浙江工业大学《数据挖掘分析课程设计》2022-2023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

浙江工业大学《数据挖掘分析课程设计》

2022-2023学年期末试卷

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、网络爬虫在抓取网页时，通常首先需要分析的是：

A.HTML代码

B.CSS样式

C.JavaScript脚本

D.网页的URL

2、以下哪种语言常用于编写网络爬虫？（）

A.Java

B.Python

C.C++

D.Ruby

3、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）

A.CSV

B.JSON

C.XML

D.以上都是

4、以下哪个不是爬虫中处理分布式环境下数据一致性的方法？（）

A.分布式锁

B.消息队列

C.共享数据库

D.各自处理

5、在爬虫中，以下哪个库常用于处理HTTP代理？（）

A.requests-proxy

B.urllib.request.ProxyHandler

C.socks

D.以上都是

6、在爬虫中，以下哪个库常用于处理数据排序？（）

A.sorted

B.numpy.sort

C.pandas.sort_values

D.以上都是

7、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

8、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

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加密的场景？（）

A.传输过程

B.存储过程

C.计算过程

D.展示过程

11、以下哪个不是常见的爬虫框架？（）

A.PySpider

B.Crawler4j

C.Node.js

D.Scrapy

12、以下哪个不是爬虫中处理数据重复的方法？（）

A.去重算法

B.数据库约束

C.忽略重复

D.以上都是

13、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

14、在爬虫中，以下哪个库常用于解析XML数据？（）

A.xml.etree.ElementTree

B.lxml.etree

C.minidom

D.以上都是

15、在爬虫中，处理数据的筛选通常基于（）

A.数据值

B.数据类型

C.数据来源

D.以上都是

16、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

17、在爬虫中，如何处理网页中的地理位置信息？（）

A.提取

B.忽略

C.转换

D.以上都是

18、以下哪个不是爬虫中处理数据合并的问题？（）

A.字段不一致

B.数据重复

C.数据缺失

D.数据过多

19、以下哪个不是爬虫中处理数据合法性的方法？（）

A.数据验证

B.数据过滤

C.数据转换

D.以上都是

20、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

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环保相关元素。

2、（本题10分）简述网络爬虫如何处理网页中的隐藏元素。

3、（本题10分）简述网络爬虫如何处理网页中的用户活动的生命周期数据。

4、（本题10分）说明网络爬虫如何处理网页中的增强现实和虚拟现实元素。

三、编程题（本大题共2个小题，共20分)

1、（本题10分）用Python编写程序，爬取某科学实验网站的实验视频和实验报告。

2、（本题10分）创建一个Python爬虫，获取某电子竞技网站的比赛赛程和战队信息。