黄山学院《数据挖掘基础算法》2022-2023学年期末试卷

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页，共3页黄山学院

《数据挖掘基础算法》2022-2023学年期末试卷题号一二三总分得分一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、以下哪个不是爬虫中处理数据重复的方法？（）A.去重算法B.数据库去重C.缓存去重D.保留重复2、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy3、在爬虫中，如何处理网页中的加密数据？（）A.破解加密B.寻找解密方法C.放弃抓取D.以上都是4、爬虫在处理网页中的链接时，需要注意（）A.过滤无效链接B.避免死循环C.处理相对链接D.以上都是5、以下哪种情况可能导致爬虫的效率降低？（）A.频繁的I/O操作B.复杂的正则表达式C.大量的计算D.以上都是6、在爬虫中，处理数据的筛选通常基于（）A.数据值B.数据类型C.数据来源D.以上都是7、以下哪个不是爬虫中处理数据格式转换错误的方法？（）A.重新转换B.跳过C.修正数据D.以上都是8、以下哪种情况可能导致爬虫被网站封禁？（）A.访问频率过高B.不遵守robots.txt协议C.发送异常请求D.以上都是9、在爬虫中，以下哪个库常用于解析JSON数据？（）A.jsonB.simplejsonC.ujsonD.以上都是10、爬虫在处理动态网页时，可能会用到的技术是（）A.AJAXB.CSSC.JavaScriptD.以上都是11、网络爬虫在抓取数据时，如何处理会话（Session）？（）A.保持会话B.忽略会话C.重新创建会话D.以上都有可能12、在爬虫中，如何处理网页中的多媒体文件链接？（）A.下载B.记录C.忽略D.以上都是13、以下哪个不是爬虫中数据提取的挑战？（）A.页面结构复杂B.数据格式不一致C.反爬虫机制D.数据量小14、以下哪个不是爬虫中处理异常重试的策略？（）A.固定次数重试B.无限次重试C.按照时间间隔重试D.随机重试15、爬虫在处理网页的动态内容时，可能会用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是16、网络爬虫如何处理网站的反爬虫蜜罐？（）A.识别并避开B.陷入后停止C.尝试突破D.以上都是17、在爬虫中，如何处理网页中的权限限制？（）A.尝试突破B.放弃抓取C.寻找其他途径D.以上都是18、爬虫在处理网页中的多媒体资源时，通常考虑的因素是（）A.资源大小B.资源类型C.版权问题D.以上都是19、在处理爬虫获取的网页内容时，以下哪个方法常用于解析HTML？（）A.正则表达式B.XPathC.CSS选择器D.以上都是20、在爬虫中，使用多进程的优势是（）A.资源隔离B.提高稳定性C.充分利用多核D.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）说明网络爬虫如何处理网页中的智能控制相关元素。2、（本题10分）解释网络爬虫如何处理网页中的用户行为的舆论监测和分析数据。3、（本题10分）简述网络爬虫如何处理网页中的用户行为的信息智能化发展趋势数据。4、（本题10分）说明网络爬虫如何保存抓取到的数据。三、编程题（本大题共2个小