華南理工大學《數(shù)據(jù)挖掘理論與技術(shù)》2023-2024學年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁華南理工大學《數(shù)據(jù)挖掘理論與技術(shù)》2023-2024學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分一、單選題（本大題共20個小題，每小題2分，共40分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、以下哪個不是爬蟲中處理驗證碼的方法？（）A.手動輸入B.圖像識別C.跳過D.以上都是2、爬蟲在處理動態(tài)網(wǎng)頁時，可能會用到的技術(shù)是（）A.AJAXB.CSSC.JavaScriptD.以上都是3、以下哪個不是爬蟲中處理網(wǎng)頁編碼的方法？（）A.自動檢測B.指定編碼C.忽略編碼D.轉(zhuǎn)換編碼4、在爬蟲中，如何處理網(wǎng)頁中的復雜表單提交？（）A.模擬填寫B(tài).分析表單結(jié)構(gòu)C.以上都是D.以上都不是5、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的跳轉(zhuǎn)？（）A.自動跟隨B.按照規(guī)則處理C.忽略D.以上都是6、以下哪個不是爬蟲中處理數(shù)據(jù)合并的問題？（）A.字段不一致B.數(shù)據(jù)重復C.數(shù)據(jù)缺失D.數(shù)據(jù)過多7、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的好處？（）A.節(jié)省存儲空間B.提高傳輸速度C.加密數(shù)據(jù)D.減少網(wǎng)絡流量8、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup9、在處理動態(tài)網(wǎng)頁時，以下哪種技術(shù)對爬蟲比較有幫助？（）A.SeleniumB.PhantomJSC.SplashD.以上都是10、以下哪個不是爬蟲中處理分布式環(huán)境下數(shù)據(jù)一致性的方法？（）A.分布式鎖B.消息隊列C.共享數(shù)據(jù)庫D.各自處理11、爬蟲在處理大規(guī)模并發(fā)請求時，可能會用到的技術(shù)是（）A.線程池B.進程池C.協(xié)程D.以上都是12、爬蟲在存儲數(shù)據(jù)時，使用數(shù)據(jù)庫的優(yōu)點是（）A.便于查詢和管理B.節(jié)省存儲空間C.提高寫入速度D.無需進行數(shù)據(jù)處理13、在爬蟲中，以下哪個不是設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲機制C.提高請求速度D.以上都是14、以下哪種數(shù)據(jù)格式常用于存儲爬蟲獲取的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是15、網(wǎng)絡爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡D.以上都不是16、網(wǎng)絡爬蟲在抓取數(shù)據(jù)時，需要遵循的原則不包括（）A.不影響網(wǎng)站正常運行B.遵守網(wǎng)站的使用條款C.抓取所有數(shù)據(jù)D.尊重隱私17、在網(wǎng)絡爬蟲中，以下哪個協(xié)議通常用于數(shù)據(jù)傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP18、在爬蟲中，處理數(shù)據(jù)的分頁提取通常需要分析（）A.URL規(guī)律B.頁面結(jié)構(gòu)C.JavaScript代碼D.以上都是19、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON20、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能地圖繪制相關(guān)元素。2、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的數(shù)據(jù)分頁和加載更多機制。3、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息風險管理和應對數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的語義信息。三、編程題（本大題共2個小題，共20