Python网络爬虫与信息提取第一周测验答案

测验1: Python网络爬虫之规则 (第1周)

1. Requests库中，下面哪个最可能是由于URL格式错误造成异常？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬

• A requests.HTTPError
• B requests.TooManyRedirects
• C requests.URLRequired
• D requests.ConnectionTimeout

正确答案 C
URL格式错误，一般指URL格式不符合规范导致无法建立连接，通常会产生URLRequired错误。如果URL格式正确，可能触发Timeout类错误。

2. 在Requests库中，体现推送数据操作的函数是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A head()
• B delete()
• C get()
• D patch()

正确答案 D
数据推送（push model）一般指将数据发送出去的行为。在Requests库中，post()、put()、patch()都体现这种行为模式。

3. 在Requests库中，以下哪个函数是基础性函数？即，只需要一个函数即可完成全部功能。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A post()
• B request()
• C delete()
• D get()

正确答案 B
request()是其他所有函数的基础函数，完成所有功能，其它函数只是它的一种封装形式。

4. 以下选项不是Python Requests库提供方法的是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A .get()
• B .head()
• C .push()
• D .post()

正确答案 C
Requests库共有7个主要方法：request()、get()、head()、post()、put()、patch()、delete()，名字基本与HTTP的操作相同。

5. Requests库中，检查Response对象返回是否成功的状态属性是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A .raise_for_status
• B .status_code
• C .headers
• D .status

正确答案 B
r.status_code，200表示连接成功，404表示失败。

6. Requests库中，以下代表从服务器返回HTTP协议头所推荐编码方式的属性是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A .text
• B .headers
• C .encoding
• D .apparent_encoding

正确答案 C
.encoding是从HTTP header中猜测获得的响应内容编码方式。

7. Requests库中，以下代表从服务器返回HTTP协议内容部分猜测获得编码方式的属性是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A .headers
• B .encoding
• C .text
• D .apparent_encoding

正确答案 D
.apparent_encoding是从内容中分析出的编码方式，一般作为备选编码方式。

8. Requests库中，下面哪个是由于DNS查询失败造成的获取URL异常？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A requests.ConnectionError
• B requests.HTTPError
• C requests.Timeout
• D requests.URLRequired

正确答案 A
DNS失败将造成网络连接错误，因此产生连接错误异常。

9. Requests库中的get()方法最常用，下面哪个说法正确？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 网络爬虫主要进行信息获取，所以，get()方法最常用。
• B get()方法是其它方法的基础，所以最常用。
• C 服务器因为安全原因对其他方法进行限制，所以，get()方法最常用。
• D HTTP协议中GET方法应用最广泛，所以，get()方法最常用。

正确答案 C
get()方法最常用的原因在于服务器端对push()、post()、patch()等数据推送的限制，试想，如果允许大家向服务器提交数据，将带来无穷无尽的安全隐患。因此，通过get()获取数据，服务器作为数据提供方而不是接收方，更为安全。

10. 下面哪些功能网络爬虫做不到？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 分析教务系统网络接口，用程序在网上抢最热门的课。
• B 持续关注某个人的微博或朋友圈，自动为新发布的内容点赞。
• C 爬取某个人电脑中的数据和文件。
• D 爬取网络公开的用户信息，并汇总出售。

正确答案 C
个人电脑中数据没有联网且没有通过Web服务器以URL形式被网络访问，则不能用爬虫获取。
切记，即使能爬取数据，数据的知识产权仍然受保护，商业获利（出售）将涉嫌违法。