成都锦城学院《数据挖掘原理》2022-2023学年期末试卷

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页，共3页成都锦城学院《数据挖掘原理》

2022-2023学年期末试卷题号一二三总分得分一、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、在爬虫中，如何处理网页中的跳转页面？（）A.跟随跳转B.忽略跳转C.分析跳转目的D.以上都是2、在爬虫中，如何处理网页中的加密数据？（）A.破解加密B.寻找解密方法C.放弃抓取D.以上都是3、以下哪种情况可能导致爬虫被网站封禁？（）A.访问频率过高B.不遵守robots.txt协议C.发送异常请求D.以上都是4、以下哪个不是爬虫中处理验证码的方法？（）A.手动输入B.图像识别C.跳过D.以上都是5、以下哪个不是爬虫中处理数据存储错误的方式？（）A.重试B.记录错误日志C.忽略错误D.以上都是6、以下哪种存储方式适合存储大规模的爬虫数据？A.关系型数据库B.非关系型数据库C.文件系统D.内存数据库7、网络爬虫如何处理网站的请求头验证？（）A.模拟正确的请求头B.忽略验证C.强行发送请求D.以上都是8、以下哪个不是常见的爬虫存储数据库？（）A.MySQLB.MongoDBC.OracleD.Excel9、以下哪个不是爬虫中设置延迟的目的？（）A.避免被封禁B.提高爬取效率C.减轻服务器压力D.遵守网站规则10、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy11、在爬虫中，处理robots.txt文件的目的是（）A.了解网站的爬取规则B.获取网站地图C.查找隐藏页面D.提高爬取效率12、在爬虫中，如何处理JavaScript生成的内容？（）A.执行JavaScript代码B.分析页面源代码C.以上都是D.以上都不是13、对于动态网页的抓取，以下哪种技术可能会用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是14、以下哪个不是爬虫中处理数据格式转换的原因？（）A.适配存储需求B.方便后续处理C.提高数据安全性D.满足其他系统要求15、在爬虫中，使用缓存的目的是（）A.提高爬取速度B.减少重复请求C.节省存储空间D.以上都是16、在爬虫中，如何处理网页中的地理位置信息？（）A.提取B.忽略C.转换D.以上都是17、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18、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19、在爬虫中，以下哪个不是设置请求头的作用？（）A.伪装浏览器B.绕过反爬虫机制C.提高请求速度D.以上都是20、在爬虫中，处理反爬虫的验证码可以使用（）A.人工识别B.机器学习C.忽略验证码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）简述网络爬虫如何处理网页中的大数据量页面。2、（本题10分）解释网络爬虫如何处理网页中的智能图表绘制相关元素。3、（本题10分）说明网络爬虫如何处理网页中的智能监测相关元素。4、（本题10分）说明网络爬虫如何处理网页中的用户个性化内容。三、编程题（本大题共2个