湖南工程学院《数据采集与清洗》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页湖南工程学院《数据采集与清洗》

2022-2023学年期末试卷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异步请求的方式？（）A.使用回调函数B.使用线程C.使用协程D.以上都是2、以下哪个是爬虫中常见的存储数据库？（）A.MySQLB.MongoDBC.RedisD.以上都是3、在爬虫中，以下哪个库常用于处理多任务调度？（）A.CeleryB.ApschedulerC.AirflowD.以上都是4、以下哪种语言常用于编写网络爬虫？A.JavaB.PythonC.C++D.JavaScript5、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规则B.忽略C.部分遵守D.视情况而定6、网络爬虫在抓取网页时，通过什么来识别页面中的链接？（）A.HTML标签B.JavaScript脚本C.CSS样式D.以上都不是7、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8、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9、在网络爬虫中，以下哪个模块通常用于发送HTTP请求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy10、爬虫在处理网页时，用于解析HTML内容的库是（）A.urllibB.jsonC.lxmlD.re11、网络爬虫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12、以下哪个不是爬虫中处理数据压缩的算法？（）A.GzipB.Bzip2C.RARD.Deflate13、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14、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15、以下哪个不是爬虫中处理数据合并的问题？（）A.字段不一致B.数据重复C.数据缺失D.数据过多16、在爬虫中，以下哪个库常用于处理文件下载？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是17、在爬虫中，如何处理网页的编码问题？（）A.自动检测B.手动指定C.忽略D.以上都是18、以下哪个不是爬虫中处理分布式任务的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是19、以下哪个不是爬虫中处理数据一致性的方法？（）A.数据校验B.版本控制C.数据备份D.以上都是20、网络爬虫如何处理网站的SSL证书验证错误？（）A.忽略错误B.验证证书C.更换网站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用户行为的信息传播路径分析数据。2、（本题10分）简述网络爬虫如何处理网页中的智能用户体验设计相关元素。3、（本题10分）说明网络爬虫如何处理需要登录才能访问的页面。4、（本题10分）说明网络爬虫如何处理网页中的推荐系统生成的内容。三、编