华南理工大学《数据仓库与数据挖掘》2021-2022学年期末试卷

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页，共3页华南理工大学《数据仓库与数据挖掘》2021-2022学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、以下哪个不是爬虫中处理异步请求的方式？（）A.使用回调函数B.使用线程C.使用协程D.以上都是2、以下哪个不是爬虫中处理异常的原则？（）A.记录异常信息B.忽略所有异常C.进行适当的重试D.及时终止程序3、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON4、以下哪个不是爬虫中处理数据清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup5、在爬虫中，用于模拟浏览器行为的库是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy6、爬虫在处理网站的反爬虫机制时，首先应该（）A.尝试突破B.遵守规则C.寻找漏洞D.放弃爬取7、以下哪个不是爬虫中处理验证码的方法？（）A.手动输入B.图像识别C.跳过D.以上都是8、在网络爬虫中，以下哪个协议通常用于数据传输？（）A.HTTPB.HTTPSC.FTPD.SMTP9、以下哪个不是爬虫中处理数据分页的方法？（）A.分析页面规律B.模拟点击下一页C.直接获取所有页面D.根据参数获取10、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）A.CSVB.JSONC.XMLD.以上都是11、以下哪个不是爬虫中数据清洗的步骤？（）A.去除噪声B.转换数据格式C.加密数据D.以上都是12、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规定B.忽略C.部分遵守D.以上都有可能13、以下哪个不是爬虫中处理分布式爬虫的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是14、在爬虫中，以下哪个库常用于处理正则表达式？（）A.reB.regexC.patternD.以上都是15、以下哪种存储方式不适合存储爬虫获取的数据？（）A.数据库B.文本文件C.内存D.图像文件16、当爬虫被网站封禁时，以下哪个不是可能的原因？（）A.抓取频率过高B.未遵循网站规则C.数据量过大D.代码错误17、爬虫在处理网站的验证码时，不建议采取的方式是（）A.人工识别B.机器学习识别C.暴力破解D.放弃爬取该页面18、以下哪种存储方式适合存储大规模的爬虫数据？A.关系型数据库B.非关系型数据库C.文件系统D.内存数据库19、以下哪个不是常见的反爬虫手段？（）A.IP封禁B.验证码C.数据加密D.页面美化20、在爬虫中，处理数据的提取精度通常取决于（）A.需求B.算法C.数据质量D.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）解释网络爬虫如何处理网页中的框架（Frame）和iframe。2、（本题10分）说明网络爬虫如何处理网页中的用户行为的预测和推荐数据。3、（本题10分）简述网络爬虫如何处理网页中的用户行为的信息服务创新和优化数据。4、（本题10分）简述网络爬虫如何处理网页中的用户收藏和点赞数据。三、编程题（本大题共2个小题，共