盐城师范学院《数据挖掘技术与应用实验》2022-2023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实验》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2、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3、以下哪个不是爬虫中处理数据压缩的算法？（）A.GzipB.Bzip2C.RARD.Deflate4、在爬虫中，以下哪个库常用于处理数据缓存？（）A.cachetoolsB.redisC.memcachedD.以上都是5、网络爬虫获取的数据通常需要进行（）处理。A.清洗B.去重C.转换D.以上都是6、在爬虫中，处理网页编码的常见库是（）A.chardetB.codecsC.encodingsD.utf-87、以下哪个不是网络爬虫的主要步骤？（）A.页面下载B.数据清洗C.数据存储D.页面渲染8、网络爬虫如何判断一个页面是否已经抓取过？（）A.数据库记录B.本地文件记录C.以上都是D.以上都不是9、在爬虫中，以下哪个库常用于解析JSON数据？（）A.jsonB.simplejsonC.ujsonD.以上都是10、网络爬虫在抓取数据时，如何处理网页的更新？（）A.定时抓取B.检测网页变化C.以上都是D.以上都不是11、以下哪个不是爬虫中数据提取的方法？（）A.正则表达式B.XPathC.CSS选择器D.随机生成12、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13、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14、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15、以下哪种语言常用于编写网络爬虫？（）A.JavaB.PythonC.C++D.JavaScript16、以下哪个不是爬虫中处理页面跳转的方式？（）A.自动跳转B.禁止跳转C.手动处理跳转D.忽略跳转17、网络爬虫如何处理网站的登录验证码？（）A.手动输入B.自动识别C.借用已登录的CookieD.以上都是18、网络爬虫获取网页内容时，通常使用的协议是（）A.HTTPB.FTPC.SMTPD.TCP19、以下哪种情况可能导致爬虫被法律追究责任？（）A.侵犯知识产权B.违反网站规定C.泄露用户隐私D.以上都是20、以下哪个不是爬虫中处理数据清洗的方法？（）A.去除空格B.转换大小写C.数据填充D.保留原始数据二、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战略规划和决策支持数据。2、（本题10分）说明网络爬虫如何处理网页中的用户行为的异常检测数据。3、（本题10分）说明网络爬虫如何处理网页中的活动和促销信息。4、（本题10分）简述网络爬虫如何处理网页中的用户评价和评分数据。三、编程题（本大题共2个小题，共20分)1、（本题10分）使用Pyth