鹽城師范學院《數(shù)據(jù)挖掘技術與應用實驗》2022-2023學年期末試卷

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁，共3頁鹽城師范學院

《數(shù)據(jù)挖掘技術與應用實驗》2022-2023學年期末試卷院(系)_______班級_______學號_______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頁面解析錯誤的方式？（）A.跳過B.重試C.記錄錯誤D.停止爬蟲2、在處理爬蟲抓取到的大量數(shù)據(jù)時，以下哪種方法可以提高效率？A.使用多線程B.使用分布式爬蟲C.優(yōu)化數(shù)據(jù)存儲結構D.以上都是3、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate4、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是5、網絡爬蟲獲取的數(shù)據(jù)通常需要進行（）處理。A.清洗B.去重C.轉換D.以上都是6、在爬蟲中，處理網頁編碼的常見庫是（）A.chardetB.codecsC.encodingsD.utf-87、以下哪個不是網絡爬蟲的主要步驟？（）A.頁面下載B.數(shù)據(jù)清洗C.數(shù)據(jù)存儲D.頁面渲染8、網絡爬蟲如何判斷一個頁面是否已經抓取過？（）A.數(shù)據(jù)庫記錄B.本地文件記錄C.以上都是D.以上都不是9、在爬蟲中，以下哪個庫常用于解析JSON數(shù)據(jù)？（）A.jsonB.simplejsonC.ujsonD.以上都是10、網絡爬蟲在抓取數(shù)據(jù)時，如何處理網頁的更新？（）A.定時抓取B.檢測網頁變化C.以上都是D.以上都不是11、以下哪個不是爬蟲中數(shù)據(jù)提取的方法？（）A.正則表達式B.XPathC.CSS選擇器D.隨機生成12、網絡爬蟲如何處理網站的robots.txt文件？（）A.遵守規(guī)定B.忽略C.部分遵守D.以上都有可能13、以下哪個不是爬蟲中處理多線程的優(yōu)點？（）A.提高爬取速度B.節(jié)省資源C.充分利用多核D.增強并發(fā)能力14、網絡爬蟲如何處理網站的反爬蟲蜜罐？（）A.識別并避開B.陷入后停止C.嘗試突破D.以上都是15、以下哪種語言常用于編寫網絡爬蟲？（）A.JavaB.PythonC.C++D.JavaScript16、以下哪個不是爬蟲中處理頁面跳轉的方式？（）A.自動跳轉B.禁止跳轉C.手動處理跳轉D.忽略跳轉17、網絡爬蟲如何處理網站的登錄驗證碼？（）A.手動輸入B.自動識別C.借用已登錄的CookieD.以上都是18、網絡爬蟲獲取網頁內容時，通常使用的協(xié)議是（）A.HTTPB.FTPC.SMTPD.TCP19、以下哪種情況可能導致爬蟲被法律追究責任？（）A.侵犯知識產權B.違反網站規(guī)定C.泄露用戶隱私D.以上都是20、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的方法？（）A.去除空格B.轉換大小寫C.數(shù)據(jù)填充D.保留原始數(shù)據(jù)二、簡答題（本大題共4個小題，共40分)1、（本題10分）解釋網絡爬蟲如何處理網頁中的用戶行為的信息戰(zhàn)略規(guī)劃和決策支持數(shù)據(jù)。2、（本題10分）說明網絡爬蟲如何處理網頁中的用戶行為的異常檢測數(shù)據(jù)。3、（本題10分）說明網絡爬蟲如何處理網頁中的活動和促銷信息。4、（本題10分）簡述網絡爬蟲如何處理網頁中的用戶評價和評分數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1、（本題10分）使用Pyth