长春工业大学《数据挖掘基础》2022-2023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页长春工业大学

《数据挖掘基础》2022-2023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、以下哪个不是爬虫中处理数据缺失值的方法？（）A.填充B.忽略C.报错D.以上都是2、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON3、以下哪个不是爬虫中设置并发的考虑因素？（）A.服务器性能B.网络带宽C.数据一致性D.数据隐私4、以下哪个不是爬虫框架的特点？（）A.代码复用B.简化开发C.降低性能D.方便管理5、在爬虫中，如何处理网页中的加密链接？（）A.破解加密B.寻找解密方法C.放弃抓取D.以上都是6、以下哪个不是爬虫框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley7、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8、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9、在爬虫中，以下哪个不是设置请求头的作用？（）A.伪装浏览器B.绕过反爬虫机制C.提高请求速度D.以上都是10、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11、网络爬虫在抓取网页时，通过什么来识别页面中的链接？（）A.HTML标签B.JavaScript脚本C.CSS样式D.以上都不是12、爬虫在处理网站的robots.txt禁止爬取时，应该（）A.遵守规定B.尝试突破C.忽略不管D.随机选择13、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14、以下哪种情况可能导致爬虫被网站封禁？（）A.访问频率过高B.不遵守robots.txt协议C.发送异常请求D.以上都是15、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16、当爬虫被网站封禁时，以下哪个不是可能的原因？（）A.抓取频率过高B.未遵循网站规则C.数据量过大D.代码错误17、在爬虫中，处理数据的分页提取通常需要分析（）A.URL规律B.页面结构C.JavaScript代码D.以上都是18、以下哪个不是爬虫中处理数据格式转换的原因？（）A.适配存储需求B.方便后续处理C.提高数据安全性D.满足其他系统要求19、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20、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地图绘制相关元素。2、（本题10分）说明网络爬虫如何处理网页中的SEO优化元素。3、（本题10分）简述网络爬虫如何处理网页中的Cookie信息。4、（本题10分）说明网络爬虫如何处理网页中的移动适配页面。三、编程题（本大题共2个小题，共20分)