安徽理工大学《数据挖掘》2021-2022学年期末试卷.docVIP

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PAGE1页，共NUMPAGES3页

安徽理工大学《数据挖掘》

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

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模拟登录的方式？（）

A.提交表单

B.使用Cookie

C.破解密码

D.以上都是

2、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

3、网络爬虫获取的数据通常需要进行以下哪种处理？（）

A.去重

B.筛选

C.转换格式

D.以上都是

4、在爬虫中，以下哪个库常用于处理数据缓存？（）

A.cachetools

B.redis

C.memcached

D.以上都是

5、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

6、以下哪个不是常见的爬虫存储数据库？（）

A.MySQL

B.MongoDB

C.Oracle

D.Excel

7、以下哪个不是爬虫中处理数据一致性的方法？（）

A.数据校验

B.版本控制

C.数据备份

D.以上都是

8、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

9、在爬虫中，如何处理JavaScript生成的内容？（）

A.执行JavaScript代码

B.分析页面源代码

C.以上都是

D.以上都不是

10、当遇到需要登录才能访问的页面时，爬虫可以通过以下哪种方式获取数据？（）

A.模拟登录

B.跳过该页面

C.暴力破解

D.以上都不是

11、以下哪种数据格式常用于存储爬虫获取的数据？（）

A.CSV

B.JSON

C.XML

D.以上都是

12、网络爬虫抓取数据时，以下哪种策略常用于避免对网站造成过大压力？（）

A.随机抓取

B.深度优先抓取

C.广度优先抓取

D.限速抓取

13、网络爬虫在抓取网页时，如何处理网页中的图片？（）

A.下载

B.忽略

C.提取图片链接

D.以上都是

14、网络爬虫如何处理网站的访问限制策略变化？（）

A.调整爬虫策略

B.停止抓取

C.等待策略恢复

D.以上都是

15、爬虫获取数据后，进行数据清洗通常不包括（）

A.去除重复数据

B.转换数据格式

C.加密数据

D.纠正错误数据

16、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

17、网络爬虫如何处理网页中的动态加载内容？（）

A.使用Selenium

B.分析接口

C.模拟点击

D.以上都是

18、以下哪个不是爬虫中处理数据存储性能的方法？（）

A.索引优化

B.分区存储

C.数据压缩

D.以上都是

19、以下哪个不是爬虫中处理数据分页的方法？（）

A.分析页面规律

B.模拟点击下一页

C.直接获取所有页面

D.根据参数获取

20、网络爬虫在抓取数据时，需要遵循的原则不包括（）

A.不影响网站正常运行

B.遵守网站的使用条款

C.抓取所有数据

D.尊重隐私

二、简答题（本大题共4个小题，共40分)

1、（本题10分）说明网络爬虫如何处理需要登录才能访问的页面。

2、（本题10分）说明网络爬虫如何处理网页中的用户行为的可视化展示数据。

3、（本题10分）说明网络爬虫如何处理网页中的智能报表生成相关元素。

4、（本题10分）简述网络爬虫如何处理网页中的智能检索相关元素。

三、编程题（本大题共2个小题，共20分)

1、（本题10分）创建一个Python爬虫，获取某在线课程资源网站特定学科的课程资源。

2、（本题10分）使用Python设计爬虫，抓取指定网页中的页面导入CSS样式。