自覺遵守考場紀(jì)律如考試作弊此答卷無效密自覺遵守考場紀(jì)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(xué)《數(shù)據(jù)挖掘與大數(shù)據(jù)》2022-2023學(xué)年期末試卷院(系)_______班級_______學(xué)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、以下哪個不是常見的爬蟲存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.OracleD.Excel2、以下哪個不是爬蟲中處理數(shù)據(jù)格式轉(zhuǎn)換的方法？（）A.自定義函數(shù)B.使用庫函數(shù)C.手動轉(zhuǎn)換D.不轉(zhuǎn)換3、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4、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5、以下哪個不是常見的爬蟲框架？（）A.PySpiderB.Crawler4jC.Node.jsD.Scrapy6、在處理爬蟲抓取到的大量數(shù)據(jù)時，以下哪種方法可以提高效率？A.使用多線程B.使用分布式爬蟲C.優(yōu)化數(shù)據(jù)存儲結(jié)構(gòu)D.以上都是7、網(wǎng)絡(luò)爬蟲抓取數(shù)據(jù)時，以下哪種策略常用于避免對網(wǎng)站造成過大壓力？（）A.隨機抓取B.深度優(yōu)先抓取C.廣度優(yōu)先抓取D.限速抓取8、以下哪個庫在Python中常用于網(wǎng)絡(luò)爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是9、網(wǎng)絡(luò)爬蟲在解析HTML頁面時，以下哪個庫比較常用？（）A.lxmlB.reC.pandasD.matplotlib10、以下哪個不是爬蟲中處理異常的情況？（）A.網(wǎng)絡(luò)連接失敗B.頁面不存在C.數(shù)據(jù)格式錯誤D.服務(wù)器響應(yīng)過快11、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是12、以下哪個不是爬蟲中處理數(shù)據(jù)存儲性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲C.數(shù)據(jù)壓縮D.以上都是13、以下哪個不是爬蟲中設(shè)置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務(wù)器壓力D.遵守網(wǎng)站規(guī)則14、在爬蟲中，如何處理JavaScript生成的內(nèi)容？（）A.執(zhí)行JavaScript代碼B.分析頁面源代碼C.以上都是D.以上都不是15、在爬蟲中，以下哪個庫常用于處理會話保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是16、在爬蟲中，處理動態(tài)加載數(shù)據(jù)的常見方式是（）A.分析接口B.模擬操作C.等待加載完成D.以上都是17、爬蟲在處理網(wǎng)頁中的圖片時，通常的做法是（）A.下載圖片B.忽略圖片C.分析圖片內(nèi)容D.以上都可以18、以下哪個不是爬蟲中處理數(shù)據(jù)合法性驗證的方法？（）A.正則表達式B.數(shù)據(jù)類型檢查C.范圍檢查D.忽略驗證19、爬蟲在處理網(wǎng)站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學(xué)習(xí)識別C.暴力破解D.放棄爬取該頁面20、以下哪個不是爬蟲中處理反爬蟲驗證碼的高級技術(shù)？（）A.深度學(xué)習(xí)識別B.人工打碼平臺C.圖像識別算法D.直接忽略二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息服務(wù)創(chuàng)新和優(yōu)化數(shù)據(jù)。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何確保抓取數(shù)據(jù)的準(zhǔn)確性和完整性。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的鏈接過期或失效的情況。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的驗證碼。三、編程題（本大題共2個小題，共