鄭州大學《數(shù)據(jù)挖掘》2021-2022學年期末試卷

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頁鄭州大學《數(shù)據(jù)挖掘》

2021-2022學年期末試卷院(系)_______班級_______學號_______姓名_______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、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)絡流量2、在爬蟲中，如何處理網(wǎng)頁的編碼問題？（）A.自動檢測B.手動指定C.忽略D.以上都是3、在爬蟲中，以下哪個方法常用于處理網(wǎng)頁中的驗證碼？（）A.人工識別B.機器學習識別C.忽略驗證碼D.以上都是4、在處理動態(tài)網(wǎng)頁時，以下哪種技術常用于獲取數(shù)據(jù)？（）A.SeleniumB.PhantomJSC.以上都是D.以上都不是5、以下哪個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.進行適當?shù)闹卦嘍.及時終止程序6、網(wǎng)絡爬蟲如何處理網(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D.以上都是7、網(wǎng)絡爬蟲在抓取數(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8、在爬蟲中，以下哪個庫常用于處理HTTP代理？（）A.requests-proxyB.urllib.request.ProxyHandlerC.socksD.以上都是9、網(wǎng)絡爬蟲抓取數(shù)據(jù)時，以下哪種策略常用于避免對網(wǎng)站造成過大壓力？（）A.隨機抓取B.深度優(yōu)先抓取C.廣度優(yōu)先抓取D.限速抓取10、在爬蟲中，如何處理網(wǎng)頁中的復雜表單提交？（）A.模擬填寫B(tài).分析表單結構C.以上都是D.以上都不是11、在爬蟲中，以下哪個庫常用于解析JSON數(shù)據(jù)？（）A.jsonB.simplejsonC.ujsonD.以上都是12、以下哪個不是爬蟲中處理數(shù)據(jù)加密的場景？（）A.傳輸過程B.存儲過程C.計算過程D.展示過程13、在爬蟲中，如何處理網(wǎng)頁中的權限限制？（）A.嘗試突破B.放棄抓取C.尋找其他途徑D.以上都是14、在爬蟲中，以下哪個庫常用于處理正則表達式？（）A.reB.regexC.patternD.以上都是15、以下哪個不是爬蟲中處理并發(fā)的方式？（）A.多進程B.多線程C.異步編程D.以上都是16、爬蟲在處理網(wǎng)站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學習識別C.暴力破解D.放棄爬取該頁面17、以下哪個不是爬蟲中處理數(shù)據(jù)隱私的方法？（）A.匿名化處理B.加密處理C.公開數(shù)據(jù)D.以上都是18、在爬蟲中，使用分布式爬蟲時需要注意（）A.任務分配B.數(shù)據(jù)同步C.節(jié)點通信D.以上都是19、當爬蟲遇到反爬蟲機制時，以下哪種方法不太合適？（）A.使用代理IPB.降低抓取頻率C.偽裝瀏覽器頭部D.強行突破20、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)絡爬蟲如何處理網(wǎng)頁中的地理定位信息。2、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的量子計算相關元素。3、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息營銷策略制定數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理異常情況，如網(wǎng)絡中斷。三、編程題（本大題共2個小題，共20分)1、（本題1