聊城大学《数据挖掘》2023-2024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页聊城大学《数据挖掘》2023-2024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，以下哪个库常用于处理异常日志？（）A.loggingB.sentryC.fluentdD.以上都是2、在爬虫中，以下哪个库常用于处理会话保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是3、以下哪个不是爬虫中处理数据存储的优化策略？（）A.建立索引B.分区存储C.压缩存储D.减少存储4、爬虫在处理网站的验证码时，不建议采取的方式是（）A.人工识别B.机器学习识别C.暴力破解D.放弃爬取该页面5、在爬虫中，以下哪个库常用于处理数据压缩？（）A.gzipB.bz2C.zipfileD.以上都是6、以下哪种语言常用于编写网络爬虫？（）A.JavaB.PythonC.C++D.Ruby7、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8、网络爬虫在抓取数据时，如何处理异常情况？（）A.记录日志B.重试C.跳过D.以上都是9、以下哪个不是常见的反爬虫策略应对方法？（）A.使用分布式爬虫B.降低爬取频率C.更换User-AgentD.攻击网站服务器10、以下哪个不是爬虫中处理数据压缩的算法？（）A.GzipB.Bzip2C.RARD.Deflate11、在爬虫中，如何处理网页中的验证码识别错误？（）A.重新识别B.跳过C.人工干预D.以上都是12、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON13、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14、在爬虫中，处理动态加载数据的常见方式是（）A.分析接口B.模拟操作C.等待加载完成D.以上都是15、以下哪个不是爬虫中处理代理IP的原因？（）A.突破访问限制B.提高访问速度C.隐藏真实IPD.以上都是16、在网络爬虫中，以下哪个协议通常用于数据传输？（）A.HTTPB.HTTPSC.FTPD.SMTP17、以下哪个不是爬虫中处理数据备份的方式？（）A.本地备份B.云端备份C.实时备份D.从不备份18、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19、爬虫在处理网页的动态内容时，可能会用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是20、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授权相关元素。2、（本题10分）解释网络爬虫如何处理网页中的加密链接。3、（本题10分）解释网络爬虫如何处理网页中的动态脚本语言（如Python、Ruby）生成的内容。4、（本题10分）说明网络爬虫如何处理网页中的订单数据。三、编程题（本