华南理工大学《数据挖掘与大数据》2021-2022学年期末试卷

站名：站名：年级专业：姓名：学号：凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。…………密………………封………………线…………第1页，共1页华南理工大学《数据挖掘与大数据》2021-2022学年期末试卷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、网络爬虫如何处理网站的反爬虫蜜罐？（）A.识别并避开B.陷入后停止C.尝试突破D.以上都是2、在爬虫中，以下哪个库常用于处理多任务调度？（）A.CeleryB.ApschedulerC.AirflowD.以上都是3、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4、网络爬虫如何处理网站的反爬虫JavaScript挑战？（）A.分析JavaScript逻辑B.使用工具模拟执行C.放弃抓取D.以上都是5、网络爬虫在处理网页中的JavaScript代码时，可以使用以下哪种工具？（）A.PyV8B.Node.jsC.V8D.以上都是6、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规则B.忽略C.部分遵守D.视情况而定7、以下哪个不是网络爬虫的主要步骤？（）A.页面下载B.数据清洗C.数据存储D.页面渲染8、网络爬虫如何处理网站的访问频率限制？（）A.等待B.使用代理C.更换IPD.以上都是9、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10、以下哪个不是爬虫中处理并发的方式？（）A.多进程B.多线程C.异步编程D.以上都是11、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12、在爬虫中，以下哪个库常用于处理文件下载？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是13、以下哪个不是爬虫中处理数据备份的方式？（）A.本地备份B.云端备份C.实时备份D.从不备份14、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15、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16、爬虫在处理网页中的多媒体资源时，通常考虑的因素是（）A.资源大小B.资源类型C.版权问题D.以上都是17、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy18、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON19、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20、以下哪个不是常见的爬虫存储数据库？（）A.MySQLB.MongoDBC.OracleD.Excel二、简答题（本大题共4个小题，共40分)1、（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传播路径分析数据。2、（本题10分）解释网络爬虫如何处理网页中的智能文档管理相关元素。3、（本题10分）解释网络爬虫如何处理网页中的智能预测相关元素。4、（本题10分）简述网络爬虫如何处理网页中的用户行为的文本摘要提取数据。三、编程题（本大题共2个小题，共2