華南理工大學(xué)《數(shù)據(jù)挖掘》2023-2024學(xué)年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁華南理工大學(xué)《數(shù)據(jù)挖掘》2023-2024學(xué)年期末試卷院(系)_______班級_______學(xué)號_______姓名_______題號一二三總分得分一、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(wǎng)頁時，用于解析HTML內(nèi)容的庫是（）A.urllibB.jsonC.lxmlD.re2、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲存儲抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是3、以下哪個不是爬蟲中處理數(shù)據(jù)存儲性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲C.數(shù)據(jù)壓縮D.以上都是4、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate5、以下哪個不是爬蟲中處理數(shù)據(jù)更新的策略？（）A.定時更新B.增量更新C.全量更新D.隨機更新6、以下哪個不是爬蟲中處理數(shù)據(jù)缺失值的方法？（）A.填充B.忽略C.報錯D.以上都是7、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON8、爬蟲在處理反爬蟲的IP封鎖時，可以采取的措施是（）A.更換IPB.暫停爬取C.降低頻率D.以上都是9、網(wǎng)絡(luò)爬蟲獲取的數(shù)據(jù)通常需要進行以下哪種處理？（）A.去重B.篩選C.轉(zhuǎn)換格式D.以上都是10、爬蟲在解析JSON數(shù)據(jù)時，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re11、在爬蟲中，如何處理網(wǎng)頁中的多媒體文件鏈接？（）A.下載B.記錄C.忽略D.以上都是12、在爬蟲中，如何處理網(wǎng)頁中的地理位置信息？（）A.提取B.忽略C.轉(zhuǎn)換D.以上都是13、以下哪種語言常用于編寫網(wǎng)絡(luò)爬蟲？（）A.PythonB.JavaC.C++D.以上都是14、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲蜜罐陷阱？（）A.識別并避開B.陷入后處理C.忽略D.以上都是15、以下哪個不是爬蟲框架的特點？（）A.代碼復(fù)用B.簡化開發(fā)C.降低性能D.方便管理16、以下哪個不是爬蟲中處理頁面跳轉(zhuǎn)的方式？（）A.自動跳轉(zhuǎn)B.禁止跳轉(zhuǎn)C.手動處理跳轉(zhuǎn)D.忽略跳轉(zhuǎn)17、在爬蟲中，處理數(shù)據(jù)的篩選通?；冢ǎ〢.數(shù)據(jù)值B.數(shù)據(jù)類型C.數(shù)據(jù)來源D.以上都是18、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19、爬蟲在處理網(wǎng)頁中的鏈接時，需要注意（）A.過濾無效鏈接B.避免死循環(huán)C.處理相對鏈接D.以上都是20、在爬蟲中，以下哪個庫常用于解析JSON數(shù)據(jù)？（）A.jsonB.simplejsonC.ujsonD.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(wǎng)絡(luò)爬蟲如何處理異常情況，如網(wǎng)絡(luò)中斷。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶個性化內(nèi)容。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的話題演化分析數(shù)據(jù)。4、（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。三、編程題（本大題共2個小題，