华南理工大学《数据挖掘及土木工程应用》2021-2022学年期末试卷

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页，共3页华南理工大学《数据挖掘及土木工程应用》2021-2022学年期末试卷题号一二三总分得分一、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、在爬虫中，以下哪个库常用于解析XML数据？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是2、在爬虫中，处理网页编码的常见库是（）A.chardetB.codecsC.encodingsD.utf-83、在爬虫中，处理robots.txt文件的目的是（）A.了解网站的爬取规则B.获取网站地图C.查找隐藏页面D.提高爬取效率4、以下哪个不是爬虫中处理数据更新的策略？（）A.定时更新B.增量更新C.全量更新D.随机更新5、以下哪种情况可能导致爬虫被网站封禁？（）A.访问频率过高B.不遵守robots.txt协议C.发送异常请求D.以上都是6、爬虫在处理网站的robots.txt禁止爬取时，应该（）A.遵守规定B.尝试突破C.忽略不管D.随机选择7、以下哪个不是爬虫的合法性原则？（）A.遵循网站的使用条款B.避免对网站造成过大负担C.随意获取用户隐私数据D.尊重网站所有者的权益8、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9、以下哪种方式可以提高爬虫的效率？（）A.多线程B.分布式C.缓存机制D.以上都是10、在爬虫中，使用缓存的目的是（）A.提高爬取速度B.减少重复请求C.节省存储空间D.以上都是11、在爬虫中，处理重定向的常见方法是（）A.自动跟随B.忽略重定向C.手动处理D.以上都是12、在爬虫中，用于模拟浏览器行为的库是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy13、网络爬虫在抓取数据时，需要遵循的原则不包括（）A.不影响网站正常运行B.遵守网站的使用条款C.抓取所有数据D.尊重隐私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、网络爬虫的法律风险不包括（）A.侵犯知识产权B.违反网站规定C.传播病毒D.以上都是16、爬虫在处理反爬虫的IP封锁时，可以采取的措施是（）A.更换IPB.暂停爬取C.降低频率D.以上都是17、在爬虫中，使用多进程的优势是（）A.资源隔离B.提高稳定性C.充分利用多核D.以上都是18、以下哪个不是常见的爬虫框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy19、网络爬虫如何处理网站的反爬虫IP封锁？（）A.使用代理B.更换IPC.等待解封D.以上都是20、以下哪个不是爬虫中数据提取的挑战？（）A.页面结构复杂B.数据格式不一致C.反爬虫机制D.数据量小二、简答题（本大题共4个小题，共40分)1、（本题10分）说明网络爬虫如何处理网页中的地理定位信息。2、（本题10分）解释网络爬虫如何处理网页中的用户行为的信息合作伙伴关系管理数据。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知识管理和共享数据。4、（本题10分）简述网络爬虫如何处理网页中的智能地图绘制相关元素。三、编程题（本大题共2个小题，共20分)