黑龙江工程学院《数据挖掘》2021-2022学年期末试卷.docVIP

站名：

站名：年级专业：姓名：学号：

凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。

…………密………………封………………线…………

第PAGE1页，共NUMPAGES1页

黑龙江工程学院《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、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

2、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

3、以下哪个库在Python中常用于网络爬虫？（）

A.requests

B.BeautifulSoup

C.Scrapy

D.以上都是

4、在爬虫中，如何处理网页中的多媒体文件链接？（）

A.下载

B.记录

C.忽略

D.以上都是

5、以下哪个不是爬虫中处理数据存储的优化方式？（）

A.批量写入

B.压缩存储

C.索引优化

D.减少存储

6、网络爬虫如何处理网站的robots.txt文件？（）

A.遵守规则

B.忽略

C.部分遵守

D.视情况而定

7、以下哪个不是爬虫中处理并发的方式？（）

A.多线程

B.多进程

C.异步

D.单线程循环

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、网络爬虫抓取数据时，需要遵循的最重要原则是：

A.抓取速度快

B.抓取数据准确

C.遵守网站的使用规则

D.尽可能抓取更多数据

10、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

11、以下哪种情况可能导致爬虫被网站封禁？

A.频繁访问同一页面

B.访问隐藏页面

C.未设置请求头

D.以上都有可能

12、在爬虫中，设置请求头的主要目的是（）

A.提高爬取速度

B.伪装成浏览器

C.减少服务器响应时间

D.节省网络流量

13、爬虫在存储数据时，使用数据库的优点是（）

A.便于查询和管理

B.节省存储空间

C.提高写入速度

D.无需进行数据处理

14、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

15、在处理动态网页时，以下哪种技术对爬虫比较有帮助？（）

A.Selenium

B.PhantomJS

C.Splash

D.以上都是

16、以下哪个不是常见的反爬虫策略？

A.验证码

B.IP封禁

C.页面加密

D.数据压缩

17、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

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、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

20、以下哪个不是爬虫中处理分页的方法？（）

A.分析页面链接

B.模拟点击分页按钮

C.固定每页数量

D.随机获取分页

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智能数据清洗相关元素。

2、（本题10分）说明网络爬虫如何处理网页中的边缘计算相关元素。

3、（本题10分）解释网络爬虫如何处理网页中的智能压缩相关元素。

4、（本题10分）简述网络爬虫如何处理网页中的智能数据挖掘相关元素。

三、编程题（本大题共2个小题，共20分)

1、（本题10分）编写Python代码，利用爬虫获取某电商直播网站特定商品的直播介绍。

2、（本题10分）使用Python实现爬虫，获取指定网页中的页面表单元素。