南开大学网络爬虫与信息提取期末复习要点

南开大学的《网络爬虫与信息提取》课程期末复习资料涵盖了课程的核心概念和实践技能。该文档首先强调了客观部分的复习，包括判断题，旨在帮助学生巩固对基础知识的理解。 1. 通用搜索引擎虽然能够通过关键字检索信息，但它们并不擅长处理复杂的语义查询，因为它们主要依赖关键词匹配，这说明了搜索引擎在处理自然语言理解方面的局限性。 2. 搜索引擎的设计目标是尽可能覆盖互联网上的广泛内容，但并非所有服务器资源都与网络数据资源完全匹配，这涉及到了搜索引擎的优化策略和资源分配问题。 3. 通用网络爬虫的工作方式通常是并发而非串行，这样可以提高抓取速度和效率，这也是现代爬虫技术的一个重要进步。 4-5题涉及Python的基础语法，例如浮点数运算、列表和元组的动态性。Python中浮点数加法可能会出现精度问题，并非总是得到预期结果；列表可以增加和删除元素，而元组一旦创建，就不能修改内容。 6-8题着重于字符串操作和条件语句，如切片、逻辑运算符，以及函数返回值的数量和查找方法的选择，这些都是编程中常见的概念。 9-10题考察Python条件语句的短路特性，即在and和or连接的表达式中，只要满足其中一个条件，后续表达式就会被跳过。 11-12题涉及文件操作，尽管with语句能自动管理文件的关闭，但不是所有情况都需要显式调用close方法，而write方法的使用也有特定的要求，如writerows方法接受包含字典的列表。 13-15题则是关于列表和元组切片、字典操作以及Python对象的索引和切片，包括打印输出的具体例子。 这些题目不仅测试了学生的理论知识，也考察了他们实际编程操作的能力，对于准备期末考试的学生来说，这些内容都是关键点，有助于他们更好地理解和掌握网络爬虫与信息提取的相关技术。