菏澤學(xué)院《數(shù)據(jù)挖掘》2022-2023學(xué)年期末試卷

自覺遵守考場紀(jì)律如考試作弊此答卷無效密自覺遵守考場紀(jì)律如考試作弊此答卷無效密封線第1頁，共3頁菏澤學(xué)院《數(shù)據(jù)挖掘》

2022-2023學(xué)年期末試卷院(系)_______班級_______學(xué)號_______姓名_______題號一二三總分得分一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下哪種數(shù)據(jù)格式常用于存儲爬蟲抓取到的數(shù)據(jù)？A.CSVB.JSONC.XMLD.以上都是2、爬蟲在解析JSON數(shù)據(jù)時(shí)，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re3、以下哪個(gè)不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是4、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)存儲的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲C.壓縮存儲D.減少存儲5、在爬蟲中，以下哪個(gè)方法常用于處理網(wǎng)頁中的驗(yàn)證碼？（）A.人工識別B.機(jī)器學(xué)習(xí)識別C.忽略驗(yàn)證碼D.以上都是6、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是7、以下哪個(gè)不是爬蟲中處理異常的方式？（）A.重試B.跳過C.終止程序D.記錄日志8、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)質(zhì)量評估的指標(biāo)？（）A.準(zhǔn)確性B.完整性C.一致性D.美觀性9、在爬蟲中，如何處理網(wǎng)頁中的復(fù)雜表單提交？（）A.模擬填寫B(tài).分析表單結(jié)構(gòu)C.以上都是D.以上都不是10、在爬蟲中，設(shè)置請求頭的主要目的是：A.偽裝成瀏覽器B.提高抓取效率C.繞過反爬蟲機(jī)制D.以上都是11、網(wǎng)絡(luò)爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡(luò)D.以上都不是12、以下哪個(gè)不是爬蟲中處理網(wǎng)頁亂碼的方法？（）A.手動指定編碼B.自動檢測編碼C.轉(zhuǎn)換編碼D.忽略亂碼13、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)加載緩慢的方法？（）A.優(yōu)化網(wǎng)絡(luò)B.減少數(shù)據(jù)量C.更換數(shù)據(jù)源D.以上都是14、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時(shí)，如何處理異常情況？（）A.記錄日志B.重試C.跳過D.以上都是15、以下哪個(gè)不是爬蟲中設(shè)置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務(wù)器壓力D.遵守網(wǎng)站規(guī)則16、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)驗(yàn)證的內(nèi)容？（）A.完整性B.準(zhǔn)確性C.一致性D.美觀性17、以下哪個(gè)不是常見的反爬蟲策略應(yīng)對方法？（）A.使用分布式爬蟲B.降低爬取頻率C.更換User-AgentD.攻擊網(wǎng)站服務(wù)器18、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲存儲抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是19、以下哪個(gè)不是爬蟲中處理反爬蟲驗(yàn)證碼的高級技術(shù)？（）A.深度學(xué)習(xí)識別B.人工打碼平臺C.圖像識別算法D.直接忽略20、在爬蟲中，如何處理網(wǎng)頁中的錯(cuò)誤鏈接？（）A.記錄B.跳過C.嘗試修復(fù)D.以上都是二、簡答題（本大題共4個(gè)小題，共40分)1、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能任務(wù)管理相關(guān)元素。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何確定抓取的優(yōu)先級。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能建筑設(shè)計(jì)相關(guān)元素。4、（本題10分）說明網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時(shí)如何應(yīng)對反爬蟲機(jī)制。三、編程題（本大題共2個(gè)小題，共20分)1、