工资性收入已经成为居民收入的主要来源,随着就业方式、收入来源越来越多元化,住户工资性收入调查困难重重,现实中住户调查存在着被调查户记账随意性大、责任心不强等现象,因此工资收入调查数据的准确性难以得到保障,从而影响对地区人均可支配收入水平的判断,尤其是精准扶贫形式下的农村居民脱贫情况的调查。现如今,人们的生活与网络已密不可分,产生了大量的电子数据,网络爬虫是获取和收集这些数据的重要方法,而如何使网络爬虫更加满足人们的个性化需求,以及改进网络爬虫在使用中的一些不便,怎样将其应用到各个行业解决实际应用中的难题,是目前学者们的研究重点。为了解决以上问题,本文提出基于网络爬虫的住户工资调查数据准确性判别算法。首先对网络爬虫获取网络数据的技术进行了研究,介绍了网络爬虫的概念和研究背景,以及使用python网络爬虫获取网络数据的一般方法,其中着重研究了python中用于数据信息提取的re库的使用技巧。但目前网络爬虫获取网络数据技术仍然存在着动态网页难以解析、网络爬虫速度慢、抓取内容不准确等现象,为了解决以上问题,本文提出了一套基于selenium的多线程网络数据采集算法。该算法应用了python中用于自动运行和操作浏览器的selenium库,解决了动态和静态页面数据信息的获取问题。采用无界面版本浏览器、多线程网络爬虫技术以及关键词判别程序提高了网络爬虫速度和抓取内容准确度。基于网络数据采集算法,本文提出了两种住户工资调查数据审核方法,分别为最值判别法和“3σ”法则判别法,其中最值判别法首先获取人才市场网站中与住户相匹配工资信息(以范围的形式给出),以此得出工资范围的众数,记范围表示为(p,q)。经过对范围拆分、再计算可以得出人才市场网获取的工资数据的最值,以最值作为住户工资调查数据准确性判别标准;“3σ”法则判别法对于地区人才市场网站中有相应公司、职位招聘信息的住户,直接采用网络爬虫技术获取地区人才市场网站中目标公司、职位的工资信息,并将其作为准确性判别标准,对于没有相应公司、职位招聘信息的住户,首先采用优化决策树算法对目标人才市场网站中存在的拥有目标职位的公司进行分类,并对住户进行归类,然后采用EM算法以类别工资均值和方差的方式填补缺失公司的缺失值,最后假设每个类别中公司目标职位的工资数据服从正态分布,根据“3σ”准则得出准确性判别范围。选取某市4个行政村,采用抽样调查的方式对其中56户贫困户进行了住户调查,并对调查结果进行分析。将上述两种审核方法应用到实际的贫困户住户调查中,经比较分析可知,“3σ”法则判别法在性能上优于最值判别法,证实该方法有较强的实用性。