華南理工大學《數(shù)據(jù)挖掘理論與技術》2021-2022學年期末試卷

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頁華南理工大學《數(shù)據(jù)挖掘理論與技術》2021-2022學年期末試卷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、在爬蟲中，處理robots.txt文件的目的是（）A.了解網(wǎng)站的爬取規(guī)則B.獲取網(wǎng)站地圖C.查找隱藏頁面D.提高爬取效率2、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3、以下哪個不是爬蟲中處理網(wǎng)頁亂碼的方法？（）A.手動指定編碼B.自動檢測編碼C.轉換編碼D.忽略亂碼4、以下哪個不是爬蟲中設置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務器壓力D.遵守網(wǎng)站規(guī)則5、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的跳轉？（）A.自動跟隨B.按照規(guī)則處理C.忽略D.以上都是6、以下哪種語言常用于編寫網(wǎng)絡爬蟲？A.JavaB.PythonC.C++D.JavaScript7、在爬蟲中，以下哪個庫常用于處理HTTP代理？（）A.requests-proxyB.urllib.request.ProxyHandlerC.socksD.以上都是8、爬蟲在處理網(wǎng)站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學習識別C.暴力破解D.放棄爬取該頁面9、網(wǎng)絡爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡D.以上都不是10、在爬蟲中，如何處理網(wǎng)頁中的加密鏈接？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是11、當遇到反爬蟲機制時，以下哪種方法不太可能有效？A.使用代理IPB.降低抓取頻率C.模擬人類行為D.發(fā)送大量請求突破限制12、在爬蟲中，以下哪個庫常用于處理會話保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是13、在爬蟲中，處理反爬蟲的驗證碼可以使用（）A.人工識別B.機器學習C.忽略驗證碼D.以上都是14、網(wǎng)絡爬蟲如何處理網(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15、在爬蟲中，使用分布式爬蟲時需要注意（）A.任務分配B.數(shù)據(jù)同步C.節(jié)點通信D.以上都是16、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B.減少數(shù)據(jù)量C.更換數(shù)據(jù)源D.以上都是17、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是18、網(wǎng)絡爬蟲如何判斷一個頁面是否已經(jīng)抓取過？（）A.數(shù)據(jù)庫記錄B.緩存記錄C.文件記錄D.以上都是19、網(wǎng)絡爬蟲獲取的數(shù)據(jù)通常需要進行以下哪種處理？（）A.去重B.篩選C.轉換格式D.以上都是20、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的好處？（）A.節(jié)省存儲空間B.提高傳輸速度C.加密數(shù)據(jù)D.減少網(wǎng)絡流量二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能簽名相關元素。2、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息能源和環(huán)境可持續(xù)發(fā)展數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的JavaScript生成的內(nèi)容。4、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的增強現(xiàn)實和虛擬現(xiàn)實元素。三、編程題（本大題共2個小題