头歌 数据采集概述答案

问题1：以下哪个不是Scrapy体系架构的组成部分？
正确答案：B. 支持者(Support)
解释：Scrapy的主要组成部分包括：
爬虫(Spiders)：定义如何爬取网站和提取数据
引擎(Engine)：负责控制数据流在系统中的处理流程
下载器(Downloader)：负责获取网页内容并将其提供给引擎
调度器(Scheduler)：接收引擎发来的请求并将其加入队列
项目管道(Item Pipeline)：处理被提取的项目
"支持者(Support)"不是Scrapy框架的标准组成部分。

问题2：以下哪个不是Flume的核心组件？
正确答案：A. 数据块(Block)
解释：Flume的核心组件包括：
数据源(Source)：收集数据
数据通道(Channel)：临时存储数据
数据槽(Sink)：将数据传送到目的地
"数据块(Block)"不是Flume的核心组件，而是HDFS等文件系统中的概念。

问题3：下面关于网络爬虫的描述正确的是？
正确答案：C. 网络爬虫中可以有多个控制节点,每个控制节点下可以有多个爬虫节点
解释：
选项A描述不完整，网络爬虫系统不仅包括控制节点和爬虫节点，还有其他组件
选项B不正确，属于同一控制节点下的爬虫节点通常是可以互相通信的
选项C正确，分布式爬虫架构中可以有多个控制节点，每个控制节点下可以管理多个爬虫节点
选项D部分不正确，虽然控制节点之间可以互相通信，但并不一定所有爬虫节点之间都可以直接通信

问题4：数据采集的三大要点是（）
正确答案：这是多选题，应选：A. 精确性、B. 全面性、C. 多维性
解释：数据采集的关键要点包括：
精确性：确保采集的数据准确无误
全面性：尽可能获取完整的数据集
多维性：从多个角度收集数据，以便更全面地分析
高效性：也是重要因素，但通常认为前三项是最核心的要点

问题5：网络爬虫的类型主要包括（）
正确答案：这是多选题，应选：A. 通用网络爬虫、B. 聚焦网络爬虫、C. 增量式网络爬虫、D. 深层网络爬虫
解释：
通用网络爬虫：抓取整个互联网的信息
聚焦网络爬虫：针对特定主题有选择地抓取相关网页
增量式网络爬虫：只抓取新内容或更新的内容
深层网络爬虫：能够抓取深层网页，如需要登录、填表等操作才能访问的内容
这四种都是网络爬虫的主要类型。

第三关

第四关