华南理工大学《数据挖掘与大数据》2022-2023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《数据挖掘与大数据》2022-2023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、以下哪个不是常见的爬虫存储数据库？（）A.MySQLB.MongoDBC.OracleD.Excel2、以下哪个不是爬虫中处理数据格式转换的方法？（）A.自定义函数B.使用库函数C.手动转换D.不转换3、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4、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5、以下哪个不是常见的爬虫框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy6、在处理爬虫抓取到的大量数据时，以下哪种方法可以提高效率？A.使用多线程B.使用分布式爬虫C.优化数据存储结构D.以上都是7、网络爬虫抓取数据时，以下哪种策略常用于避免对网站造成过大压力？（）A.随机抓取B.深度优先抓取C.广度优先抓取D.限速抓取8、以下哪个库在Python中常用于网络爬虫？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是9、网络爬虫在解析HTML页面时，以下哪个库比较常用？（）A.lxmlB.reC.pandasD.matplotlib10、以下哪个不是爬虫中处理异常的情况？（）A.网络连接失败B.页面不存在C.数据格式错误D.服务器响应过快11、在爬虫中，以下哪个库常用于处理数据缓存？（）A.cachetoolsB.redisC.memcachedD.以上都是12、以下哪个不是爬虫中处理数据存储性能的方法？（）A.索引优化B.分区存储C.数据压缩D.以上都是13、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14、在爬虫中，如何处理JavaScript生成的内容？（）A.执行JavaScript代码B.分析页面源代码C.以上都是D.以上都不是15、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16、在爬虫中，处理动态加载数据的常见方式是（）A.分析接口B.模拟操作C.等待加载完成D.以上都是17、爬虫在处理网页中的图片时，通常的做法是（）A.下载图片B.忽略图片C.分析图片内容D.以上都可以18、以下哪个不是爬虫中处理数据合法性验证的方法？（）A.正则表达式B.数据类型检查C.范围检查D.忽略验证19、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20、以下哪个不是爬虫中处理反爬虫验证码的高级技术？（）A.深度学习识别B.人工打码平台C.图像识别算法D.直接忽略二、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服务创新和优化数据。2、（本题10分）说明网络爬虫如何确保抓取数据的准确性和完整性。3、（本题10分）说明网络爬虫如何处理网页中的链接过期或失效的情况。4、（本题10分）解释网络爬虫如何处理网页中的验证码。三、编程题（本大题共2个小题，共