惠州學(xué)院《數(shù)據(jù)挖掘與數(shù)據(jù)倉庫》2021-2022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頁惠州學(xué)院

《數(shù)據(jù)挖掘與數(shù)據(jù)倉庫》2021-2022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，處理數(shù)據(jù)的合法性驗證通常包括（）A.格式驗證B.內(nèi)容驗證C.來源驗證D.以上都是2、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3、網(wǎng)絡(luò)爬蟲中，以下哪個狀態(tài)碼表示請求成功？（）A.200B.301C.404D.5004、在爬蟲中，處理robots.txt文件的目的是（）A.了解網(wǎng)站的爬取規(guī)則B.獲取網(wǎng)站地圖C.查找隱藏頁面D.提高爬取效率5、以下哪個不是爬蟲中處理數(shù)據(jù)合并的方法？（）A.基于鍵值合并B.按照時間順序合并C.隨機合并D.按照數(shù)據(jù)類型合并6、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲蜜罐？（）A.識別并避開B.陷入后停止C.嘗試突破D.以上都是7、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是8、以下哪個不是爬蟲中處理分頁的方法？（）A.分析頁面鏈接B.模擬點擊分頁按鈕C.固定每頁數(shù)量D.隨機獲取分頁9、以下哪個不是爬蟲中處理多線程的優(yōu)點？（）A.提高爬取速度B.節(jié)省資源C.充分利用多核D.增強并發(fā)能力10、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11、在爬蟲中，以下哪個庫常用于處理HTTP代理？（）A.requests-proxyB.urllib.request.ProxyHandlerC.socksD.以上都是12、以下哪個不是爬蟲中處理分布式任務(wù)失敗的方式？（）A.自動重試B.標(biāo)記失敗C.忽略失敗D.停止任務(wù)13、以下哪個不是爬蟲中設(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14、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15、在處理爬蟲獲取的網(wǎng)頁內(nèi)容時，以下哪個方法常用于解析HTML？（）A.正則表達式B.XPathC.CSS選擇器D.以上都是16、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站識別為異常訪問？（）A.訪問頻率過高B.訪問時間異常C.訪問路徑異常D.以上都是17、以下哪個不是爬蟲中處理分布式任務(wù)的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是18、以下哪個不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗B.版本控制C.數(shù)據(jù)備份D.以上都是19、以下哪個庫常用于處理爬蟲中的驗證碼識別？（）A.tesseractB.opencvC.numpyD.scipy20、在爬蟲中，以下哪個庫常用于處理HTTP認(rèn)證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能情感分析相關(guān)元素。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能檢索相關(guān)元素。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何進行頁面內(nèi)容的解析。4、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息金融科技和數(shù)字貨幣應(yīng)用數(shù)據(jù)。三、編程題（本大題共2個