选项C中“[^~x22]”这种写法是错误的，正确的写法应该是“[^~\x22]”，少了转义符。选项B中“[^~\x22]”表示匹配除了“~”和双引号（十六进制表示为\x22）之外的任意字符，能够禁止输入含有“~”的字符，所以答案是B。

2.试题：scrapy框架的运行流程中，（）组件是scrapy框架的核心组件

选项A．Spiders

选项B．DownLoader

选项C．ScrapyEngine

选项D．Scheduler

正确答案：C

说明：ScrapyEngine是scrapy框架的核心组件，它负责控制数据流在各个组件之间的流动，并根据配置和调度器的安排执行相应的操作，如启动爬虫、分配请求到下载器、处理下载器返回的响应等，协调各个组件协同工作以完成整个爬取任务。

3.试题：以下描述不正确是（）

选项A．$(#intro)获取id=intro的元素

选项B．$(this)是获取当前的HTML元素

选项C．$(.intro)是获取所有class=intro的元素

选项D．以上都不对

正确答案：D

说明：逐一分析各选项。选项A，$(.intro)确实是获取所有class=intro的元素，该描述正确；选项B，$(#intro)确实是获取id=intro的元素，该描述正确；选项C，$(this)在特定情况下可以获取当前的HTML元素，该描述正确。所以以上选项描述均正确，答案选D。

4.试题：与Windows相比Linux在哪个方面相对应用较少？()

选项A．集群

选项B．嵌入式系统

选项C．桌面

选项D．服务器

正确答案：C

说明：在桌面应用方面，Windows拥有庞大的用户基础和丰富的软件生态，Linux的桌面应用相对较少。而在嵌入式系统、服务器、集群等领域，Linux都有广泛且重要的应用。

5.试题：操作系统中，系统管理员常用的二进制命令文件，一般放置在（）目录下。

选项A．/usr/sbin

选项B．/boot

选项C．/sbin

选项D．/root

正确答案：C

说明：系统管理员常用的二进制命令文件一般放置在/sbin目录下。/sbin目录主要存放一些系统管理相关的二进制可执行文件，这些文件通常只有root用户才能执行，用于系统维护、管理等操作。/root是root用户的家目录；/usr/sbin主要存放一些系统管理员使用的系统级命令，但和/sbin还是有区别的；/boot目录主要存放与系统启动相关的文件，如内核文件等。

6.试题：以下哪种爬虫又称为主题网络爬虫，是指选择性的爬行那些与预先定义好的主题相关页面的网络爬虫

选项A．通用网络爬虫

选项B．聚焦网络爬虫

选项C．增量式网络爬虫

选项D．深层页面爬虫

正确答案：B

说明：聚焦网络爬虫又称为主题网络爬虫，它会按照预先定义好的主题，有选择性地爬行相关页面。通用网络爬虫是广泛地抓取各种网页；深层页面爬虫主要关注深度层次的页面；增量式网络爬虫是针对已抓取页面的更新进行增量抓取。所以正确答案是B。

7.试题：Android系统是基于Linux操作系统开发的手机系统，因此在进行刷机、删除系统自带软件时需要获得管理员账户()的权限

选项A．admin

选项B．liveuser

选项C．root

选项D．administrator

正确答案：C

8.试题：关于数据采集特点，描述正确的是（）

选项A．数据采集以自动化采集手段为主要方式

选项B．主要进行抽样采集方式

选项C．采集的数据内容相对单一

选项D．只采集基本数据

正确答案：A

说明：数据采集方式多样，并非主要进行抽样采集，A选项错误；采集的数据内容丰富多样，不是相对单一，B选项错误；数据采集如今以自动化采集手段为主要方式，C选项正确；采集的数据包括基本数据和其他各类相关数据等，不是只采集基本数据，D选项错误。

9.试题：关于网络数据采集，描述正确的是（）

选项A．网页抓取过程中，会抓取所有满足条件的URL

选项B．以上都正确

选项C．可通过网络爬虫技术从公开网站或API获取数据信息

选项D．爬取的数据经适当处理后进行存储

正确答案：B

10.试题：在计算机网络中，能将异种网络互连起来，实现不同网络协议相互转换的网络互连设备是()。

选项A．中继器

选项B．交换机

选项C．网关

选项D．路由器

正确答案：D

11.试题：取出html页面中所有的src属性，xpa