首页 › 答案 › 题库 › 远程教育

国家开放大学

240601按照（）爬取的网页内容根据目录层次深浅来爬行页面，处于较浅目录层次的页面首先被爬行，当同一层次中的页面爬行完毕后，爬虫再深入下一层继续爬行。
240602网络数据采集一般是通过（）或网站公开API等方式从网站上获取数据信息。
240603HTTP请求中的（）方法用于请求服务器删除Request-URI所标识的资源。
240604GET提交表单时，以（）符号分割URL和传输数据。
240605HTTP请求中的（）头域指定请求资源的Intenet主机和端口号，必须表示请求url的原始服务器或网关的位置。
240606HTTP请求中的（）方法用于请求服务器存储一个资源，并用Request-URI作为其标识。
240607通用网络爬虫通常采用并行工作方式。
240608广度优先的爬行策略按照深度由低到高的顺序，依次访问下一级网页链接，直到不能再深入为止。
240609HTTP响应中的Content-Length以字节方式存储的十进制数字来表示。
240610聚焦网络爬虫用不同的方法计算出网页或数据的重要性都相等。
240611用户注册后内容才可见的网页属于深层网页（DeepWeb）。
240612采集来的数据可以直接使用。
240613POST方法可以在Request-URI所标识的资源后附加新的数据。
240614HTTP响应中的Content-Type不能指定为其他值。
240615通用爬虫爬行策略实现的关键是评价页面内容和链接的重要性。
240616HTTP响应中的Server用于重定向一个新的位置，包含新的URL地址。
240617HTTP响应中的Set-Cookie用于把cookie发送到客户端浏览器。
240618DeepWeb爬虫基于领域知识填写表单时，一般无领域知识或仅有有限的领域知识。
240619数据清洗只包括发现并纠正数据文件中的错误。
240620视频、语音等不是结构化数据。
240621HTTP响应中Accept-Ranges的表示服务器支持哪些请求方法。
240622数据采集的来源只有系统日志采集。
240623HTTP响应中的ETag用于WEB服务器告诉浏览器自己响应的对象的类型和字符集。
240624增量式爬虫需要对网页的重要性排序。
240625DeepWeb爬虫体系结构还包括两个爬虫内部数据结构（URL列表、LVS表）。
240626HTTP响应中的Content-Encoding用于WEB服务器表明自己使用了什么压缩方法。
240627通用网络爬虫对于爬行速度和存储空间要求较高。
240628HTTP请求的PUT方法请求服务器删除Request-URI所标识的资源。
240629网络爬虫被广泛用于互联网搜索引擎或其他类似网站，以获取或更新这些网站的内容和检索方式。
240630POST方式提交表单数据，会带来安全问题。
240631网络爬虫实际上是一种”自动化浏览网络”的程序，或者说是一种网络机器人，被广泛用于互联网搜索引擎或其他类似网站，以获取或更新这些网站的内容和检索方式。
240632通用网络爬虫通常采用并行工作方式，但需要较长时间才能刷新一次页面。
240633HTTP的请求头域可能包含Accept、Accept-Charset、Accept-Encoding、Accept-Language等字段。
240634HTTP请求的OPTIONS方法请求查询服务器的性能，或者查询与资源相关的选项和需求。
240635表层网页（SurfaceWeb）中可访问信息容量是深层网页（DeepWeb）的几百倍。
240636广度优先策略能够有效控制页面的爬行深度，避免遇到一个无穷深层分支时无法结束爬行的问题。
240637HTTP请求的TRACE方法请求查询服务器的性能，或者查询与资源相关的选项和需求。
240638增量式爬虫在需要的时候爬行新产生或发生更新的页面，并重新下载所有页面。
240639深层网页（DeepWeb）的内容课通过静态链接获取。
240640HTTP请求方法GET用于请求服务器回送收到的请求信息。
240641网络爬虫除了可以采集信息，甚至可以植入流氓软件，破坏网页内容甚至劫持网站和服务器。
240642DELETE请求服务器删除Request-URI所标识的资源。
240643大数据是信息技术领域的又一创新浪潮，改变着人们的生活与工作方式与企业的运作模式。
240644增量式网络爬虫数据下载量和时间及空间上的耗费都较大。
