数据采集习题参考答案，会持续更新，点个关注防丢失。为了方便寻找，按照头歌的门类从新整理了实训的分类，朋友们记得看标题哦，按标题寻找！ 该篇为爬虫知识储备！
文章目录
实训一：HTML基础
第一关：初识HTML：简单的Hello World网页制作
第一关答案
第二关：HTML结构：自我简介网页
第二关答案
实训二：HTML文本
第一关：HTML链接：带超链接的网页
第二关：HTML标题与段落：网络文章网页
第三关：HTML表格：日常消费账单表格展示网页
第三关答案
实训三：HTML——基本标签
第一关创建第一个 HTML 标签
第二关：创建 <h1>-<h6>
第三关创建 p 标签
第三关答案
第四关创建 a 标签
第四关答案
第五关创建 img 标签
第五关答案
第六关创建 div 标签
第六关答案
第七关添加注释
第七关答案
实训四：HTTP基础
第一关HTTP 标准
第二关开发者工具的基本使用
第二关答案
实训五：Python——JSON基础
第一关JSON篇：JSON基础知识
第二关JSON篇：使用json库
实训六：Python——XPath基础
第一关：XPath 路径表达式
第一关答案
第二关：XPath 轴定位
第二关答案
第三关：XPath 解析
第三关答案
(，超文本标记语言)是一种用于创建页面和应用的标准化标记语言。在(，级联样式表单)和的帮助下，已经成功构建了一整套面向的开发与应用平台。
自年面世，陆续推出了得到广泛应用的和标准，年标准的面世使其在多媒体和移动性方面得到了全面提升，使迎来了新的爆发式发展。
本习题面向零基础、入门级的技术学员，将介绍的基本概念和结构，体验一个简单的网页制作过程，以及一个相对完整的页面的制作过程。
本关的任务是编写一个简单的页面，这个网页包含一个标题和一个段落。显示效果如下：
是一种标准化的标记语⾔，由一套标记标签组成。前端开发人员的一项主要工作就是利用标签来编写⽹页，将文本、超链接、图片、语音、视频等各种内容整合起来，实现绚丽多姿的网页。
下面是大家需要记住的关于的一些基本描述：
-
标记标签，通常简称标签；
-
文档，通常简称页面、网页等；
-
能够较好的兼容之前版本，但也废弃了一些旧的特性。
-
、，，，，等都是标签；
-
，等都是元素；
-
、都是元素的属性。
第一关答案
本关任务是编写一个自我简介网页，你将通过本任务理解一个网页的完整结构，并了解如何让搜索引擎更好的找到你的网页。
显示效果如下图所示：
根元素：HTML 元素
然后，元素告知浏览器其本身是一个文档。
除去第一行外，其余的页面内容都应该包含在元素中，所以它也被称为根元素。
头元素：head 元素
与属性会给元素增添附加信息一样，元素能为整个网页增添更多信息。可以用在中的标签有,, , , , 以及 。在之后的学习中，你将逐渐的了解它们。
网页标题元素：title
本例网页主要内容是“自我简介”，所以也设置为“自我简介”。 元素的内容即网页标题，它是一个网页必需的元素之一。
的内容一般作为网页标签名，写法如下：
第二关答案
本关的任务是编写一个带超链接的页面，链接包含页面内导航链接和跳转其他网页的链接。显示效果如下：
超链接是网页互连的核心，网页之间通过超链接连接在一起。
我们使用 标签定义超链接。
一个简单的例子如下：
点击元素内容后打开百度搜索网页。
其中，属性指定了超链接的目标，本例中即跳转到百度。
属性
href 属性
属性是超链接最重要的属性，它用于指定超链接目标的 URL。
典型的超链接格式如下：
其中，目标URL有三种类型：
-
锚 ：指向同一页面内某一位置；
-
相对 ：指向同一网站的不同文件；
-
绝对 ：指向另一个网站。
提示:
-
：，统一资源定位器；
-
为什么叫作锚呢？
的含义取于船上的锚，船把锚沉在水底后，如果船随水飘移了，只要一拉锚的锁链就会回到抛锚的位置。同样的，在中点就能回到指定位置。
