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
requests
D
lxml
正确答案： C
requests是爬虫库，只用于获取页面，不对页面信息进行提取。
2. 下面哪个不是信息提取的思路？
A
按照信息格式完全解析，解析后找到所需提取的信息。
B
无视格式，直接搜索找到所需提取的信息。
C
通过自然语言处理方式找到所需提取的信息。
D
结合部分格式解析和搜索的方式提取所需要的信息。
正确答案： C
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）。
3 关于Beautiful Soup库说法错误的是：
A
Beautiful Soup库可常用于生成标签树
B
Beautiful Soup库也叫bs4库
C
Beautiful Soup库能够对HTML和XML等格式进行解析
D
Beautiful Soup库是解析、遍历、维护标签树的功能库
正确答案： A
Beautiful Soup库不能够生成标签树，只能解析、遍历和维护。
4.为什么Beautiful Soup库叫这个名字？
A
开发者喜欢煲汤
B
之前有类似的库叫类似的名字
C
Python Software Foundation要求开发者叫这个名字
D
原因不详，第三方库起名原因多种多样，没必要深究
正确答案： D
Python计算生态采用"集市"模式，命名权归贡献者。
5.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
名称
B
属性
C
标签
D
字符串
正确答案： B
a是标签，href是属性。
6.下面代码中，BeautifulSoup指什么？
from bs4 import BeautifulSoup
A
类的名称
B
bs4库中的一个函数名称
C
用户定义的变量名称
D
Python第三方库的名字
正确答案： A
from bs4 import BeautifulSoup
指从bs4库中引入一个元素（函数或类），这里BeautifulSoup是类。
7. Beautiful Soup库不可加载的解析器是：
A
lxml
B
re
C
html.parser
D
html5lib
正确答案： B
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。
8. 在bs4库中，下面说法错误的是：
A
标签树上除了标签外，节点还可能是字符串（NavigableString）类型。
B
一个HTML文档与BeautifulSoup对象等价
C
一个HTML文档与一个标签树等价
D
一个HTML文档可以包含多个标签树
正确答案： D
一个文档只对应一个标签树
9.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： C
a标签是HTML预定义标签，通过soup.a可以直接获取。
10. 不属于bs4库遍历标签树方法的是：
A
平行遍历
B
跳跃遍历
C
上行遍历
D
下行遍历
正确答案： B
遍历树一般没有"跳跃遍历"。
11.Beautiful Soup库在进行标签树下行遍历时，以列表形式返回儿子节点的代码是哪个？
A
.contents
B
.string
C
.descendants
D
.children
正确答案： A
.contents返回子节点的列表
.children返回子节点的迭代类型
12.哪个是在后续平行节点中返回一个a标签的方法？
A
.find_next_sibling(‘a’)
B
.find_next_siblings(‘a’)
C
.find(‘a’)
D
.find_previous_sibling(a)
正确答案： A
.next_sibling和.previous_sibling返回一个平行节点标签
.next_siblings和.previous_siblings返回迭代类型
- 变量a表示一个 < a > 标签，不考虑异常，获取 < a > 标签爷爷节点名字的代码可能是哪个？
A
a.parent(2).name
B
a.parents.name
C
a.parent.parent.name
D
soup.a.name
正确答案： C
爷爷是上两级，使用两次parent属性向上遍历。a.parent.parent.name
14.以下描述信息标记存在原因正确的是：
A
不同类型数据以文本形式有机组织的实际需求
B
Internet发展形成交互的通信需求
C
数据以文本形式表达内容的实际需求
D
不同类型数据相互嵌入的实际需求
正确答案： A
本质上，WWW是文本形式组织一切数据的方式，非文本性数据以文件方式存在，但各类数据需要有机整合，形成内容逻辑，这是信息标记产生的原因。
15. 下面哪个不是信息标记的格式？
A
YAML
B
HTML
C
JSON
D
CSV
正确答案： D
尽管标记信息同时也能够存储信息，但标记信息不是存储信息。一二维数据一般使用CSV格式存储，这类数据格式比较简单；然而，键值对组织的数据结构可能很复杂，一般需要标记语言来表示。
16.查看下面信息：
"key1" : "value1"
"key2" : ["value2", "value3"]
"key3" : {"subkey" : "subvalue"}
上述实例是哪种信息标记方式？
A
CSV
B
JSON
C
YAML
D
HTML
正确答案： B
键值对中使用引号("")表达类型，“key/value”，这是JSON格式的特征。
17.查看下面信息：
key1 : value
key2 : #Comment
-value1
-value2
key3 :
subkey : subvalue
上述实例是哪种信息标记方式？
A
HTML
B
JSON
C
CSV
D
YAML
正确答案： D
key和value都是直接编写的字符串，没有""，使用减号-表达并列关系，这是YAML的特征。
-value1
-value2
18.下面哪个说明了JSON信息标记方法的缺陷或不足？
A
JSON标记主要用于JavaScript语言
B
JSON标记的信息存在类型，处理繁琐
C
JSON标记不能书写注释
D
JSON应用领域十分有限
正确答案： C
JSON不仅是信息标记格式，也是JavaScript中可执行代码，这是其键值对存在"类型"的缘由。
19.中文字符集中有一个"中文空格"，它的Unicode编码是：
A
11282
B
12288
C
11288
D
11822
正确答案： B
这个题目没办法，需要大家记住：chr(12288)
20.在字符串打印中，哪个是出现中文字符对不齐问题的原因？
A
中文字符占两个位置，而英文字符只占一个位置。
B
没有对Python源代码作编码约束，应该在文件首行表示源代码为UTF-8编码
C
英文字体没有与中文字体设为相同。
D
Python 3输出对中文支持不好。
正确答案： A
中文比英文字符显示效果宽，比较一下：
中文
cn
即使都是英文字符，显示宽度也不一定相同。
有一类字体叫做"等宽字体"，例如：Consolas字体等（这类字体很多），这类字体中所有英文字符都是相同宽度，但中文显示宽度也不同。