學(xué)校________________班級____________姓名____________考場____________準考證號學(xué)校________________班級____________姓名____________考場____________準考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁華南理工大學(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、在爬蟲中，以下哪個庫常用于解析XML數(shù)據(jù)？（）A.xml.etree.ElementTreeB.lxml.etreeC.minidomD.以上都是2、在爬蟲中，處理網(wǎng)頁編碼的常見庫是（）A.chardetB.codecsC.encodingsD.utf-83、在爬蟲中，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.查找隱藏頁面D.提高爬取效率4、以下哪個不是爬蟲中處理數(shù)據(jù)更新的策略？（）A.定時更新B.增量更新C.全量更新D.隨機更新5、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站封禁？（）A.訪問頻率過高B.不遵守robots.txt協(xié)議C.發(fā)送異常請求D.以上都是6、爬蟲在處理網(wǎng)站的robots.txt禁止爬取時，應(yīng)該（）A.遵守規(guī)定B.嘗試突破C.忽略不管D.隨機選擇7、以下哪個不是爬蟲的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對網(wǎng)站造成過大負擔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、爬蟲在處理網(wǎng)站的反爬蟲機制時，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的效率？（）A.多線程B.分布式C.緩存機制D.以上都是10、在爬蟲中，使用緩存的目的是（）A.提高爬取速度B.減少重復(fù)請求C.節(jié)省存儲空間D.以上都是11、在爬蟲中，處理重定向的常見方法是（）A.自動跟隨B.忽略重定向C.手動處理D.以上都是12、在爬蟲中，用于模擬瀏覽器行為的庫是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy13、網(wǎng)絡(luò)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、網(wǎng)絡(luò)爬蟲的法律風(fēng)險不包括（）A.侵犯知識產(chǎn)權(quán)B.違反網(wǎng)站規(guī)定C.傳播病毒D.以上都是16、爬蟲在處理反爬蟲的IP封鎖時，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、在爬蟲中，使用多進程的優(yōu)勢是（）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、以下哪個不是常見的爬蟲框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy19、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是20、以下哪個不是爬蟲中數(shù)據(jù)提取的挑戰(zhàn)？（）A.頁面結(jié)構(gòu)復(fù)雜B.數(shù)據(jù)格式不一致C.反爬蟲機制D.數(shù)據(jù)量小二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的地理定位信息。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁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）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息知識管理和共享數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能地圖繪制相關(guān)元素。三、編程題（本大題共2個小題，共20分)