本关任务是完成一个格式丰富的文章网页，你将通过本关学习标题、段落、文本格式化和引用等，与文本相关的标签。
提供了六级标题用于创建网页信息的层级关系。 定义重要等级最高的标题，之后到层级依次递减。
本关任务是编写一个日常消费账单表格展示网页，你将通过本关学习如何使用编写出简洁清晰的表格。
在表中，一个表格由行组成，每一行由单元格组成，单元格有标题单元格和数据单元格。
-
我们设定了元素的属性，改变了表格的宽度；
-
我们使用元素设置了表格的标题；
-
数据第一行元素中，使用元素指定了表头。本例中有三列信息，所以包含了三个元素；
-
并且，我们设置了元素的属性的值为。
第三关答案
本关任务：创建你的第一个标签，文本内容为。
上面这行代码它表示一个HTML。
大多数 HTML 元素都是由和组成的，通常成对出现 。
开始标签：用尖括号包裹关键词，像这样。 结束标签：用包裹和开始标签一样的关键词，像这样。
可以发现： 结束标签就比开始标签多了一个斜杠。
本关任务：依次创建标签，文本内容为，查看它们的区别。
第一关已经创建了标签，它是干什么的呢？ 它一般用来创建标题。
另外，也用来创建标题，它们有什么区别呢？ 的字体比的字体要大。
当然， ，，，也用来创建标题，它们的字体依次减小。
注意：创建标题只有 ，没有 ，的。
本关任务:创建一个标签，文本内容为。
元素通常用来表示一个段落。
你可以这样创建一个标签，
第三关答案
本关任务：创建一个标签， 跳转的地址是，文本内容是。
标签通常用来定义一个链接。属性的值就是链接的地址。
你可以这样创建一个标签，。当你点击这个链接时，它就会跳转到百度首页。
第四关答案
本关任务：创建一个标签， 图片的地址是，提示文字是。
效果如下：
标签通常用来表示一个图片。属性的值就是图片的地址，属性的值是当图片没有展现出来时提示的文字 。
你可以这样创建一个标签， 。
这样图片就显示出来了。
第五关答案
本关任务：创建一个标签， 文本内容是。
效果如下：
标签可以把文档分割为独立的、不同的部分。它没有实际的意义，仅仅表示创建了一个块级元素。
你可以这样创建一个标签，。
可以发现：它和 ，标签的创建是一样的，只不过它没有实际的意义。
第六关答案
本关任务：注释掉 标签，同时在标签上方添加注释说明。
什么是注释？ 为什么要添加注释呢？
注释是解释性文本，在运行程序时，会被程序跳过，不做处理。
注释有两个作用：
- 可以给代码添加文字说明，便于代码阅读和日后维护；
- 对于暂时不用但又不能删除的代码，可以添加注释保存下来；
如何添加注释呢？
表示注释的开始， 表示注释的结束，这样就可以添加提示说明和注释元素了。
你可以这样注释标签和添加文字说明。
第七关答案
HTTP 协议是 Hyper Text Transfer Protocol（超文本传输协议）的缩写，是用于从万维网（WWW:World Wide Web ）服务器传输超文本到本地浏览器的传送协议。它可以使浏览器更加高效，减少网络传输。它不仅保证计算机正确快速地传输超文本文档，还确定传输文档中的哪部分，以及哪部分内容优先显示等。python 爬虫开发，主要就是和 HTTP 协议打交道。 本实训主要介绍了网络爬虫的基础知识，包括 HTTP 的状态码、HTTP 消息头、HTTP 请求方式和 HTTP 工作原理等 HTTP 相关知识以及谷歌(Chrome)浏览器的开发者工具简介。
本关任务：掌握 HTTP 的相关知识，完成相关选择题。
