首页 › 答案 › 题库 › 远程教育

国家开放大学

240801增量式爬虫的目标只有保持本地页面集中存储的页面为最新页面。
240802计算机往往既要处理结构化数据，同时还要处理视频、语音等非结构化数据。
240803现有聚焦爬虫对抓取目标的描述只包括基于目标数据模式这种方式。
240804网络爬虫只可以抓取Web网页。
240805DeepWeb爬虫爬行过程中的一个重要步骤是表单填写。
240806HTTP请求中的“Connection：keep-alive”表示当前连接不持续。
240807深度优先策略不足之处在于需较长时间才能爬行到目录层次较深的页面。
240808HTTP状态码400表示请求成功。。
240809HTTP请求的HEAD方法请求获取由Request-URI所标识的资源的响应消息报头。
240810聚焦网络爬虫常用的爬行策略有深度优先策略、广度优先策略。
240811网络爬虫总是要从某个起点开始爬，这个起点叫做种子。
240812深层网页的数量比表层网页要少的多。
240813HTTP请求的DELETE方法请求服务器删除Request-URI所标识的资源。
240814聚焦网络爬虫又称主题网络爬虫。
240815HTTP请求中的Keep-Alive功能避免了建立或者重新建立连接。
240816PageRank优先策略可用于通用网络爬虫。
240817聚焦网络爬虫和通用网络爬虫相比，增加了链接评价模块以及内容评价模块。
240818字符串“a（）b”可以匹配正则表达式“\w｛3｝”。
240819深层网络爬虫的LVS表是一个URL列表。
240820正则表达式的量词*表示0次或多次。
240821字符串“aaaaaa”可以匹配正则表达式“\w｛6｝”。
240822正则表达式中的\s表示任意空白字符。
240823Java语言不支持正则表达式。。
240824对于不同格式的数据，需要规范化数据格式。
240825数据的完整性指的是所有需要的数据是否都存在。
240826数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。
240827不同的数据库之间如果不能建立数据库链接，则只能手工导出再处理。
240828数据刷新的策略要根据业务需求和应用系统的承受能力和数据情况决定。
240829以下哪个不属于HTTP请求信息（）。
240830发送了一个HTTP请求后，客户端收到一个200的响应，这表示（）。
240831以下关于HTTP请求方法GET的说法，正确的是（）。
240832HTTP请求中的（）方法用于请求服务器回送收到的请求信息，主要用于测试或诊断。
240833一次HTTP由（）组成。
240834视频、语音等是结构化数据。
240835网络爬虫可以抓取Web网页、文档甚至图片、音频、视频等资源。
240836DeepWeb爬虫填写表单时可以基于领域知识，也可以基于网页结构分析。
240837HTTP响应中的Date用于指示资源的最后修改日期和时间。
240838深度优先的爬行策略能够有效控制页面的爬行深度。
240839如果要采集指定的数据，则需要使用到通用爬虫。
240840HTTP响应中的Date指明应该在什么时候认为文档已经过期。
240841GET方法请求服务器存储一个资源，并用Request-URI作为其标识。
240842可以通过POST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。
240843广度优先的爬行策略按照网页内容目录层次深浅来爬行页面，当同一层次中的页面爬行完毕后，再深入下一层继续爬行。
240844增量式爬虫只会在需要的时候爬行新产生或发生更新的页面，并不重新下载没有发生变化的页面。
240845HTTP响应中的Content-Range用于指明实体正文的长度。
240846HTTP响应中的Allow用于把cookie发送到客户端浏览器。
240847HTTP请求中的Range头域内容包含发出请求的用户信息。
240848HTTP响应中Content-Type表示响应的对象的类型和字符集。
240849深度优先策略的基本方法是按照深度由低到高的顺序，依次访问下一级网页链接。
240850HTTP请求中的Keep-Alive功能使客户端到服务器端的连接持续有效。
240851HTTP请求由三部分组成，分别是：请求行、消息报头、请求正文。
