保山學(xué)院《數(shù)據(jù)挖掘技術(shù)實踐》2021-2022學(xué)年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁保山學(xué)院

《數(shù)據(jù)挖掘技術(shù)實踐》2021-2022學(xué)年期末試卷院(系)_______班級_______學(xué)號_______姓名_______題號一二三總分得分批閱人一、單選題（本大題共20個小題，每小題2分，共40分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、以下哪個不是爬蟲中處理數(shù)據(jù)加密的場景？（）A.傳輸過程B.存儲過程C.計算過程D.展示過程2、在處理動態(tài)網(wǎng)頁時，以下哪種技術(shù)對爬蟲比較有幫助？（）A.SeleniumB.PhantomJSC.SplashD.以上都是3、以下哪個不是爬蟲中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復(fù)4、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是5、在爬蟲中，處理數(shù)據(jù)的加密通常使用（）A.AESB.RSAC.哈希函數(shù)D.以上都是6、當(dāng)遇到反爬蟲機制時，以下哪種方法不太可能有效？A.使用代理IPB.降低抓取頻率C.模擬人類行為D.發(fā)送大量請求突破限制7、以下哪種數(shù)據(jù)格式常用于存儲爬蟲獲取的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是8、在網(wǎng)絡(luò)爬蟲中，以下哪個庫常用于發(fā)送HTTP請求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium9、網(wǎng)絡(luò)爬蟲在處理網(wǎng)頁中的JavaScript代碼時，可以使用以下哪種工具？（）A.PyV8B.Node.jsC.V8D.以上都是10、以下哪種語言常用于編寫網(wǎng)絡(luò)爬蟲？（）A.JavaB.PythonC.C++D.JavaScript11、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的動態(tài)加載內(nèi)容？（）A.使用SeleniumB.分析接口C.模擬點擊D.以上都是12、爬蟲在處理反爬蟲的IP封鎖時，可以采取的措施是（）A.更換IPB.暫停爬取C.降低頻率D.以上都是13、在處理動態(tài)網(wǎng)頁時，以下哪種技術(shù)常用于獲取數(shù)據(jù)？（）A.SeleniumB.PhantomJSC.以上都是D.以上都不是14、爬蟲在處理網(wǎng)頁中的圖片時，通常的做法是（）A.下載圖片B.忽略圖片C.分析圖片內(nèi)容D.以上都可以15、以下哪個不是爬蟲中處理會話的方式？（）A.使用CookieB.使用SessionC.每次請求重新登錄D.忽略會話16、在爬蟲中，處理網(wǎng)頁編碼的常見庫是（）A.chardetB.codecsC.encodingsD.utf-817、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate18、在爬蟲中，處理爬蟲任務(wù)的調(diào)度可以使用（）A.隊列B.棧C.優(yōu)先級隊列D.以上都是19、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON20、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，需要遵守的原則是？（）A.不影響網(wǎng)站正常運行B.不獲取敏感信息C.遵循網(wǎng)站的使用條款D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何進(jìn)行分布式部署。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能數(shù)據(jù)轉(zhuǎn)換相關(guān)元素。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的XML數(shù)據(jù)格式。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何進(jìn)行數(shù)據(jù)的壓縮和存儲優(yōu)化。三、編程題（本大題共2個小題，共20