華南理工大學(xué)《數(shù)據(jù)挖掘與網(wǎng)絡(luò)》2021-2022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)挖掘與網(wǎng)絡(luò)》2021-2022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批閱人一、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，設(shè)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(wù)器響應(yīng)時間D.節(jié)省網(wǎng)絡(luò)流量2、以下哪個不是爬蟲中處理數(shù)據(jù)格式轉(zhuǎn)換的原因？（）A.適配存儲需求B.方便后續(xù)處理C.提高數(shù)據(jù)安全性D.滿足其他系統(tǒng)要求3、爬蟲獲取數(shù)據(jù)后，進行數(shù)據(jù)清洗通常不包括（）A.去除重復(fù)數(shù)據(jù)B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.糾正錯誤數(shù)據(jù)4、以下哪個不是爬蟲中設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲C.提高請求速度D.符合網(wǎng)站要求5、在處理爬蟲抓取到的大量數(shù)據(jù)時，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C.優(yōu)化數(shù)據(jù)存儲結(jié)構(gòu)D.以上都是6、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7、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，需要遵守的原則是？（）A.不影響網(wǎng)站正常運行B.不獲取敏感信息C.遵循網(wǎng)站的使用條款D.以上都是8、在爬蟲中，處理數(shù)據(jù)存儲的一致性問題通常使用（）A.事務(wù)B.鎖C.備份D.以上都是9、在網(wǎng)絡(luò)爬蟲中，以下哪個是常見的反爬蟲策略？（）A.IP封鎖B.驗證碼C.限制訪問頻率D.以上都是10、在處理大規(guī)模數(shù)據(jù)抓取時，以下哪個不是需要考慮的問題？（）A.存儲容量B.網(wǎng)絡(luò)帶寬C.計算資源D.數(shù)據(jù)加密11、以下哪個不是爬蟲中處理數(shù)據(jù)存儲錯誤的方式？（）A.重試B.記錄錯誤日志C.忽略錯誤D.以上都是12、以下哪種情況可能導(dǎo)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13、以下哪個不是爬蟲框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley14、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15、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，如何處理會話（Session）？（）A.保持會話B.忽略會話C.重新創(chuàng)建會話D.以上都有可能16、網(wǎng)絡(luò)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17、以下哪個不是爬蟲中處理數(shù)據(jù)加密的場景？（）A.傳輸過程B.存儲過程C.計算過程D.展示過程18、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，如何處理異常情況？（）A.記錄日志B.重試C.跳過D.以上都是19、以下哪個不是爬蟲中處理網(wǎng)頁編碼的方法？（）A.自動檢測B.指定編碼C.忽略編碼D.轉(zhuǎn)換編碼20、爬蟲在處理大規(guī)模數(shù)據(jù)時，可能會遇到的問題是（）A.內(nèi)存不足B.網(wǎng)絡(luò)帶寬限制C.處理速度慢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）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能機器翻譯相關(guān)元素。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能用戶體驗設(shè)計相關(guān)元素。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的多媒體內(nèi)容。4、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能平面設(shè)計相關(guān)元素。三、編程題（本大題共2個小題，共20分)1、（本題10分）使用Pyth