華南理工大學(xué)《數(shù)據(jù)挖掘及土木工程應(yīng)用》2021-2022學(xué)年期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)華南理工大學(xué)《數(shù)據(jù)挖掘及土木工程應(yīng)用》2021-2022學(xué)年期末試卷題號(hào)一二三總分得分一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于解析XML數(shù)據(jù)？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是2、在爬蟲(chóng)中，處理網(wǎng)頁(yè)編碼的常見(jiàn)庫(kù)是（）A.chardetB.codecsC.encodingsD.utf-83、在爬蟲(chóng)中，處理robots.txt文件的目的是（）A.了解網(wǎng)站的爬取規(guī)則B.獲取網(wǎng)站地圖C.查找隱藏頁(yè)面D.提高爬取效率4、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)更新的策略？（）A.定時(shí)更新B.增量更新C.全量更新D.隨機(jī)更新5、以下哪種情況可能導(dǎo)致爬蟲(chóng)被網(wǎng)站封禁？（）A.訪問(wèn)頻率過(guò)高B.不遵守robots.txt協(xié)議C.發(fā)送異常請(qǐng)求D.以上都是6、爬蟲(chóng)在處理網(wǎng)站的robots.txt禁止爬取時(shí)，應(yīng)該（）A.遵守規(guī)定B.嘗試突破C.忽略不管D.隨機(jī)選擇7、以下哪個(gè)不是爬蟲(chóng)的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對(duì)網(wǎng)站造成過(guò)大負(fù)擔(dān)C.隨意獲取用戶隱私數(shù)據(jù)D.尊重網(wǎng)站所有者的權(quán)益8、爬蟲(chóng)在處理網(wǎng)站的反爬蟲(chóng)機(jī)制時(shí)，首先應(yīng)該（）A.嘗試突破B.遵守規(guī)則C.尋找漏洞D.放棄爬取9、以下哪種方式可以提高爬蟲(chóng)的效率？（）A.多線程B.分布式C.緩存機(jī)制D.以上都是10、在爬蟲(chóng)中，使用緩存的目的是（）A.提高爬取速度B.減少重復(fù)請(qǐng)求C.節(jié)省存儲(chǔ)空間D.以上都是11、在爬蟲(chóng)中，處理重定向的常見(jiàn)方法是（）A.自動(dòng)跟隨B.忽略重定向C.手動(dòng)處理D.以上都是12、在爬蟲(chóng)中，用于模擬瀏覽器行為的庫(kù)是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy13、網(wǎng)絡(luò)爬蟲(chóng)在抓取數(shù)據(jù)時(shí)，需要遵循的原則不包括（）A.不影響網(wǎng)站正常運(yùn)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14、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是15、網(wǎng)絡(luò)爬蟲(chóng)的法律風(fēng)險(xiǎn)不包括（）A.侵犯知識(shí)產(chǎn)權(quán)B.違反網(wǎng)站規(guī)定C.傳播病毒D.以上都是16、爬蟲(chóng)在處理反爬蟲(chóng)的IP封鎖時(shí)，可以采取的措施是（）A.更換IPB.暫停爬取C.降低頻率D.以上都是17、在爬蟲(chóng)中，使用多進(jìn)程的優(yōu)勢(shì)是（）A.資源隔離B.提高穩(wěn)定性C.充分利用多核D.以上都是18、以下哪個(gè)不是常見(jiàn)的爬蟲(chóng)框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy19、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的反爬蟲(chóng)IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是20、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)提取的挑戰(zhàn)？（）A.頁(yè)面結(jié)構(gòu)復(fù)雜B.數(shù)據(jù)格式不一致C.反爬蟲(chóng)機(jī)制D.數(shù)據(jù)量小二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的地理定位信息。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息合作伙伴關(guān)系管理數(shù)據(jù)。3、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息知識(shí)管理和共享數(shù)據(jù)。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能地圖繪制相關(guān)元素。三、編程題（本大題共2個(gè)小題，共20分)