搜素引擎爬取到的网页数据与浏览器得到的HTML 数据一定是不同的。

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。

请简述使用网络爬虫的好处。

网络爬虫时一种按照一定的规则，（）请求万维网站并提取网络数据的程序或脚本。

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。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

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。