常州大學《數(shù)據(jù)采集與清洗》2022-2023學年期末試卷

站名：站名：年級專業(yè)：姓名：學號：凡年級專業(yè)、姓名、學號錯寫、漏寫或字跡不清者，成績按零分記?！堋狻€…………第1頁，共1頁常州大學

《數(shù)據(jù)采集與清洗》2022-2023學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、網(wǎng)絡爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡D.以上都不是2、網(wǎng)絡爬蟲如何處理網(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3、網(wǎng)絡爬蟲如何處理網(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4、以下哪個不是爬蟲中處理網(wǎng)頁編碼的方法？（）A.自動檢測B.指定編碼C.忽略編碼D.轉(zhuǎn)換編碼5、以下哪個不是爬蟲框架的特點？（）A.代碼復用B.簡化開發(fā)C.降低性能D.方便管理6、以下哪個不是爬蟲中設置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務器壓力D.遵守網(wǎng)站規(guī)則7、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8、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的好處？（）A.節(jié)省存儲空間B.提高傳輸速度C.加密數(shù)據(jù)D.減少網(wǎng)絡流量9、網(wǎng)絡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10、在爬蟲中，以下哪個庫常用于處理多任務調(diào)度？（）A.CeleryB.ApschedulerC.AirflowD.以上都是11、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是12、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON13、在網(wǎng)絡爬蟲中，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14、以下哪種語言常用于編寫網(wǎng)絡爬蟲？A.JavaB.PythonC.C++D.JavaScript15、網(wǎng)絡爬蟲中，以下哪個狀態(tài)碼表示請求成功？（）A.200B.301C.404D.50016、在網(wǎng)絡爬蟲中，以下哪個庫常用于發(fā)送HTTP請求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium17、以下哪個不是爬蟲中處理數(shù)據(jù)重復的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復18、當遇到反爬蟲機制時，以下哪種方法不太可能有效？A.使用代理IPB.降低抓取頻率C.模擬人類行為D.發(fā)送大量請求突破限制19、網(wǎng)絡爬蟲如何處理網(wǎng)站的反爬蟲蜜罐陷阱？（）A.識別并避開B.陷入后處理C.忽略D.以上都是20、網(wǎng)絡爬蟲在抓取網(wǎng)頁時，通常首先需要分析的是：A.HTML代碼B.CSS樣式C.JavaScript腳本D.網(wǎng)頁的URL二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息風險管理和應對數(shù)據(jù)。2、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息供應鏈管理數(shù)據(jù)。3、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶隱私設置數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息營銷策略制定數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1、（本題