華南理工大學(xué)《數(shù)據(jù)挖掘與大數(shù)據(jù)》2022-2023學(xué)年期末試卷

自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密封線第1頁(yè)，共3頁(yè)華南理工大學(xué)《數(shù)據(jù)挖掘與大數(shù)據(jù)》2022-2023學(xué)年期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______題號(hào)一二三總分得分批閱人一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下哪個(gè)不是常見(jiàn)的爬蟲(chóng)存儲(chǔ)數(shù)據(jù)庫(kù)？（）A.MySQLB.MongoDBC.OracleD.Excel2、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)格式轉(zhuǎn)換的方法？（）A.自定義函數(shù)B.使用庫(kù)函數(shù)C.手動(dòng)轉(zhuǎn)換D.不轉(zhuǎn)換3、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于解析XML數(shù)據(jù)？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是4、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的反爬蟲(chóng)IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是5、以下哪個(gè)不是常見(jiàn)的爬蟲(chóng)框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy6、在處理爬蟲(chóng)抓取到的大量數(shù)據(jù)時(shí)，以下哪種方法可以提高效率？A.使用多線程B.使用分布式爬蟲(chóng)C.優(yōu)化數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)D.以上都是7、網(wǎng)絡(luò)爬蟲(chóng)抓取數(shù)據(jù)時(shí)，以下哪種策略常用于避免對(duì)網(wǎng)站造成過(guò)大壓力？（）A.隨機(jī)抓取B.深度優(yōu)先抓取C.廣度優(yōu)先抓取D.限速抓取8、以下哪個(gè)庫(kù)在Python中常用于網(wǎng)絡(luò)爬蟲(chóng)？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是9、網(wǎng)絡(luò)爬蟲(chóng)在解析HTML頁(yè)面時(shí)，以下哪個(gè)庫(kù)比較常用？（）A.lxmlB.reC.pandasD.matplotlib10、以下哪個(gè)不是爬蟲(chóng)中處理異常的情況？（）A.網(wǎng)絡(luò)連接失敗B.頁(yè)面不存在C.數(shù)據(jù)格式錯(cuò)誤D.服務(wù)器響應(yīng)過(guò)快11、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是12、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)存儲(chǔ)性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲(chǔ)C.數(shù)據(jù)壓縮D.以上都是13、以下哪個(gè)不是爬蟲(chóng)中設(shè)置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務(wù)器壓力D.遵守網(wǎng)站規(guī)則14、在爬蟲(chóng)中，如何處理JavaScript生成的內(nèi)容？（）A.執(zhí)行JavaScript代碼B.分析頁(yè)面源代碼C.以上都是D.以上都不是15、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理會(huì)話保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是16、在爬蟲(chóng)中，處理動(dòng)態(tài)加載數(shù)據(jù)的常見(jiàn)方式是（）A.分析接口B.模擬操作C.等待加載完成D.以上都是17、爬蟲(chóng)在處理網(wǎng)頁(yè)中的圖片時(shí)，通常的做法是（）A.下載圖片B.忽略圖片C.分析圖片內(nèi)容D.以上都可以18、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)合法性驗(yàn)證的方法？（）A.正則表達(dá)式B.數(shù)據(jù)類型檢查C.范圍檢查D.忽略驗(yàn)證19、爬蟲(chóng)在處理網(wǎng)站的驗(yàn)證碼時(shí)，不建議采取的方式是（）A.人工識(shí)別B.機(jī)器學(xué)習(xí)識(shí)別C.暴力破解D.放棄爬取該頁(yè)面20、以下哪個(gè)不是爬蟲(chóng)中處理反爬蟲(chóng)驗(yàn)證碼的高級(jí)技術(shù)？（）A.深度學(xué)習(xí)識(shí)別B.人工打碼平臺(tái)C.圖像識(shí)別算法D.直接忽略二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息服務(wù)創(chuàng)新和優(yōu)化數(shù)據(jù)。2、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何確保抓取數(shù)據(jù)的準(zhǔn)確性和完整性。3、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的鏈接過(guò)期或失效的情況。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的驗(yàn)證碼。三、編程題（本大題共2個(gè)小題，共