爬虫可以按照一定的规则，手动请求万维网网站的数据。

无论是搜索引擎，还是个人或单位获取目标数据，都需要从公开网站上爬取大量数据。

通用网路爬虫会访问与预定主题相关的网页。

如果数据市场上没有需要的数据，那么可以利用（）技术抓取网站上的数据。

网络爬虫是一个模拟真人浏览互联网行为的程序。

什么是通用爬虫？

如果网站中没有robots.txt 文件，那么所有的网络爬虫都能访问网站上所有没有被口令保护的页面。

任何一条Disallow 记录为空，都说明该网站的所有部分都允许被访问。

如果某个URL 还未抓取过，则这个URL 会放入到待抓取URL 队列中。

有些网页对于爬虫来说是无法抓取到的，这部分网页构成了可知网页集合。