6차시. 문서 로딩 실습
확인문제와 해답
객관식
Q1TXT 하나와 PDF의 Document 개수가 다른 이유는?
해설 PDF metadata에는 page가 붙는다.
Q2스캔본 PDF에서 흔한 문제는?
해설 사람이 보는 글자와 추출된 문자열이 다르다. 출력이 없는 검증도 결과다.
Q3출처를 답에 쓰려면 필요한 것은?
해설 ingest.py가 파일명과 페이지를 사람이 읽는 metadata로 보강한다.
단답형
- 한글 TXT를 읽을 때 encoding은 ____ 로 지정한다.
정답 보기
utf-8
해설 깨진 문자열은 분할과 검색이 그대로 쓴다.
- 너무 짧은 페이지를 경고하는 실습 파일 이름은 ____ 이다.
정답 보기
validate.py
해설 notice.pdf는 짧은 페이지가 없어 출력이 없을 수 있다.
정답
정답 전체 보기
객관식: 1-B, 2-A, 3-A
단답형: 1. utf-8. 2. validate.py.