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。

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。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

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。

什么是网络爬虫？

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

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。

通用网路爬虫会访问与预定主题相关的网页。

robots.txt文件只能有一条User-agent 记录。