湖北工業(yè)大學(xué)《數(shù)據(jù)挖掘與數(shù)據(jù)倉庫》2021-2022學(xué)年期末試卷

學(xué)校________________班級____________姓名____________考場____________準(zhǔn)考證號學(xué)校________________班級____________姓名____________考場____________準(zhǔn)考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁湖北工業(yè)大學(xué)《數(shù)據(jù)挖掘與數(shù)據(jù)倉庫》

2021-2022學(xué)年期末試卷題號一二三總分得分批閱人一、單選題（本大題共20個小題，每小題2分，共40分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)排序？（）A.sortedB.numpy.sortC.pandas.sort_valuesD.以上都是2、以下哪個不是爬蟲中處理數(shù)據(jù)存儲性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲C.數(shù)據(jù)壓縮D.以上都是3、在爬蟲中，如何處理網(wǎng)頁中的加密數(shù)據(jù)？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是4、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的請求頭驗證？（）A.模擬正確的請求頭B.忽略驗證C.強行發(fā)送請求D.以上都是5、以下哪個不是影響爬蟲性能的因素？（）A.網(wǎng)絡(luò)帶寬B.服務(wù)器性能C.編程語言D.代碼優(yōu)化6、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的驗證碼變化？（）A.及時更新識別策略B.放棄抓取C.人工處理D.以上都是7、在爬蟲中，如何處理網(wǎng)頁中的嵌套頁面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是8、以下哪個不是爬蟲中數(shù)據(jù)清洗的步驟？（）A.去除噪聲B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.以上都是9、在爬蟲中，處理數(shù)據(jù)存儲的一致性問題通常使用（）A.事務(wù)B.鎖C.備份D.以上都是10、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，需要遵循的原則不包括（）A.不影響網(wǎng)站正常運行B.遵守網(wǎng)站的使用條款C.抓取所有數(shù)據(jù)D.尊重隱私11、在爬蟲中，使用緩存的目的是（）A.提高爬取速度B.減少重復(fù)請求C.節(jié)省存儲空間D.以上都是12、網(wǎng)絡(luò)爬蟲如何判斷一個頁面是否已經(jīng)抓取過？（）A.數(shù)據(jù)庫記錄B.本地文件記錄C.以上都是D.以上都不是13、爬蟲在處理大規(guī)模數(shù)據(jù)時，可能會遇到的問題是（）A.內(nèi)存不足B.網(wǎng)絡(luò)帶寬限制C.處理速度慢D.以上都是14、爬蟲在存儲數(shù)據(jù)時，使用數(shù)據(jù)庫的優(yōu)點是（）A.便于查詢和管理B.節(jié)省存儲空間C.提高寫入速度D.無需進行數(shù)據(jù)處理15、以下哪個不是爬蟲中處理并發(fā)的方式？（）A.多線程B.多進程C.異步D.單線程循環(huán)16、爬蟲在解析JSON數(shù)據(jù)時，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re17、以下哪個不是爬蟲中優(yōu)化內(nèi)存使用的方法？（）A.及時釋放資源B.使用緩存C.減少數(shù)據(jù)存儲D.以上都是18、爬蟲在處理反爬蟲的IP封鎖時，可以采取的措施是（）A.更換IPB.暫停爬取C.降低頻率D.以上都是19、爬蟲在處理網(wǎng)頁中的多媒體資源時，通?？紤]的因素是（）A.資源大小B.資源類型C.版權(quán)問題D.以上都是20、以下哪個不是爬蟲中處理異步請求的方式？（）A.使用回調(diào)函數(shù)B.使用線程C.使用協(xié)程D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能聚類相關(guān)元素。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能排序相關(guān)元素。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的錯誤頁面。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何進行分布式部署。三、編程題（本大