Resumêra

Questão 1 (média) — Sobre urllib.request.urlopen()

A) Abre um arquivo local no disco B) Retorna uma string HTML já decodificada C) Retorna um objeto HTTPResponse representando a resposta HTTP D) Executa JavaScript no servidor E) Converte automaticamente o HTML para XML

Resposta correta: C) Retorna um objeto HTTPResponse representando a resposta HTTP

O método urlopen() retorna um HTTPResponse, que encapsula a resposta do servidor e permite ler o conteúdo com read().

Questão 2 (difícil) — Sobre HTMLParser

A) handle_endtag é chamado para cada tag de início B) handle_starttag é o manipulador usado para extrair atributos como href C) feed(content) não aceita strings D) HTMLParser não pode ser estendido E) handle_data é sempre chamado apenas para dados entre tags

Resposta correta: B) handle_starttag é o manipulador usado para extrair atributos como href

Para obter o href, o código redefine handle_starttag e procura o atributo href entre attrs.

Questão 3 (difícil) — URL relativo vs absoluto

A) urljoin() converte URLs absolutas em relativas B) urllib.parse não tem função para manipular URLs C) urljoin(base, relative) transforma relativo em absoluto D) não há diferença entre URLs relativas e absolutas E) read() retorna sempre string

Resposta correta: C) urljoin(base, relative) transforma relativo em absoluto

Exemplo: urljoin('http://exemplo.org/pagina.html', '/contato') resulta em http://exemplo.org/contato.

Questão 4 (extremamente difícil) — Collector

A) Coleta todos os links href independentemente do protocolo B) Coleta apenas URLs HTTP absolutas, transformando hrefs relativos via urljoin C) Transforma HTML em JSON D) Executa crawler recursivo automático E) Coleta apenas imagens da página

Resposta correta: B) Coleta apenas URLs HTTP absolutas, transformando hrefs relativos via urljoin

Collector utiliza urljoin para tornar hrefs relativos em absolutos e filtra por http.

Web Semântica com Python: HTTP, HTML e Crawlers

5. Questões de múltipla escolha