华南理工大学《数据挖掘》2021-2022学年期末试卷

装订线装订线PAGE2第1页，共3页华南理工大学《数据挖掘》2021-2022学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、以下哪个不是爬虫中设置请求头的作用？（）A.伪装浏览器B.绕过反爬虫C.提高请求速度D.符合网站要求2、在爬虫中，使用多进程的优势是（）A.资源隔离B.提高稳定性C.充分利用多核D.以上都是3、在爬虫中，处理数据的合法性验证通常包括（）A.格式验证B.内容验证C.来源验证D.以上都是4、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）A.CSVB.JSONC.XMLD.以上都是5、在爬虫中，处理数据的分页提取通常需要分析（）A.URL规律B.页面结构C.JavaScript代码D.以上都是6、网络爬虫中，以下哪个状态码表示请求成功？（）A.200B.301C.404D.5007、在爬虫中，以下哪个库常用于处理多任务调度？（）A.CeleryB.ApschedulerC.AirflowD.以上都是8、以下哪个不是爬虫中处理分页的方法？（）A.分析页面链接B.模拟点击分页按钮C.固定每页数量D.随机获取分页9、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy10、网络爬虫如何处理网站的访问限制策略变化？（）A.调整爬虫策略B.停止抓取C.等待策略恢复D.以上都是11、在爬虫中，如何处理网页中的跳转页面？（）A.跟随跳转B.忽略跳转C.分析跳转目的D.以上都是12、以下哪个不是爬虫中处理数据筛选的方法？（）A.条件判断B.正则表达式C.随机筛选D.按照规则筛选13、网络爬虫获取的数据通常需要进行以下哪种处理？（）A.去重B.筛选C.转换格式D.以上都是14、爬虫在处理网站的验证码时，不建议采取的方式是（）A.人工识别B.机器学习识别C.暴力破解D.放弃爬取该页面15、以下哪个不是爬虫中处理会话的方式？（）A.使用CookieB.使用SessionC.每次请求重新登录D.忽略会话16、以下哪个不是爬虫中处理数据存储的优化策略？（）A.建立索引B.分区存储C.压缩存储D.减少存储17、在爬虫中，处理数据存储的一致性问题通常使用（）A.事务B.锁C.备份D.以上都是18、网络爬虫如何判断一个页面是否已经抓取过？（）A.数据库记录B.缓存记录C.文件记录D.以上都是19、以下哪个不是爬虫中处理异常的方式？（）A.重试B.跳过C.终止程序D.记录日志20、在网络爬虫中，以下哪个模块通常用于发送HTTP请求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy二、简答题（本大题共4个小题，共40分)1、（本题10分）解释网络爬虫如何处理网页中的智能认证相关元素。2、（本题10分）说明网络爬虫如何处理网页中的活动和促销信息。3、（本题10分）说明网络爬虫如何处理网页中的用户行为的信息过滤和筛选数据。4、（本题10分）简述网络爬虫如何处理网页中的价格波动数据。三、编程题（本大题共2个小题，共20分