盐城工学院《数据挖掘与商业智能》2022-2023学年期末试卷

装订线装订线PAGE2第1页，共3页盐城工学院

《数据挖掘与商业智能》2022-2023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，如何处理网页中的多媒体文件链接？（）A.下载B.记录C.忽略D.以上都是2、以下哪个不是爬虫中处理数据重复的方法？（）A.去重算法B.数据库约束C.忽略重复D.以上都是3、在爬虫中，以下哪个库常用于处理数据排序？（）A.sortedB.numpy.sortC.pandas.sort_valuesD.以上都是4、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5、在爬虫中，如何处理网页中的错误链接？（）A.记录B.跳过C.尝试修复D.以上都是6、以下哪个不是常见的反爬虫策略？A.验证码B.IP封禁C.页面加密D.数据压缩7、以下哪个不是爬虫中处理页面解析错误的方式？（）A.跳过B.重试C.记录错误D.停止爬虫8、在爬虫中，如何处理网页中的复杂表单提交？（）A.模拟填写B.分析表单结构C.以上都是D.以上都不是9、以下哪个不是爬虫中模拟登录的方式？（）A.提交表单B.使用CookieC.破解密码D.以上都是10、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11、以下哪个不是爬虫中处理反爬虫验证码的高级技术？（）A.深度学习识别B.人工打码平台C.图像识别算法D.直接忽略12、以下哪个不是爬虫中处理并发的方式？（）A.多线程B.多进程C.异步D.单线程循环13、在爬虫中，处理网页中的JavaScript代码可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是14、在爬虫中，如何处理网页中的嵌套页面？（）A.递归抓取B.选择抓取C.忽略D.以上都是15、以下哪个不是爬虫中处理并发的方式？（）A.多进程B.多线程C.异步编程D.以上都是16、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规定B.忽略C.部分遵守D.以上都有可能17、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18、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19、以下哪个不是爬虫的合法性原则？（）A.遵循网站的使用条款B.避免对网站造成过大负担C.随意获取用户隐私数据D.尊重网站所有者的权益20、以下哪个不是爬虫中处理数据隐私的方法？（）A.匿名化处理B.加密处理C.公开数据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隐藏元素。2、（本题10分）简述网络爬虫如何处理网页中的验证码。3、（本题10分）简述网络爬虫如何处理网页中的CSS样式表。4、（本题10分）解释网络爬虫如何处理网页中的智能视频分析相关元素。三、编程题（本大题共2个小题，共20分)1、（本题10分）