黑龍江大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》2022-2023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頁黑龍江大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》2022-2023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)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2、以下哪個不是爬蟲中處理數(shù)據(jù)驗證的內(nèi)容？（）A.完整性B.準(zhǔn)確性C.一致性D.美觀性3、在處理爬蟲抓取到的大量數(shù)據(jù)時，以下哪種方法可以提高效率？A.使用多線程B.使用分布式爬蟲C.優(yōu)化數(shù)據(jù)存儲結(jié)構(gòu)D.以上都是4、在爬蟲中，如何處理網(wǎng)頁中的圖片？（）A.下載B.忽略C.只獲取鏈接D.以上都是5、在爬蟲中，處理重定向的常見方法是（）A.自動跟隨B.忽略重定向C.手動處理D.以上都是6、在網(wǎng)絡(luò)爬蟲中，以下哪個庫常用于發(fā)送HTTP請求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium7、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8、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9、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10、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(jìn)行數(shù)據(jù)處理11、以下哪個不是爬蟲中處理反爬蟲的技巧？（）A.降低訪問頻率B.使用隨機(jī)User-AgentC.頻繁更換IPD.以上都是12、以下哪個不是爬蟲中處理數(shù)據(jù)質(zhì)量評估的指標(biāo)？（）A.準(zhǔn)確性B.完整性C.一致性D.美觀性13、當(dāng)爬蟲被網(wǎng)站封禁時，以下哪個不是可能的原因？（）A.抓取頻率過高B.未遵循網(wǎng)站規(guī)則C.數(shù)據(jù)量過大D.代碼錯誤14、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是15、以下哪個不是爬蟲框架的特點？（）A.代碼復(fù)用B.簡化開發(fā)C.降低性能D.方便管理16、以下哪個不是網(wǎng)絡(luò)爬蟲的主要步驟？（）A.頁面下載B.數(shù)據(jù)清洗C.數(shù)據(jù)存儲D.頁面渲染17、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18、在爬蟲中，以下哪個庫常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是19、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(dá)式B.XPathC.CSS選擇器D.以上都是20、以下哪個不是爬蟲中處理數(shù)據(jù)合并的問題？（）A.字段不一致B.數(shù)據(jù)重復(fù)C.數(shù)據(jù)缺失D.數(shù)據(jù)過多二、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)頁中的跳轉(zhuǎn)和重定向。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的加密數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息虛擬現(xiàn)實和增強(qiáng)現(xiàn)實應(yīng)用數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的聚類分析數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1、（本題10分）編寫Pyth