盐城师范学院《数据挖掘技术与应用》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页盐城师范学院《数据挖掘技术与应用》

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、以下哪个不是爬虫中处理异常的原则？（）A.记录异常信息B.忽略所有异常C.进行适当的重试D.及时终止程序2、以下哪个不是爬虫中处理数据合法性的方法？（）A.数据验证B.数据过滤C.数据转换D.以上都是3、以下哪种存储方式不适合存储爬虫获取的数据？（）A.数据库B.文本文件C.内存D.图像文件4、在爬虫中，以下哪个库常用于处理数据加密解密？（）A.pycryptodomeB.cryptographyC.hashlibD.以上都是5、在爬虫中，使用代理IP的主要目的是（）A.提高爬取速度B.绕过IP封锁C.隐藏真实IPD.以上都是6、在网络爬虫中，以下哪个是常见的反爬虫策略？（）A.IP封锁B.验证码C.限制访问频率D.以上都是7、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8、以下哪个是网络爬虫的性能优化策略？（）A.多线程B.分布式爬虫C.缓存D.以上都是9、网络爬虫在处理网页中的JavaScript代码时，可以使用以下哪种工具？（）A.PyV8B.Node.jsC.V8D.以上都是10、在爬虫中，使用多进程的优势是（）A.资源隔离B.提高稳定性C.充分利用多核D.以上都是11、网络爬虫如何处理网页中的动态加载数据？（）A.分析接口B.模拟操作C.以上都是D.以上都不是12、在处理大规模数据抓取时，以下哪个不是需要考虑的问题？（）A.存储容量B.网络带宽C.计算资源D.数据加密13、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14、以下哪个不是常见的爬虫存储数据库？（）A.MySQLB.MongoDBC.OracleD.Excel15、以下哪个不是爬虫中设置请求头的作用？（）A.伪装浏览器B.绕过反爬虫C.提高请求速度D.符合网站要求16、以下哪种存储方式不适合存储大量爬虫数据？（）A.内存B.关系型数据库C.非关系型数据库D.文件17、爬虫在处理大规模并发请求时，可能会用到的技术是（）A.线程池B.进程池C.协程D.以上都是18、在爬虫中，使用分布式爬虫时需要注意（）A.任务分配B.数据同步C.节点通信D.以上都是19、在处理爬虫抓取到的大量数据时，以下哪种方法可以提高效率？A.使用多线程B.使用分布式爬虫C.优化数据存储结构D.以上都是20、以下哪个库在Python中常用于网络爬虫？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）解释网络爬虫如何处理网页中的用户行为的信息边缘计算和分布式处理数据。2、（本题10分）简述网络爬虫如何处理网页中的表单提交。3、（本题10分）简述网络爬虫如何应对反爬虫机制。4、（本题10分）简述网络爬虫如何处理网页中的用户行为跟踪代码。三、编程题（本大题共2个小题，