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

自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密封線第1頁(yè)，共3頁(yè)湖北工程學(xué)院《數(shù)據(jù)采集與網(wǎng)絡(luò)爬蟲(chóng)》2023-2024學(xué)年期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______題號(hào)一二三總分得分批閱人一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)去重的方法？（）A.哈希去重B.數(shù)據(jù)庫(kù)去重C.人工篩選D.排序去重2、以下哪個(gè)不是爬蟲(chóng)框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley3、網(wǎng)絡(luò)爬蟲(chóng)在抓取數(shù)據(jù)時(shí)，如何處理異常情況？（）A.記錄日志B.重試C.跳過(guò)D.以上都是4、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)壓縮的好處？（）A.節(jié)省存儲(chǔ)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(chóng)中，如何處理JavaScript生成的內(nèi)容？（）A.執(zhí)行JavaScript代碼B.分析頁(yè)面源代碼C.以上都是D.以上都不是6、網(wǎng)絡(luò)爬蟲(chóng)在抓取數(shù)據(jù)時(shí)，需要遵循的原則不包括（）A.不影響網(wǎng)站正常運(yùn)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(chóng)中，以下哪個(gè)是常見(jiàn)的反爬蟲(chóng)策略？（）A.IP封鎖B.驗(yàn)證碼C.限制訪問(wèn)頻率D.以上都是8、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于解析XML數(shù)據(jù)？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是9、爬蟲(chóng)在存儲(chǔ)數(shù)據(jù)時(shí)，使用數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)是（）A.便于查詢和管理B.節(jié)省存儲(chǔ)空間C.提高寫(xiě)入速度D.無(wú)需進(jìn)行數(shù)據(jù)處理10、在爬蟲(chóng)中，以下哪個(gè)庫(kù)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(chǔ)方式適合存儲(chǔ)大規(guī)模的爬蟲(chóng)數(shù)據(jù)？A.關(guān)系型數(shù)據(jù)庫(kù)B.非關(guān)系型數(shù)據(jù)庫(kù)C.文件系統(tǒng)D.內(nèi)存數(shù)據(jù)庫(kù)12、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的SSL證書(shū)驗(yàn)證錯(cuò)誤？（）A.忽略錯(cuò)誤B.驗(yàn)證證書(shū)C.更換網(wǎng)站D.以上都是13、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理數(shù)據(jù)壓縮？（）A.gzipB.bz2C.zipfileD.以上都是14、爬蟲(chóng)在處理網(wǎng)頁(yè)的動(dòng)態(tài)內(nèi)容時(shí)，可能會(huì)用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是15、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)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(chóng)在抓取網(wǎng)頁(yè)時(shí)，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(yè)的URL17、在爬蟲(chóng)中，以下哪個(gè)庫(kù)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(gè)不是爬蟲(chóng)中處理數(shù)據(jù)篩選的方法？（）A.條件判斷B.正則表達(dá)式C.隨機(jī)篩選D.按照規(guī)則篩選19、網(wǎng)絡(luò)爬蟲(chóng)獲取的數(shù)據(jù)通常需要進(jìn)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(chóng)中，如何處理網(wǎng)頁(yè)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(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的文本摘要提取數(shù)據(jù)。2、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息挖掘和知識(shí)發(fā)現(xiàn)數(shù)據(jù)。3、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能評(píng)估相關(guān)元素。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的庫(kù)存數(shù)據(jù)。三、編程題（本大題共2個(gè)小題，共20分