湖北工程學(xué)院《數(shù)據(jù)采集與網(wǎng)絡(luò)爬蟲》2023-2024學(xué)年期末試卷

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁，共3頁湖北工程學(xué)院《數(shù)據(jù)采集與網(wǎng)絡(luò)爬蟲》2023-2024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數(shù)據(jù)去重的方法？（）A.哈希去重B.數(shù)據(jù)庫去重C.人工篩選D.排序去重2、以下哪個不是爬蟲框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley3、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，如何處理異常情況？（）A.記錄日志B.重試C.跳過D.以上都是4、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(luò)流量5、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6、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，需要遵循的原則不包括（）A.不影響網(wǎng)站正常運行B.遵守網(wǎng)站的使用條款C.抓取所有數(shù)據(jù)D.尊重隱私7、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8、在爬蟲中，以下哪個庫常用于解析XML數(shù)據(jù)？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是9、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.無需進行數(shù)據(jù)處理10、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11、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12、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的SSL證書驗證錯誤？（）A.忽略錯誤B.驗證證書C.更換網(wǎng)站D.以上都是13、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)壓縮？（）A.gzipB.bz2C.zipfileD.以上都是14、爬蟲在處理網(wǎng)頁的動態(tài)內(nèi)容時，可能會用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是15、在爬蟲中，如何處理網(wǎng)頁中的加密鏈接？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是16、網(wǎng)絡(luò)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URL17、在爬蟲中，以下哪個庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是18、以下哪個不是爬蟲中處理數(shù)據(jù)篩選的方法？（）A.條件判斷B.正則表達式C.隨機篩選D.按照規(guī)則篩選19、網(wǎng)絡(luò)爬蟲獲取的數(shù)據(jù)通常需要進行以下哪種處理？（）A.去重B.篩選C.轉(zhuǎn)換格式D.以上都是20、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)頁中的用戶行為的文本摘要提取數(shù)據(jù)。2、（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挖掘和知識發(fā)現(xiàn)數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能評估相關(guān)元素。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的庫存數(shù)據(jù)。三、編程題（本大題共2個小題，共20分