浙江工业大学之江学院《数据挖掘》2021-2022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页浙江工业大学之江学院

《数据挖掘》2021-2022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加载缓慢的方法？（）A.优化网络B.减少数据量C.更换数据源D.以上都是2、以下哪个不是爬虫中处理分布式爬虫的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是3、当遇到反爬虫机制时，以下哪种方法不太可能有效？A.使用代理IPB.降低抓取频率C.模拟人类行为D.发送大量请求突破限制4、以下哪个不是爬虫中处理数据压缩的方法？（）A.解压缩B.忽略压缩数据C.寻找未压缩的数据源D.以上都是5、爬虫在处理动态网页时，可能会用到的技术是（）A.AJAXB.CSSC.JavaScriptD.以上都是6、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7、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8、以下哪个不是爬虫中处理异常的方式？（）A.重试B.跳过C.终止程序D.记录日志9、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10、以下哪个不是爬虫中处理数据更新频率不一致的方法？（）A.统一更新频率B.按照不同频率处理C.忽略更新频率D.以上都是11、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12、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13、网络爬虫在抓取数据时，需要遵守的原则是？（）A.不影响网站正常运行B.不获取敏感信息C.遵循网站的使用条款D.以上都是14、在爬虫中，处理数据的提取精度通常取决于（）A.需求B.算法C.数据质量D.以上都是15、在爬虫中，以下哪个库常用于解析XML数据？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是16、在爬虫中，使用缓存的目的是（）A.提高爬取速度B.减少重复请求C.节省存储空间D.以上都是17、以下哪个不是爬虫中处理异常重试的策略？（）A.固定次数重试B.无限次重试C.按照时间间隔重试D.随机重试18、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19、以下哪个不是爬虫中处理数据存储错误的方式？（）A.重试B.记录错误日志C.忽略错误D.以上都是20、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安全检测相关元素。2、（本题10分）说明网络爬虫如何处理网页中的视频弹幕数据。3、（本题10分）说明网络爬虫如何处理网页中的智能建筑相关元素。4、（本题10分）简述网络爬虫如何处理网页中的用户行为的文本摘要提取数据。三、编程