240645聚焦网络爬虫数量非常多，页面更新慢。
240646通用网络爬虫对于爬行速度和存储空间要求较低。
240647网络爬虫按照系统结构和实现技术，大致可以分为以下几种类型（）
240648GET和POST的区别，以下说法正确的有（）。
240649关于聚焦爬虫，以下说法正确的有（）
240650Web页面按存在方式可以分为（）
240651通用网络爬虫常用的爬行策略有（）。
240652通用网络爬虫适用于为搜索引擎搜索广泛的主题，有较强的应用价值。
240653网络爬虫技术不支持图片、音频、视频等文件或附件的采集。
240654目前超过一半的网页浏览量都由实际的用户贡献。
240655Web服务器不保存发送请求的Web浏览器进程的任何信息。
240656表层网页是那些大部分内容不能通过静态链接获取的、隐藏在搜索表单后的网页。
240657HTTP响应中Content-Type用于指明响应的对象所用的自然语言。
240658广度优先策略按照网页内容目录层次深浅来爬行页面，处于较浅目录层次的页面首先被爬行。
240659网络数据采集不能处理非结构化数据。
240660表层网页（SurfaceWeb）是互联网上最大、发展最快的新型信息资源。
240661GET请求获取Request-URI所标识的资源。
240662HTTP只允许传输文本类型的数据对象。
240663随着网络的迅速发展，不断优化的网络爬虫技术正在有效地应对各种挑战，为高效搜索用户关注的特定领域与主题提供了有力支撑。
240664网络爬虫顺着网页及其超链接组成的网爬行，每到一个网页就用抓取程序将这个网页抓下来，将内容抽取出来，同时抽取超链接，作为进一步爬行的线索。
240665深度优先策略比较适合垂直搜索或站内搜索。
240666聚焦网络爬虫爬行页面的顺序要求相对较低。
240667网络爬虫不需要遵守任何限制。
240668可以从一个HTTP请求中了解到一些信息，例如：发出请求的客户端，请求的语言，是否保持连接（keep-alive），等等。
240669在HTTP响应信息中状态信息码是一个重要的信息。
240670HTTP的请求头域可能包含下列字段（）。
240671DeepWeb爬虫的LVS表是（）。
240672增量式爬虫的主要目标有：（）。
240673聚焦网络爬虫和通用网络爬虫相比，增加了（）模块。
240674以下关于深度优先的爬行策略的说法，正确的有（）
240675正则表达式中有一些预定义的字符分类，其中，（）表示任意单词字符。。
240676以下关于正则表达式中数量表示规则的说法，不正确的是（）
240677正则表达式中，（）表示匹配反斜线。
240678以下能匹配正则表达式”^[A-Za-z]+$”的是（）。
240679对于不完整的数据，例如一些应该有的信息缺失，如信息缺失、主表与明细表不能匹配等，应进行数据（）。
240680以下关于正则表达式的说法，不正确的是（）
240681正则表达式[a-z]可以匹配（）。
240682以下关于正则表达式中常用正则规则的说法，不正确的有（）
240683正则表达式支持匹配边界。例如，（）匹配行首。。
240684正则表达式的规则中，（）表示数字，相当于[0-9]。
240685正则表达式的规则中，x|y表示匹配（）
240686正则表达式中的量词可以匹配一个表达式多次出现，其中（）表示0次或多次。
240687数据的预处理ETL的T表示（）。
240688（）描述了一种字符串匹配的模式，通常被用来检索、替换那些符合某个模式（规则）的文本。
240689正则表达式中有一些预定义的字符分类，其中，（）表示任意空白字符。
240690影响质量问题的原因不包括（）。
240691以下字符串能匹配正则表达式”^[a-z][0-9]$”的是（）
240692正则表达式中，（）匹配除了换行符之外的任意字符。
240693以下不能匹配正则表达式”^[\d]+$”的是（）。
240694正则表达式的规则中，（）表示匹配所有非空白字符。
240695正则表达式的量词+表示0次或多次。
240696对于数据量大的系统，一般也常做一次性的数据抽取。
240697字符串Chapter1可满足正则表达式”Chapter[12345]”匹配要求。
240698正则表达式的量词？表示0次或多次。
240699字符串12匹配正则表达式“\d｛1，3｝”。
240700正则表达式的量词？表示0次或1次。
‹1…240624072408…4763›