南京工業(yè)大學(xué)浦江學(xué)院《數(shù)據(jù)挖掘分析》2021-2022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頁南京工業(yè)大學(xué)浦江學(xué)院《數(shù)據(jù)挖掘分析》2021-2022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(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)庫在Python中常用于網(wǎng)絡(luò)爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是2、在爬蟲中，以下哪個(gè)庫常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是3、網(wǎng)絡(luò)爬蟲抓取數(shù)據(jù)時(shí)，以下哪種策略常用于避免對網(wǎng)站造成過大壓力？（）A.隨機(jī)抓取B.深度優(yōu)先抓取C.廣度優(yōu)先抓取D.限速抓取4、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時(shí)，如何處理異常情況？（）A.記錄日志B.重試C.跳過D.以上都是5、在爬蟲中，使用代理IP的主要目的是（）A.提高爬取速度B.繞過IP封鎖C.隱藏真實(shí)IPD.以上都是6、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的多語言頁面？（）A.選擇一種語言抓取B.抓取所有語言C.根據(jù)需求抓取D.以上都是7、以下哪個(gè)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8、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的動態(tài)IP封禁？（）A.使用代理B.更換IPC.等待解封D.以上都是9、以下哪個(gè)不是爬蟲中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進(jìn)行適當(dāng)?shù)闹卦嘍.及時(shí)終止程序10、在處理爬蟲獲取的網(wǎng)頁內(nèi)容時(shí)，以下哪個(gè)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11、在爬蟲中，使用分布式爬蟲時(shí)需要注意（）A.任務(wù)分配B.數(shù)據(jù)同步C.節(jié)點(diǎn)通信D.以上都是12、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲陷阱？（）A.識別并避開B.陷入后嘗試解決C.無視陷阱D.以上都是13、在爬蟲中，處理數(shù)據(jù)的脫敏通常是為了（）A.保護(hù)隱私B.提高效率C.節(jié)省空間D.便于處理14、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15、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)存儲的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲C.壓縮存儲D.減少存儲16、網(wǎng)絡(luò)爬蟲在抓取數(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17、在爬蟲中，設(shè)置請求頭的主要目的是（）A.提高爬取速度B.偽裝成瀏覽器C.減少服務(wù)器響應(yīng)時(shí)間D.節(jié)省網(wǎng)絡(luò)流量18、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的robots.txt文件？（）A.遵守規(guī)則B.忽略C.部分遵守D.視情況而定19、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的訪問限制策略變化？（）A.調(diào)整爬蟲策略B.停止抓取C.等待策略恢復(fù)D.以上都是20、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)存儲錯(cuò)誤的方式？（）A.重試B.記錄錯(cuò)誤日志C.忽略錯(cuò)誤D.以上都是二、簡答題（本大題共4個(gè)小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶活動的生命周期數(shù)據(jù)。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的話題演化分析數(shù)據(jù)。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶社交關(guān)系網(wǎng)絡(luò)數(shù)據(jù)。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能適配相關(guān)元素。三、編程題（本