华南理工大学《数据挖掘理论与技术》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《数据挖掘理论与技术》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，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2、在爬虫中，以下哪个库常用于处理数据加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是3、以下哪个不是爬虫中处理网页乱码的方法？（）A.手动指定编码B.自动检测编码C.转换编码D.忽略乱码4、以下哪个不是爬虫中设置延迟的目的？（）A.避免被封禁B.提高爬取效率C.减轻服务器压力D.遵守网站规则5、网络爬虫如何处理网页中的跳转？（）A.自动跟随B.按照规则处理C.忽略D.以上都是6、以下哪种语言常用于编写网络爬虫？A.JavaB.PythonC.C++D.JavaScript7、在爬虫中，以下哪个库常用于处理HTTP代理？（）A.requests-proxyB.urllib.request.ProxyHandlerC.socksD.以上都是8、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9、网络爬虫的主要目的是（）A.收集数据B.攻击网站C.破坏网络D.以上都不是10、在爬虫中，如何处理网页中的加密链接？（）A.破解加密B.寻找解密方法C.放弃抓取D.以上都是11、当遇到反爬虫机制时，以下哪种方法不太可能有效？A.使用代理IPB.降低抓取频率C.模拟人类行为D.发送大量请求突破限制12、在爬虫中，以下哪个库常用于处理会话保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是13、在爬虫中，处理反爬虫的验证码可以使用（）A.人工识别B.机器学习C.忽略验证码D.以上都是14、网络爬虫如何处理网页中的动态加载内容？（）A.使用SeleniumB.分析接口C.模拟点击D.以上都是15、在爬虫中，使用分布式爬虫时需要注意（）A.任务分配B.数据同步C.节点通信D.以上都是16、以下哪个不是爬虫中处理数据加载缓慢的方法？（）A.优化网络B.减少数据量C.更换数据源D.以上都是17、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18、网络爬虫如何判断一个页面是否已经抓取过？（）A.数据库记录B.缓存记录C.文件记录D.以上都是19、网络爬虫获取的数据通常需要进行以下哪种处理？（）A.去重B.筛选C.转换格式D.以上都是20、以下哪个不是爬虫中处理数据压缩的好处？（）A.节省存储空间B.提高传输速度C.加密数据D.减少网络流量二、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智能签名相关元素。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能源和环境可持续发展数据。3、（本题10分）简述网络爬虫如何处理网页中的JavaScript生成的内容。4、（本题10分）说明网络爬虫如何处理网页中的增强现实和虚拟现实元素。三、编程题（本大题共2个小题