青島黃海學(xué)院《數(shù)據(jù)采集技術(shù)》2021-2022學(xué)年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁青島黃海學(xué)院

《數(shù)據(jù)采集技術(shù)》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、以下哪個不是爬蟲中處理數(shù)據(jù)備份的方式？（）A.本地備份B.云端備份C.實時備份D.從不備份2、在處理動態(tài)網(wǎng)頁時，以下哪種技術(shù)常用于獲取數(shù)據(jù)？（）A.SeleniumB.PhantomJSC.以上都是D.以上都不是3、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的訪問限制策略變化？（）A.調(diào)整爬蟲策略B.停止抓取C.等待策略恢復(fù)D.以上都是4、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5、在處理爬蟲獲取的大量文本數(shù)據(jù)時，以下哪個技術(shù)常用于文本分類？（）A.機器學(xué)習(xí)B.深度學(xué)習(xí)C.以上都是D.以上都不是6、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7、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，需要遵守的原則是？（）A.不影響網(wǎng)站正常運行B.不獲取敏感信息C.遵循網(wǎng)站的使用條款D.以上都是8、以下哪種數(shù)據(jù)格式常用于存儲爬蟲獲取的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是9、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10、以下哪種語言常用于編寫網(wǎng)絡(luò)爬蟲？（）A.PythonB.JavaC.C++D.以上都是11、以下哪個不是常見的反爬蟲手段？（）A.IP封禁B.驗證碼C.數(shù)據(jù)加密D.頁面美化12、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的動態(tài)加載內(nèi)容？（）A.使用SeleniumB.分析接口C.模擬點擊D.以上都是13、爬蟲在處理網(wǎng)頁中的鏈接時，需要注意（）A.過濾無效鏈接B.避免死循環(huán)C.處理相對鏈接D.以上都是14、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15、在網(wǎng)絡(luò)爬蟲中，以下哪個是常見的反爬蟲策略？（）A.IP封鎖B.驗證碼C.限制訪問頻率D.以上都是16、在爬蟲中，以下哪個庫常用于處理URL操作？（）A.urllib.parseB.urlparseC.requests.utilsD.以上都是17、以下哪個不是爬蟲中處理數(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18、在爬蟲中，使用多進(jìn)程的優(yōu)勢是（）A.資源隔離B.提高穩(wěn)定性C.充分利用多核D.以上都是19、網(wǎng)絡(luò)爬蟲在遇到重定向時，通常會（）A.跟隨重定向B.忽略重定向C.報錯D.以上都有可能20、在爬蟲中，處理動態(tài)加載數(shù)據(jù)的常見方式是（）A.分析接口B.模擬操作C.等待加載完成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）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的驗證碼。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能地圖繪制相關(guān)元素。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的社交網(wǎng)絡(luò)結(jié)構(gòu)分析數(shù)據(jù)。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能推薦相關(guān)元素。三、編程題（本大題共2個小題，共20分)1、（本