HTTP 是一个客户端终端和服务器端请求和应答的标准。通过使用网页浏览器、网络爬虫或者其它的工具，客户端发起一个 HTTP 请求到服务器上指定端口（默认端口为80）。我们称这个客户端为用户代理程序（user agent）。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源服务器（origin server）。在用户代理和源服务器中间可能存在多个“中间层”，比如代理服务器、网关或者隧道（tunnel）。 尽管 TCP/IP 协议是互联网上最流行的应用，HTTP 协议中，并没有规定必须使用它或它支持的层。事实上，HTTP 可以在任何互联网协议上，或其他网络上实现。HTTP 假定其下层协议提供可靠的传输。因此，任何能够提供这种保证的协议都可以被其使用。因此也就是其在 TCP/IP 协议族使用 TCP 作为其传输层。
答案：1.B 2.B 3.D
本关任务：了解开发者工具对于爬虫的用途。
开发者工具是一套内置于浏览器中的 Web 开发和调试工具，可用来对网站进行迭代、调试和分析。 对于爬虫实战来说，可以通过开发者工具快捷的定位元素，获取中途请求文件和查看网页结构等极其强大与便捷的用途。
第二关答案
答案：1.C 2.B
在现实世界中，人与人之间的交流，需要建立在某种大家都能听懂的语言基础上。而在计算机领域中，各个系统之间的交流通信，也需要建立在某种公共的格式上。 本次实训将介绍：JSON 数据格式，学习使用 Python 对它们进行解析的方法，以此拓展我们的知识面，让我们能写出更加实用的 Python 程序。
本关任务：手动编写一个 JSON 格式的数据文件。
JSON 全称：Javascript Object Notation(Javascript 对象表示法)，是一种轻量级的文本数据交换格式。与接下来要介绍的 XML 相比，拥有更小、更快、更易解析的特点。
本关任务：编写一个能读取并修改 JSON 数据的程序。
库是 Python 内置的一个用于操作 JSON 数据的库，提供了几个函数用于解析与生成（或者说反序列化与序列化）JSON 格式的数据。
详情见此篇博文：
Python--JSON基础_宇阷的博客-CSDN博客
为了完成本关任务，你需要了解 XPath 路径表达式的基本语法，理解节点的基本类型，完成节点的获取、属性的匹配获取、多属性的匹配获取、文本的获取、按序选择等。
节点的基本类型
XPath 是一门在 XML 文档中查找信息的语言，虽然是被设计用来搜寻 XML 文档的，但是它也能应用于 HTML 文档，并且大部分浏览器也支持通过 XPath 来查询节点。在 Python 爬虫开发中，经常使用 XPath 查找提取网页中的信息，因此 XPath 非常重要。
在 XPath 中, XML 文档是被作为节点树来对待的，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档(根)节点。树的根被称为文档节点或者根节点。
根节点（Root Node）
根节点是一棵树的最顶层，根节点是唯一的。树上其它所有元素节点都是它的子节点或后代节点。对根节点的处理机制与其它节点相同。对树的匹配总是先从根节点开始。文档中的即为根节点。
元素节点（Element Nodes）
元素节点相对应的是文档中每个元素，一个元素节点的子节点可以为元素节点、注释节点、处理指令节点和文本节点。元素节点可以定义一个唯一的标识(id)。元素节点可以有拓展名，由两部分组成：命名空间 URL 和本地命名。文档中的即为元素节点。
文本节点（Text Nodes）
文本节点包含一组字符数据，任何一个文本节点都没有相邻的兄弟文本节点，而且文本节点没有扩展名。文档中的即为文本节点。
属性节点（Attribute Nodes）
每个元素节点有一个相关联的属性节点集合，元素是每个属性节点的父节点，但属性节点却不是其父元素的子节点。这就是说，通过查找元素的子节点可以匹配出元素的属性节点，但反过来不成立，只是单向的。再有，元素的属性节点没有共享性，也就是说不同的元素节点不共有同一个属性节点。文档中的即为属性节点。
命名空间节点（Namespace Nodes）
每个元素节点都有一个相关联的命名空间节点集。在 XML 文档中，命名空间是通过保留属性声明的。因此，在 XPath 中，该类节点与属性节点极为相似，它们与父元素之间的关系是单向的，并且不具有共享性。
