保山学院《数据挖掘技术实践》2021-2022学年期末试卷

装订线装订线PAGE2第1页，共3页保山学院

《数据挖掘技术实践》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加密的场景？（）A.传输过程B.存储过程C.计算过程D.展示过程2、在处理动态网页时，以下哪种技术对爬虫比较有帮助？（）A.SeleniumB.PhantomJSC.SplashD.以上都是3、以下哪个不是爬虫中处理数据重复的方法？（）A.去重算法B.数据库去重C.缓存去重D.保留重复4、网络爬虫如何处理网站的反爬虫IP封锁？（）A.使用代理B.更换IPC.等待解封D.以上都是5、在爬虫中，处理数据的加密通常使用（）A.AESB.RSAC.哈希函数D.以上都是6、当遇到反爬虫机制时，以下哪种方法不太可能有效？A.使用代理IPB.降低抓取频率C.模拟人类行为D.发送大量请求突破限制7、以下哪种数据格式常用于存储爬虫获取的数据？（）A.CSVB.JSONC.XMLD.以上都是8、在网络爬虫中，以下哪个库常用于发送HTTP请求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium9、网络爬虫在处理网页中的JavaScript代码时，可以使用以下哪种工具？（）A.PyV8B.Node.jsC.V8D.以上都是10、以下哪种语言常用于编写网络爬虫？（）A.JavaB.PythonC.C++D.JavaScript11、网络爬虫如何处理网页中的动态加载内容？（）A.使用SeleniumB.分析接口C.模拟点击D.以上都是12、爬虫在处理反爬虫的IP封锁时，可以采取的措施是（）A.更换IPB.暂停爬取C.降低频率D.以上都是13、在处理动态网页时，以下哪种技术常用于获取数据？（）A.SeleniumB.PhantomJSC.以上都是D.以上都不是14、爬虫在处理网页中的图片时，通常的做法是（）A.下载图片B.忽略图片C.分析图片内容D.以上都可以15、以下哪个不是爬虫中处理会话的方式？（）A.使用CookieB.使用SessionC.每次请求重新登录D.忽略会话16、在爬虫中，处理网页编码的常见库是（）A.chardetB.codecsC.encodingsD.utf-817、以下哪个不是爬虫中处理数据压缩的算法？（）A.GzipB.Bzip2C.RARD.Deflate18、在爬虫中，处理爬虫任务的调度可以使用（）A.队列B.栈C.优先级队列D.以上都是19、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON20、网络爬虫在抓取数据时，需要遵守的原则是？（）A.不影响网站正常运行B.不获取敏感信息C.遵循网站的使用条款D.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）简述网络爬虫如何进行分布式部署。2、（本题10分）简述网络爬虫如何处理网页中的智能数据转换相关元素。3、（本题10分）说明网络爬虫如何处理网页中的XML数据格式。4、（本题10分）解释网络爬虫如何进行数据的压缩和存储优化。三、编程题（本大题共2个小题，共20