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頁湖北工業大學《數據挖掘與機器學習》

2023-2024學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分批閱人一、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、爬蟲在處理網頁中的圖片時，通常的做法是（）A.下載圖片B.忽略圖片C.分析圖片內容D.以上都可以2、爬蟲獲取數據后，進行數據清洗通常不包括（）A.去除重復數據B.轉換數據格式C.加密數據D.糾正錯誤數據3、網絡爬蟲在抓取網頁時，通過什么來識別頁面中的鏈接？（）A.HTML標簽B.JavaScript腳本C.CSS樣式D.以上都不是4、在爬蟲中，如何處理網頁中的跳轉頁面？（）A.跟隨跳轉B.忽略跳轉C.分析跳轉目的D.以上都是5、以下哪個不是爬蟲的合法性原則？（）A.遵循網站的使用條款B.避免對網站造成過大負擔C.隨意獲取用戶隱私數據D.尊重網站所有者的權益6、網絡爬蟲如何處理網站的反爬蟲IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是7、以下哪種方式可以避免爬蟲被網站識別為機器人？（）A.隨機延遲請求B.模擬人類行為C.使用多個用戶代理D.以上都是8、網絡爬蟲在抓取網頁時，如何處理網頁中的圖片？（）A.下載B.忽略C.提取圖片鏈接D.以上都是9、在爬蟲中，如何處理JavaScript生成的內容？（）A.執行JavaScript代碼B.分析頁面源代碼C.以上都是D.以上都不是10、在爬蟲中，設置請求頭的主要目的是：A.偽裝成瀏覽器B.提高抓取效率C.繞過反爬蟲機制D.以上都是11、在爬蟲中，以下哪個庫常用于處理異常日志？（）A.loggingB.sentryC.fluentdD.以上都是12、網絡爬蟲獲取的數據通常需要進行以下哪種處理？（）A.去重B.篩選C.轉換格式D.以上都是13、以下哪種語言常用于編寫網絡爬蟲？（）A.PythonB.JavaC.C++D.以上都是14、在爬蟲中，如何處理網頁中的嵌套頁面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是15、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16、網絡爬蟲如何處理網站的登錄驗證碼？（）A.手動輸入B.自動識別C.借用已登錄的CookieD.以上都是17、以下哪個不是爬蟲中處理數據一致性的方法？（）A.數據校驗B.版本控制C.數據備份D.以上都是18、以下哪個不是爬蟲中處理數據合并的方法？（）A.基于鍵值合并B.按照時間順序合并C.隨機合并D.按照數據類型合并19、在爬蟲中，以下哪個庫常用于處理數據排序？（）A.sortedB.numpy.sortC.pandas.sort_valuesD.以上都是20、對于動態網頁的抓取，以下哪種技術可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網絡爬蟲如何處理網頁中的動態內容。2、（本題10分）解釋網絡爬蟲如何處理網頁中的智能數據分析相關元素。3、（本題10分）簡述網絡爬蟲如何處理網頁中的智能決策相關元素。4、（本題10分）簡述網絡爬蟲如何處理網頁中的驗證碼。三、編程題（本大題共2個小題，共20分)1、（本題10分）