西昌学院《数据挖掘与可视化》2023-2024学年期末试卷

装订线装订线PAGE2第1页，共3页西昌学院

《数据挖掘与可视化》2023-2024学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、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、爬虫在处理网站的robots.txt禁止爬取时，应该（）A.遵守规定B.尝试突破C.忽略不管D.随机选择2、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3、在爬虫中，如何处理网页中的地理位置信息？（）A.提取B.忽略C.转换D.以上都是4、在爬虫中，处理网页中的JavaScript代码可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是5、以下哪个不是爬虫中处理数据合并的问题？（）A.字段不一致B.数据重复C.数据缺失D.数据过多6、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7、在爬虫中，处理网页编码的常见库是（）A.chardetB.codecsC.encodingsD.utf-88、以下哪个不是常见的爬虫存储数据库？（）A.MySQLB.MongoDBC.OracleD.Excel9、以下哪个不是爬虫中模拟登录的方式？（）A.提交表单B.使用CookieC.破解密码D.以上都是10、网络爬虫如何处理网站的验证码变化？（）A.及时更新识别策略B.放弃抓取C.人工处理D.以上都是11、以下哪个不是常见的反爬虫手段？（）A.IP封禁B.验证码C.数据加密D.页面美化12、以下哪种语言常用于编写网络爬虫？（）A.JavaB.PythonC.C++D.Ruby13、以下哪个不是爬虫中处理数据隐私的方法？（）A.匿名化处理B.加密处理C.公开数据D.以上都是14、以下哪个不是影响爬虫性能的因素？（）A.网络带宽B.服务器性能C.编程语言D.代码优化15、在爬虫中，处理重定向的常见方法是（）A.自动跟随B.忽略重定向C.手动处理D.以上都是16、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）A.CSVB.JSONC.XMLD.以上都是17、以下哪个不是爬虫中处理数据更新频率不一致的方法？（）A.统一更新频率B.按照不同频率处理C.忽略更新频率D.以上都是18、在爬虫中，以下哪个方法常用于处理网页中的验证码？（）A.人工识别B.机器学习识别C.忽略验证码D.以上都是19、以下哪个不是爬虫中处理数据合法性的方法？（）A.数据验证B.数据过滤C.数据转换D.以上都是20、以下哪个不是爬虫框架的特点？（）A.代码复用B.简化开发C.降低性能D.方便管理二、简答题（本大题共4个小题，共40分)1、（本题10分）解释网络爬虫如何处理网页中的用户私信和通知数据。2、（本题10分）简述网络爬虫如何处理网页中的智能协同相关元素。3、（本题10分）说明网络爬虫如何识别和处理网页中的广告内容。4、（本题10分）说明网络爬虫如何处理网页中的智能排序相关元素。三、编程题（本大题共2个小题，共20分)1、（本题10分）创建一个Pyth