北京联合大学《数据采集与网络爬虫》2023-2024学年期末试卷.doc
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PAGE1页，共NUMPAGES3页
北京联合大学《数据采集与网络爬虫》2023-2024学年期末试卷
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、以下哪个不是爬虫中处理数据缺失值的方法？（）
A.填充
B.忽略
C.报错
D.以上都是
2、爬虫在解析JSON数据时，通常使用的库是（）
A.json
B.requests
C.BeautifulSoup
D.re
3、在爬虫中，以下哪个库常用于处理会话保持？（）
A.requests.Session
B.httpx.Session
C.aiohttp.ClientSession
D.以上都是
4、以下哪个不是爬虫中处理数据格式转换的原因？（）
A.适配存储需求
B.方便后续处理
C.提高数据安全性
D.满足其他系统要求
5、以下哪个不是爬虫中处理数据清洗的工具？（）
A.Pandas
B.NumPy
C.OpenCV
D.BeautifulSoup
6、以下哪个不是爬虫中处理网页乱码的方法？（）
A.手动指定编码
B.自动检测编码
C.转换编码
D.忽略乱码
7、在爬虫中，用于模拟浏览器行为的库是（）
A.requests
B.BeautifulSoup
C.Selenium
D.Scrapy
8、以下哪个不是爬虫中处理分布式环境下数据一致性的方法？（）
A.分布式锁
B.消息队列
C.共享数据库
D.各自处理
9、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
10、网络爬虫如何处理网站的访问频率限制？（）
A.等待
B.使用代理
C.更换IP
D.以上都是
11、在爬虫中，设置请求头的主要目的是（）
A.提高爬取速度
B.伪装成浏览器
C.减少服务器响应时间
D.节省网络流量
12、以下哪种语言常用于编写网络爬虫？（）
A.Java
B.Python
C.C++
D.JavaScript
13、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
14、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.XPath
C.CSS选择器
D.以上都是
15、对于动态网页的抓取，以下哪种技术可能会用到？
A.AJAX
B.Selenium
C.PhantomJS
D.以上都是
16、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
17、在爬虫中，使用分布式爬虫时需要注意（）
A.任务分配
B.数据同步
C.节点通信
D.以上都是
18、网络爬虫如何处理网站的登录验证码？（）
A.手动输入
B.自动识别
C.借用已登录的Cookie
D.以上都是
19、以下哪个不是爬虫中设置延迟的目的？（）
A.避免被封禁
B.提高爬取效率
C.减轻服务器压力
D.遵守网站规则
20、在爬虫中，处理数据的提取精度通常取决于（）
A.需求
B.算法
C.数据质量
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）简述网络爬虫如何处理网页中的用户行为的信息投资回报率评估数据。
2、（本题10分）解释网络爬虫如何进行页面内容的解析。
3、（本题10分）简述网络爬虫如何处理网页中的智能数据转换相关元素。
4、（本题10分）说明网络爬虫如何处理网页中的用户行为的信息大数据分析和应用数据。
三、编程题（本大题共2个小题，共20分)
1、（本题10分）编写Python代码，利用爬虫获取某美食网站特定菜系的菜谱和食材清单。
2、（本题10分）设计一个爬虫程序，获取指定网页中的所有文本内容。