问答题有一段英文文本,其中有单词连续重复了2次,编写程序检查重复的单词并只保留一个。例如文本内容为“This is is adesk.”,程序输出为“This is a desk.”
您可能感兴趣的试卷
最新试题
有些网页对于爬虫来说是无法抓取到的,这部分网页构成了可知网页集合。
题型:判断题
只要将User-agent 设为知名的用户代理,爬虫就能够成功地伪装成浏览器。
题型:判断题
爬虫需要遵循有礼貌的原则,这样才能与更多的网站建立友好关系。
题型:判断题
Robots协议又称()协议,用于保护网数据和敏感信息。
题型:填空题
现在网站会采取一些()措施来阻止网络爬虫的不当爬取行为。
题型:填空题
如果数据市场上没有需要的数据,那么可以利用()技术抓取网站上的数据。
题型:填空题
搜索引擎只能抓取HTML 文件,不能抓取其它类型的文件。
题型:判断题
待下载网页集合就是()URL 列队中的网页,这些网页即将被爬虫下载。
题型:填空题
如果网站中没有robots.txt 文件,那么所有的网络爬虫都能访问网站上所有没有被口令保护的页面。
题型:判断题
robots.txt文件必须放置在一个站点的()目录下,且文件名必须小写。
题型:填空题