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。

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。

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。

如果网站中存在robots.txt 文件，那么网络爬虫会按照该文件的内容确定访问的范围。

浏览器在访问网站时会携带（），向网站表明自己的真实身份。

什么是代理IP ？

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。

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。

爬虫可以按照一定的规则，手动请求万维网网站的数据。

robots.txt文件是（）访问网站时要查看的第一个文件，它会限制网络爬虫的访问范围。