惠州学院《数据挖掘与数据仓库》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页惠州学院

《数据挖掘与数据仓库》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，处理数据的合法性验证通常包括（）A.格式验证B.内容验证C.来源验证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、网络爬虫中，以下哪个状态码表示请求成功？（）A.200B.301C.404D.5004、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5、以下哪个不是爬虫中处理数据合并的方法？（）A.基于键值合并B.按照时间顺序合并C.随机合并D.按照数据类型合并6、网络爬虫如何处理网站的反爬虫蜜罐？（）A.识别并避开B.陷入后停止C.尝试突破D.以上都是7、在爬虫中，以下哪个库常用于处理数据加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是8、以下哪个不是爬虫中处理分页的方法？（）A.分析页面链接B.模拟点击分页按钮C.固定每页数量D.随机获取分页9、以下哪个不是爬虫中处理多线程的优点？（）A.提高爬取速度B.节省资源C.充分利用多核D.增强并发能力10、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）A.CSVB.JSONC.XMLD.以上都是11、在爬虫中，以下哪个库常用于处理HTTP代理？（）A.requests-proxyB.urllib.request.ProxyHandlerC.socksD.以上都是12、以下哪个不是爬虫中处理分布式任务失败的方式？（）A.自动重试B.标记失败C.忽略失败D.停止任务13、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14、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15、在处理爬虫获取的网页内容时，以下哪个方法常用于解析HTML？（）A.正则表达式B.XPathC.CSS选择器D.以上都是16、以下哪种情况可能导致爬虫被网站识别为异常访问？（）A.访问频率过高B.访问时间异常C.访问路径异常D.以上都是17、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18、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19、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy20、在爬虫中，以下哪个库常用于处理HTTP认证？（）A.requests.authB.httpx.authC.aiohttp.authD.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智能情感分析相关元素。2、（本题10分）简述网络爬虫如何处理网页中的智能检索相关元素。3、（本题10分）解释网络爬虫如何进行页面内容的解析。4、（本题10分）说明网络爬虫如何处理网页中的用户行为的信息金融科技和数字货币应用数据。三、编程题（本大题共2个