裝訂線裝訂線PAGE2第1頁，共3頁華南理工大學(xué)《數(shù)據(jù)挖掘與統(tǒng)計(jì)決策》2023-2024學(xué)年期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______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、在爬蟲中，如何處理網(wǎng)頁中的加密鏈接？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是2、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲存儲(chǔ)抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是3、以下哪個(gè)不是爬蟲框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley4、在爬蟲中，使用代理IP的主要目的是（）A.提高爬取速度B.繞過IP封鎖C.隱藏真實(shí)IPD.以上都是5、在爬蟲中，如何處理網(wǎng)頁中的權(quán)限限制？（）A.嘗試突破B.放棄抓取C.尋找其他途徑D.以上都是6、在爬蟲中，處理數(shù)據(jù)的篩選通?；冢ǎ〢.數(shù)據(jù)值B.數(shù)據(jù)類型C.數(shù)據(jù)來源D.以上都是7、當(dāng)遇到需要登錄才能訪問的頁面時(shí)，爬蟲可以通過以下哪種方式獲取數(shù)據(jù)？（）A.模擬登錄B.跳過該頁面C.暴力破解D.以上都不是8、在爬蟲中，以下哪個(gè)庫常用于處理HTTP認(rèn)證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是9、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(qǐng)求D.以上都是10、以下哪個(gè)不是爬蟲中處理會(huì)話的方式？（）A.使用CookieB.使用SessionC.每次請(qǐng)求重新登錄D.忽略會(huì)話11、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗(yàn)B.版本控制C.數(shù)據(jù)備份D.以上都是12、爬蟲在解析JSON數(shù)據(jù)時(shí)，通常使用的庫是（）A.jsonB.requestsC.BeautifulSoupD.re13、以下哪個(gè)庫在Python中常用于網(wǎng)絡(luò)爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是14、在爬蟲中，以下哪個(gè)庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是15、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復(fù)16、以下哪個(gè)不是爬蟲中數(shù)據(jù)提取的方法？（）A.正則表達(dá)式B.XPathC.CSS選擇器D.隨機(jī)生成17、在爬蟲中，設(shè)置請(qǐng)求頭的主要目的是（）A.提高爬取速度B.偽裝成瀏覽器C.減少服務(wù)器響應(yīng)時(shí)間D.節(jié)省網(wǎng)絡(luò)流量18、以下哪種語言常用于編寫網(wǎng)絡(luò)爬蟲？（）A.JavaB.PythonC.C++D.JavaScript19、以下哪個(gè)不是爬蟲中優(yōu)化內(nèi)存使用的方法？（）A.及時(shí)釋放資源B.使用緩存C.減少數(shù)據(jù)存儲(chǔ)D.以上都是20、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)更新頻率不一致的方法？（）A.統(tǒng)一更新頻率B.按照不同頻率處理C.忽略更新頻率D.以上都是二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（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。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能任務(wù)管理相關(guān)元素。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的錯(cuò)誤頁面。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的主題模型數(shù)據(jù)。三、編程題（本大題共2個(gè)小題，共20分)1