湖南工程學院《數(shù)據(jù)采集與清洗》2022-2023學年期末試卷

學校________________班級____________姓名____________考場____________準考證號學校________________班級____________姓名____________考場____________準考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁湖南工程學院《數(shù)據(jù)采集與清洗》

2022-2023學年期末試卷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異步請求的方式？（）A.使用回調(diào)函數(shù)B.使用線程C.使用協(xié)程D.以上都是2、以下哪個是爬蟲中常見的存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.RedisD.以上都是3、在爬蟲中，以下哪個庫常用于處理多任務調(diào)度？（）A.CeleryB.ApschedulerC.AirflowD.以上都是4、以下哪種語言常用于編寫網(wǎng)絡爬蟲？A.JavaB.PythonC.C++D.JavaScript5、網(wǎng)絡爬蟲如何處理網(wǎng)站的robots.txt文件？（）A.遵守規(guī)則B.忽略C.部分遵守D.視情況而定6、網(wǎng)絡爬蟲在抓取網(wǎng)頁時，通過什么來識別頁面中的鏈接？（）A.HTML標簽B.JavaScript腳本C.CSS樣式D.以上都不是7、以下哪個不是爬蟲中設置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務器壓力D.遵守網(wǎng)站規(guī)則8、在爬蟲中，如何處理網(wǎng)頁中的地理位置信息？（）A.提取B.忽略C.轉(zhuǎn)換D.以上都是9、在網(wǎng)絡爬蟲中，以下哪個模塊通常用于發(fā)送HTTP請求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy10、爬蟲在處理網(wǎng)頁時，用于解析HTML內(nèi)容的庫是（）A.urllibB.jsonC.lxmlD.re11、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的加密數(shù)據(jù)？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是12、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate13、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14、以下哪個不是爬蟲中處理數(shù)據(jù)排序的目的？（）A.便于查找B.提高效率C.滿足業(yè)務需求D.增加數(shù)據(jù)量15、以下哪個不是爬蟲中處理數(shù)據(jù)合并的問題？（）A.字段不一致B.數(shù)據(jù)重復C.數(shù)據(jù)缺失D.數(shù)據(jù)過多16、在爬蟲中，以下哪個庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是17、在爬蟲中，如何處理網(wǎng)頁的編碼問題？（）A.自動檢測B.手動指定C.忽略D.以上都是18、以下哪個不是爬蟲中處理分布式任務的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是19、以下哪個不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗B.版本控制C.數(shù)據(jù)備份D.以上都是20、網(wǎng)絡爬蟲如何處理網(wǎng)站的SSL證書驗證錯誤？（）A.忽略錯誤B.驗證證書C.更換網(wǎng)站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)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息傳播路徑分析數(shù)據(jù)。2、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能用戶體驗設計相關元素。3、（本題10分）說明網(wǎng)絡爬蟲如何處理需要登錄才能訪問的頁面。4、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的推薦系統(tǒng)生成的內(nèi)容。三、編