240852HTTP请求中Referer头域的内容包含发出请求的用户信息。
240853目前互联网上的信息分类大多数都是人工完成的。
240854以下关于深度优先和广度优先爬取策略的说法，正确的有（）。
240855以下关于爬虫工作方式的说法，正确的有（）
240856通用网络爬虫的结构大致包括以下组成部分：（）。
240857以下关于通用网络爬虫和聚焦网络爬虫的说法，正确的有（）。
240858正则表达式中，^匹配行首。
240859不同的企业有不同的业务规则、不同的数据指标，这些指标通过简单的加减、组合就能完成。
240860数据清洗是一个一次性的过程。
240861正则表达式中+表示1次或多次。
240862较早的数据不够完整或不符合新系统的数据规范也不需要更新或补充。
240863数据预处理时不需要进行数据正确性的验证。
240864（）是指发现并纠正数据文件中可识别的一些错误。
240865聚焦网络爬虫又称全网爬虫。
240866HTTP请求的（）方法是在Request-URI所标识的资源后附加新的数据。
240867HTTP响应中的Content-Length不需要预先在服务器中缓存所有数据。
240868Referer头域允许客户端指定请求uri的源资源地址。
240869GET提交的数据会放在URL之后，以？分割URL和传输数据。
240870HTTP请求中的User-Agent表示发起请求的类型。
240871数据是指所有能输入到计算机并被计算机程序处理的符号的介质的总称。
240872抓取目标的描述和定义是决定网页分析算法与URL搜索策略如何制订的基础。
240873深度优先的爬行策略按照深度逐层爬行页面，所有链接遍历完后，爬行任务结束。
240874HTTP响应中的Expires指明应该在什么时候认为文档已经过期。
240875HTTP响应中的（）表示浏览器应该在多少秒之后刷新文档。
240876以下哪个HTTP响应状态表示服务器端错误（）
240877聚焦爬虫爬行策略实现的关键是评价（）的重要性，不同的方法计算出的重要性不同，由此导致链接的访问顺序也不同。
240878（）是指对已下载网页采取增量式更新和只爬行新产生的或者已经发生变化网页的爬虫，它能够在一定程度上保证所爬行的页面是尽可能新的页面。
240879以下不属于HTTP协议的主要特点的是（）。
240880对发出的HTTP请求应答的服务器上存储着一些资源，比如HTML文件和图像。我们称这个应答服务器为（）。
240881以下对于爬行策略的说法，不正确的是（）。
240882追求高数据质量是对大数据的一项重要要求，要消除某些数据的不可预测性，去掉一些”杂乱”的”脏”数据，就涉及到（）技术。
240883增量式爬虫中的（）指的是：爬虫根据个体网页的改变频率来重新访问各页面。
240884以下哪个属于深层网页（）
240885通用网络爬虫需要对网页或数据的分析与过滤。
240886HTTP请求中的User-Agent表示发起请求的客户端类型。
240887深度优先的爬行策略可以避免遇到一个无穷深层分支时无法结束爬行的问题。
240888广度优先的爬行策略按照深度逐层爬行页面，所有链接遍历完后，爬行任务结束。
240889深度优先爬行策略的不足之处在于需较长时间才能爬行到目录层次较深的页面。
240890GET方法请求服务器删除Request-URI所标识的资源。
240891GET方法提交表单数据，会带来安全问题。
240892HTTP响应中的ETag用于把cookie发送到客户端浏览器。
240893判断题：GET方法可以在Request-URI所标识的资源后附加新的数据。
240894一次HTTP由一次请求（Request）和一次响应（Response）组成。
240895HTTP响应中的Content-Language用于WEB服务器告诉浏览器自己响应的对象所用的自然语言。
240896一般计算机只要处理结构化数据。
240897HTTP的响应包括Content-Encoding、Content-Length、Content-Type等。
240898小的网站将没有爬虫访问。
240899HTTP请求的POST方法请求服务器存储一个资源，并用Request-URI作为其标识。
240900网络爬虫抓取各种资源后，通过相应的索引技术组织这些信息，提供给用户进行查询。
‹1…240824092410…4763›