Python网络爬虫与信息提取第二周测验答案

测验2: Python网络爬虫之提取 (第2周)

1. 下面哪个Python库不能用于提取网页信息？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A re
• B Beautiful Soup
• C lxml
• D requests

正确答案 D
requests是爬虫库，只用于获取页面，不对页面信息进行提取。

2. 下面代码中，BeautifulSoup指什么？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

from bs4 import BeautifulSoup

• A bs4库中的一个函数名称
• B 类的名称
• C Python第三方库的名字
• D 用户定义的变量名称

正确答案 B
from bs4 import BeautifulSoup
指从bs4库中引入一个元素（函数或类），这里BeautifulSoup是类。

3. 在bs4库中，下面说法错误的是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 一个HTML文档可以包含多个标签树
• B 一个HTML文档与一个标签树等价
• C 标签树上除了标签外，节点还可能是字符串（NavigableString）类型。
• D 一个HTML文档与BeautifulSoup对象等价

正确答案 A
一个文档只对应一个标签树

4. 下面代码中，href属于哪个类别？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

<a class="title" href="https://python123.io/ws/demo.html"> TEXT </a>

• A 字符串
• B 名称
• C 属性
• D 标签

正确答案 C
a是标签，href是属性。

5. 获得soup对象中，能够获得a标签全部属性的代码是：

from bs4 import BeautifulSoup
soup = BeautifulSoup(demo, "html.parser")

• A soup.a.attrs[0]
• B soup.a[0].attrs
• C soup.a.attrs[]
• D soup.a.attrs

正确答案 D
a标签是HTML预定义标签，通过soup.a可以直接获取。

6. 下面哪个不是信息提取的思路？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 通过自然语言处理方式找到所需提取的信息。
• B 结合部分格式解析和搜索的方式提取所需要的信息。
• C 无视格式，直接搜索找到所需提取的信息。
• D 按照信息格式完全解析，解析后找到所需提取的信息。

正确答案 A
自然语言理解一般针对语言文本，HTML等信息标记格式产生的文本需要采用信息提取方式获得语言文本，才使用自然语言理解方式进一步处理（如果有需要的话）。

7. 为什么Beautiful Soup库叫这个名字？‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 开发者喜欢煲汤
• B 原因不详，第三方库起名原因多种多样，没必要深究
• C 之前有类似的库叫类似的名字
• D Python Software Foundation要求开发者叫这个名字

正确答案 B
Python计算生态采用"集市"模式，命名权归贡献者。

8. Beautiful Soup库不可加载的解析器是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A lxml
• B html.parser
• C html5lib
• D re

正确答案 D
bs4解析器是能够解释HTML或XML的一个第三方库，re是用来表达并匹配正则表达式的，不能够装载到bs4库中。

9. 不属于bs4库遍历标签树方法的是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A 下行遍历
• B 跳跃遍历
• C 平行遍历
• D 上行遍历

正确答案 B
遍历树一般没有"跳跃遍历"。

10. 关于Beautiful Soup库说法错误的是：‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬

• A Beautiful Soup库能够对HTML和XML等格式进行解析
• B Beautiful Soup库可常用于生成标签树
• C Beautiful Soup库也叫bs4库
• D Beautiful Soup库是解析、遍历、维护标签树的功能库

正确答案 B
Beautiful Soup库不能够生成标签树，只能解析、遍历和维护。