華南理工大學《數(shù)據(jù)挖掘與統(tǒng)計決策》2023-2024學年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁華南理工大學《數(shù)據(jù)挖掘與統(tǒng)計決策》2023-2024學年期末試卷院(系)_______班級_______學號_______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、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2、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡爬蟲存儲抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是3、以下哪個不是爬蟲框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley4、在爬蟲中，使用代理IP的主要目的是（）A.提高爬取速度B.繞過IP封鎖C.隱藏真實IPD.以上都是5、在爬蟲中，如何處理網(wǎng)頁中的權限限制？（）A.嘗試突破B.放棄抓取C.尋找其他途徑D.以上都是6、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7、當遇到需要登錄才能訪問的頁面時，爬蟲可以通過以下哪種方式獲取數(shù)據(jù)？（）A.模擬登錄B.跳過該頁面C.暴力破解D.以上都不是8、在爬蟲中，以下哪個庫常用于處理HTTP認證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是9、以下哪種情況可能導致爬蟲被網(wǎng)站封禁？（）A.訪問頻率過高B.不遵守robots.txt協(xié)議C.發(fā)送異常請求D.以上都是10、以下哪個不是爬蟲中處理會話的方式？（）A.使用CookieB.使用SessionC.每次請求重新登錄D.忽略會話11、以下哪個不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗B.版本控制C.數(shù)據(jù)備份D.以上都是12、爬蟲在解析JSON數(shù)據(jù)時，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re13、以下哪個庫在Python中常用于網(wǎng)絡爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是14、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15、以下哪個不是爬蟲中處理數(shù)據(jù)重復的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復16、以下哪個不是爬蟲中數(shù)據(jù)提取的方法？（）A.正則表達式B.XPathC.CSS選擇器D.隨機生成17、在爬蟲中，設置請求頭的主要目的是（）A.提高爬取速度B.偽裝成瀏覽器C.減少服務器響應時間D.節(jié)省網(wǎng)絡流量18、以下哪種語言常用于編寫網(wǎng)絡爬蟲？（）A.JavaB.PythonC.C++D.JavaScript19、以下哪個不是爬蟲中優(yōu)化內(nèi)存使用的方法？（）A.及時釋放資源B.使用緩存C.減少數(shù)據(jù)存儲D.以上都是20、以下哪個不是爬蟲中處理數(shù)據(jù)更新頻率不一致的方法？（）A.統(tǒng)一更新頻率B.按照不同頻率處理C.忽略更新頻率D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡爬蟲如何確保抓取數(shù)據(jù)的準確性和完整性。2、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能任務管理相關元素。3、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的錯誤頁面。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的主題模型數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1