处理指令节点（Processing Instruction Nodes）
处理指令节点对应于 XML 文档中的每一条处理指令。它也有扩展名，扩展名的本地命名指向处理对象，而命名空间部分为空。
注释节点（Comment Nodes）
注释节点对应于文档中的注释。
Xpath路径表达式的基本语法
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是沿着路径(path)或者步(steps)来选取的。接下来介绍如何选取节点，首先了解一下常用的路径表达式，来进行节点的选取，如下表所示：
根据路径表达式的规则，我们对上文的的 XML 文档进行节点选取，如下表所示。
谓语的用法如下表所示：
XPath 在进行节点选取的时候可以使用通配符匹配未知的元素，同时使用操作符一次选取多条路径，使用示例如下表所示：
第一关答案
为了完成本关任务，你需要了解：XPath 中如何使用轴定位。
轴
在爬虫里面经常要用到定位，XPath 定位有着举足轻重的地位，因为它功能很强大。结合它里面的文本定位、模糊定位、逻辑定位等，基本能搞定所有的元素定位问题。
轴定义了所选节点与当前节点之间的树关系。在 Python 爬虫开发中，提取网页中的信息时，会遇到这种情况：首先提取到一个节点的信息，然后想在在这个节点的基础上提取它的子节点或者父节点，这时候就会用到轴的概念。轴的存在会使提取变得更加灵活和准确。
在上一关，我们了解了位置路径表达式中的相对位置路径、绝对位置路径和步的概念。位置路径可以是绝对的，也可以是相对的。绝对路径起始于正斜杠，而相对路径不会这样。在两种情况中，位置路径均包括一个或多个步，每个步均被斜杠分割： (绝对位置路径)， (相对位置路径)。
步(step)包括：轴(axis)、节点测试( node-test)、零个或者更多谓语( predicate)，用来更深入地提炼所选的节点集。XPath 中的轴名及含义如下表所示：
轴的使用
轴需要通过步的语法，来实现节点的选取。步的语法为:，大家可能觉比较抽象。下面通过案例演示来帮助理解，XML 文档示例如下所示：
第二关答案
本关任务：编写解析 HTML 文件的 Python 程序。
为了完成本关任务，你需要掌握：Python 环境下使用 XPath 对 HTML 文件进行解析。
lxml的安装
lxml 是 一个 HTML/XML 的解析器，主要的功能是解析和提取 HTML/XML 数据。lxml 和正则一样，也是用 C 实现的，是一款高性能的 Python HTML/XML 解析器，我们可以利用之前学习的 XPath 语法，来快速地定位特定元素以及节点信息。
如果本地 Python 环境没有安装 lxml，可以在窗口输入命令，安装 lxml 模块，如下图所示。
lxml的使用
使用 lxml，需要先导入相关包，语法如下：
现在有如下 HTML 代码，需要获取第一个 book 节点下的 title 节点中的 class 的属性值:
使用 xpath 表达式解析网页之前，需要获取，这里有两种方法：
- 如果上述代码为本地文件，并且文件名为，获取的代码如下所示：
- 如果上述代码为字符串类型变量，并且变量名为，获取的代码如下所示：
获取后，就可以使用 XPath 表达式解析网页了，代码如下所示：
完成上述指定任务有多种实现方式，以下演示了四种不同的 XPath 表达式，都能够获取第一个 book 节点下的 title 节点中的 class 的属性值。
以上代码都可以获取图中红框部分的内容。
第三关答案
在学习中成功、在学习中进步！我们一起学习不放弃~
记得三连哦~ 你们的支持是我最大的动力！！欢迎大家阅读往期文章哈~
小编联系方式如下，欢迎各位巨佬沟通交流，代码什么的加小编私聊哦~
点击拨打：