保山学院《数据挖掘技术》2021-2022学年期末试卷

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页，共3页保山学院

《数据挖掘技术》2021-2022学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、以下哪个不是爬虫中处理数据隐私的方法？（）A.匿名化处理B.加密处理C.公开数据D.以上都是2、以下哪个不是常见的反爬虫策略？A.验证码B.IP封禁C.页面加密D.数据压缩3、以下哪个不是爬虫中处理异常的情况？（）A.网络连接失败B.页面不存在C.数据格式错误D.服务器响应过快4、在网络爬虫中，以下哪个库常用于发送HTTP请求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium5、以下哪个不是爬虫中处理页面解析错误的方式？（）A.跳过B.重试C.记录错误D.停止爬虫6、以下哪种技术可以用于分布式爬虫？（）A.RedisB.KafkaC.HadoopD.以上都是7、以下哪个不是爬虫中处理数据排序的目的？（）A.便于查找B.提高效率C.满足业务需求D.增加数据量8、在爬虫中，以下哪个库常用于解析JSON数据？（）A.jsonB.simplejsonC.ujsonD.以上都是9、在爬虫中，以下哪个库常用于处理数据缓存？（）A.cachetoolsB.redisC.memcachedD.以上都是10、爬虫在处理网页中的链接时，需要注意（）A.过滤无效链接B.避免死循环C.处理相对链接D.以上都是11、爬虫在处理网页中的多媒体资源时，通常考虑的因素是（）A.资源大小B.资源类型C.版权问题D.以上都是12、网络爬虫如何判断一个页面是否已经抓取过？（）A.数据库记录B.本地文件记录C.以上都是D.以上都不是13、爬虫获取数据后，进行数据清洗通常不包括（）A.去除重复数据B.转换数据格式C.加密数据D.纠正错误数据14、在爬虫中，处理数据的提取精度通常取决于（）A.需求B.算法C.数据质量D.以上都是15、以下哪种方式可以提高爬虫的效率？（）A.多线程B.分布式C.缓存机制D.以上都是16、以下哪个不是爬虫中处理分布式环境下数据一致性的方法？（）A.分布式锁B.消息队列C.共享数据库D.各自处理17、以下哪个不是爬虫中处理分布式爬虫的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是18、以下哪个不是爬虫中处理反爬虫的技巧？（）A.降低访问频率B.使用随机User-AgentC.频繁更换IPD.以上都是19、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规定B.忽略C.部分遵守D.以上都有可能20、在分布式爬虫中，以下哪个技术常用于任务分配？（）A.RedisB.MySQLC.MongoDBD.Kafka二、简答题（本大题共4个小题，共40分)1、（本题10分）简述网络爬虫如何处理网页中的用户活动的生命周期数据。2、（本题10分）解释网络爬虫如何处理网页中的框架（Frame）和iframe。3、（本题10分）说明网络爬虫如何处理网页中的SEO优化元素。4、（本题10分）简述网络爬虫如何处理网页中的智能项目管理相关元素。三、编程题（本大题共2个小题，共20