Python网络爬虫与数据采集试题1

Python网络爬虫与数据采集试题选择题（每题2分）1、下列哪个选项不属于HTTP协议的请求方法?（）GETPUSHPUTPOST下列哪个HTML标签可以设置超链接?（）<p><div><a><h1>正则表达式“\d{3}-\d{8}|\d{4}-\d{8}”能匹配下列哪个字符串?（）010-123456780432-12345670101234567804321234568Requests库中，可以查看响应状态码的方法是（）textencodingcookiesstatus_code关于JavaScript说法不正确的是（）JavaScript是一种面向对象、动态类型的解释性语言JavaScript主要运行在网站服务器上浏览器中的页面是在HTML的基础上经过JavaScript加工处理后生成的JavaScript可以写在HTML的<script>标签中下列NumPy方法中，能够将两个二维数组横向拼接的是（）matinvvstackhstack以下不是Scrapy框架组件的是（）‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬EngineSchedulerProcesserPipeline在Scrapy框架中，Downloader下载页面内容后结果经Engine发送到哪个组件？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬（）‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬SpidersPipelineScheduler以上均不正确Scrapy项目的settings.py文件中，指定log的最低级别的设置项是（）BOT_NAMEDOWNLOAD_DELAYLOG_LEVELUSER_AGENTRequestHeader中指定是否需要持久连接的是（）AcceptRefererRangeConnection判断题（每题2分）Python字符串操作中的strip方法可以去掉字符串左、右侧的空格（）python_whois库可以查询网站所有者的相关信息（）正则表达式中“$”匹配前面的子表达式0次或1次（）SQL是一种小巧易用的轻量型关系数据库系统（）pandas中的Series数据类型的特点是相比普通的一维数组能存放更多数据（）Matplotlib可以用于绘制图表。（）Selenium是一个专门用于开发Python爬虫的浏览器（）Selenium中模拟键盘输入的函数是send_keys()（）Python自带的单元测试模块是unittest（）某同学认为自己开发的爬虫对网站的影响很小，可以忽略robots.txt中的内容（）三、填空题（每题2分）旨在让网站访问者（或访问程序）了解该网站的信息抓取限制。HTTP请求中的方法向指定资源提交数据进行处理请求。正则表达式中表示匹配任意数字的是“”。Chrome开发者工具中的面板主要用来调试JavaScript。网络API使用约定和格式呈现数据。是一个开源的键值对存储数据库。可以操纵浏览器进行一些类似于普通用户的行为。浏览器一般把Cookie数据放在HTTP请求中的数据中。可以类似jQuery的形式解析网页，并支持CSS选择器。验证码的英文名称缩写为。四、简答题（每题4分）1.请使用正则表达式匹配下列字符串（1）只能输入数字。（2）只能输入非零的正整数（3）只能输入长度为3的字符（4）只能输入由26个大写英文字母组成的字符串（5）只能输入由26个英文字母组成的字符串2.请简述HTTP请求中的GET、HEAD、POST、PUT和DELETE方法（4分）3.请举例说明5种反爬虫的方式（4分）请简述Scrapy包含的组件及其功能。（至少举出5个组件）（4分）5.请说明Scrapy爬虫