华南理工大学《数据挖掘与大数据》2023-2024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《数据挖掘与大数据》2023-2024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、以下哪个不是爬虫框架的特点？（）A.代码复用B.简化开发C.降低性能D.方便管理2、在爬虫中，如何处理网页中的图片？（）A.下载B.忽略C.只获取链接D.以上都是3、爬虫获取数据后，进行数据清洗通常不包括（）A.去除重复数据B.转换数据格式C.加密数据D.纠正错误数据4、网络爬虫在遇到重定向时，通常会（）A.跟随重定向B.忽略重定向C.报错D.以上都有可能5、以下哪个不是爬虫中处理网页编码的方法？（）A.自动检测B.指定编码C.忽略编码D.转换编码6、网络爬虫在解析HTML页面时，以下哪个库比较常用？（）A.lxmlB.reC.pandasD.matplotlib7、以下哪个不是爬虫中处理数据合法性的方法？（）A.数据验证B.数据过滤C.数据转换D.以上都是8、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9、在爬虫中，处理网页编码的常见库是（）A.chardetB.codecsC.encodingsD.utf-810、在解析HTML页面时，以下哪个工具常用于提取特定的元素？A.XPathB.RegularExpressionC.CSSSelectorD.以上都是11、网络爬虫在抓取网页时，如何处理网页中的图片？（）A.下载B.忽略C.提取图片链接D.以上都是12、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13、在爬虫中，处理数据的加密通常使用（）A.AESB.RSAC.哈希函数D.以上都是14、以下哪种情况可能导致爬虫被网站封禁？A.频繁访问同一页面B.访问隐藏页面C.未设置请求头D.以上都有可能15、以下哪个不是爬虫中处理页面解析错误的方式？（）A.跳过B.重试C.记录错误D.停止爬虫16、以下哪个不是爬虫中处理异常的方式？（）A.重试B.跳过C.终止程序D.记录日志17、以下哪个不是爬虫中处理数据筛选的方法？（）A.条件判断B.正则表达式C.随机筛选D.按照规则筛选18、以下哪个不是爬虫中处理数据隐私的方法？（）A.匿名化处理B.加密处理C.公开数据D.以上都是19、在处理爬虫获取的大量文本数据时，以下哪个技术常用于文本分类？（）A.机器学习B.深度学习C.以上都是D.以上都不是20、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用户行为的关键词提取数据。2、（本题10分）说明网络爬虫如何处理网页中的用户行为的信息智慧城市和智慧交通相关数据。3、（本题10分）说明网络爬虫如何处理网页中的用户行为跟踪代码。4、（本题10分）解释网络爬虫如何处理网页中的智能服装设计相关元素。三、编程题（本