成都錦城學(xué)院《數(shù)據(jù)挖掘原理》2022-2023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頁成都錦城學(xué)院《數(shù)據(jù)挖掘原理》

2022-2023學(xué)年期末試卷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，如何處理網(wǎng)頁中的跳轉(zhuǎn)頁面？（）A.跟隨跳轉(zhuǎn)B.忽略跳轉(zhuǎn)C.分析跳轉(zhuǎn)目的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、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站封禁？（）A.訪問頻率過高B.不遵守robots.txt協(xié)議C.發(fā)送異常請求D.以上都是4、以下哪個不是爬蟲中處理驗證碼的方法？（）A.手動輸入B.圖像識別C.跳過D.以上都是5、以下哪個不是爬蟲中處理數(shù)據(jù)存儲錯誤的方式？（）A.重試B.記錄錯誤日志C.忽略錯誤D.以上都是6、以下哪種存儲方式適合存儲大規(guī)模的爬蟲數(shù)據(jù)？A.關(guān)系型數(shù)據(jù)庫B.非關(guān)系型數(shù)據(jù)庫C.文件系統(tǒng)D.內(nèi)存數(shù)據(jù)庫7、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8、以下哪個不是常見的爬蟲存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.OracleD.Excel9、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10、以下哪個庫常用于處理爬蟲中的驗證碼識別？（）A.tesseractB.opencvC.numpyD.scipy11、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12、在爬蟲中，如何處理JavaScript生成的內(nèi)容？（）A.執(zhí)行JavaScript代碼B.分析頁面源代碼C.以上都是D.以上都不是13、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術(shù)可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是14、以下哪個不是爬蟲中處理數(shù)據(jù)格式轉(zhuǎn)換的原因？（）A.適配存儲需求B.方便后續(xù)處理C.提高數(shù)據(jù)安全性D.滿足其他系統(tǒng)要求15、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16、在爬蟲中，如何處理網(wǎng)頁中的地理位置信息？（）A.提取B.忽略C.轉(zhuǎn)換D.以上都是17、當(dāng)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18、在爬蟲中，處理數(shù)據(jù)的加密通常使用（）A.AESB.RSAC.哈希函數(shù)D.以上都是19、在爬蟲中，以下哪個不是設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲機制C.提高請求速度D.以上都是20、在爬蟲中，處理反爬蟲的驗證碼可以使用（）A.人工識別B.機器學(xué)習(xí)C.忽略驗證碼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）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的大數(shù)據(jù)量頁面。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能圖表繪制相關(guān)元素。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能監(jiān)測相關(guān)元素。4、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶個性化內(nèi)容。三、編程題（本大題共2個