學校________________班級____________姓名____________考場____________準考證號學校________________班級____________姓名____________考場____________準考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁蘇州大學《數(shù)據(jù)挖掘》

2022-2023學年期末試卷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、爬蟲在解析JSON數(shù)據(jù)時，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re2、以下哪個不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗B.版本控制C.數(shù)據(jù)備份D.以上都是3、當遇到需要登錄才能訪問的頁面時，爬蟲可以通過以下哪種方式獲取數(shù)據(jù)？（）A.模擬登錄B.跳過該頁面C.暴力破解D.以上都不是4、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是5、以下哪個不是爬蟲中處理數(shù)據(jù)加載緩慢的方法？（）A.優(yōu)化網(wǎng)絡(luò)B.減少數(shù)據(jù)量C.更換數(shù)據(jù)源D.以上都是6、網(wǎng)絡(luò)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7、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術(shù)可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是8、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是9、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的動態(tài)加載內(nèi)容？（）A.使用SeleniumB.分析接口C.模擬點擊D.以上都是10、在爬蟲中，以下哪個庫常用于處理HTTP認證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是11、在處理大規(guī)模數(shù)據(jù)抓取時，以下哪個不是需要考慮的問題？（）A.存儲容量B.網(wǎng)絡(luò)帶寬C.計算資源D.數(shù)據(jù)加密12、以下哪個不是反爬蟲的常見手段？（）A.IP封鎖B.驗證碼C.數(shù)據(jù)加密D.增加頁面加載時間13、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的訪問頻率限制？（）A.等待B.使用代理C.更換IPD.以上都是14、以下哪個不是爬蟲的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對網(wǎng)站造成過大負擔C.隨意獲取用戶隱私數(shù)據(jù)D.尊重網(wǎng)站所有者的權(quán)益15、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16、在爬蟲中，處理重定向的常見方法是（）A.自動跟隨B.忽略重定向C.手動處理D.以上都是17、在爬蟲中，以下哪個庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是18、在爬蟲中，如何處理網(wǎng)頁中的驗證碼識別錯誤？（）A.重新識別B.跳過C.人工干預(yù)D.以上都是19、在網(wǎng)絡(luò)爬蟲中，以下哪個模塊通常用于發(fā)送HTTP請求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy20、網(wǎng)絡(luò)爬蟲獲取網(wǎng)頁內(nèi)容時，通常使用的協(xié)議是（）A.HTTPB.FTPC.SMTPD.TCP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(luò)爬蟲如何處理網(wǎng)頁中的庫存數(shù)據(jù)。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能三維建模相關(guān)元素。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理不同編碼格式的網(wǎng)頁。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能媒體相關(guān)元素。三、編程題（本大題共2個小題，共20分)1、（本