華南理工大學《數據倉庫與數據挖掘》2021-2022學年期末試卷

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁，共3頁華南理工大學《數據倉庫與數據挖掘》2021-2022學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分批閱人一、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異步請求的方式？（）A.使用回調函數B.使用線程C.使用協(xié)程D.以上都是2、以下哪個不是爬蟲中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進行適當的重試D.及時終止程序3、以下哪種數據格式不適合爬蟲存儲數據？（）A.CSVB.XMLC.PDFD.JSON4、以下哪個不是爬蟲中處理數據清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup5、在爬蟲中，用于模擬瀏覽器行為的庫是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy6、爬蟲在處理網站的反爬蟲機制時，首先應該（）A.嘗試突破B.遵守規(guī)則C.尋找漏洞D.放棄爬取7、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8、在網絡爬蟲中，以下哪個協(xié)議通常用于數據傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP9、以下哪個不是爬蟲中處理數據分頁的方法？（）A.分析頁面規(guī)律B.模擬點擊下一頁C.直接獲取所有頁面D.根據參數獲取10、以下哪種數據格式常用于網絡爬蟲存儲抓取到的數據？（）A.CSVB.JSONC.XMLD.以上都是11、以下哪個不是爬蟲中數據清洗的步驟？（）A.去除噪聲B.轉換數據格式C.加密數據D.以上都是12、網絡爬蟲如何處理網站的robots.txt文件？（）A.遵守規(guī)定B.忽略C.部分遵守D.以上都有可能13、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是14、在爬蟲中，以下哪個庫常用于處理正則表達式？（）A.reB.regexC.patternD.以上都是15、以下哪種存儲方式不適合存儲爬蟲獲取的數據？（）A.數據庫B.文本文件C.內存D.圖像文件16、當爬蟲被網站封禁時，以下哪個不是可能的原因？（）A.抓取頻率過高B.未遵循網站規(guī)則C.數據量過大D.代碼錯誤17、爬蟲在處理網站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學習識別C.暴力破解D.放棄爬取該頁面18、以下哪種存儲方式適合存儲大規(guī)模的爬蟲數據？A.關系型數據庫B.非關系型數據庫C.文件系統(tǒng)D.內存數據庫19、以下哪個不是常見的反爬蟲手段？（）A.IP封禁B.驗證碼C.數據加密D.頁面美化20、在爬蟲中，處理數據的提取精度通常取決于（）A.需求B.算法C.數據質量D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）解釋網絡爬蟲如何處理網頁中的框架（Frame）和iframe。2、（本題10分）說明網絡爬蟲如何處理網頁中的用戶行為的預測和推薦數據。3、（本題10分）簡述網絡爬蟲如何處理網頁中的用戶行為的信息服務創(chuàng)新和優(yōu)化數據。4、（本題10分）簡述網絡爬蟲如何處理網頁中的用戶收藏和點贊數據。三、編程題（本大題共2個小題，共