爬虫需要遵循有礼貌的原则，这样才能与更多的网站建立友好关系。

待下载网页集合就是（）URL 列队中的网页，这些网页即将被爬虫下载。

Robots协议又称（）协议，用于保护网数据和敏感信息。

当网络爬虫访问网站时，会优先检查该站点的根目录下是否存在（）文件。

浏览器在访问网站时会携带（），向网站表明自己的真实身份。

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。

任何网站都会定义robots.txt 文件，能够让爬虫了解爬取网站存在着哪些限制。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

现在网站会采取一些（）措施来阻止网络爬虫的不当爬取行为。

只要将User-agent 设为知名的用户代理，爬虫就能够成功地伪装成浏览器。